Personale

Domenica D’Elia

Primo Tecnologo
E-Mail

domenica.delia@cnr.it

TELEFONO

+390805929674

SEDE

Bari

Stanza (piano/numero)

5/513

La mia attività di ricerca si concentra principalmente in campo biomedico. Sono una biologa molecolare (dottorato di ricerca in Biochimica e Biologia Molecolare) e nel corso degli anni ho maturato una consistente esperienza in bioinformatica, scienze omiche e diagnostica molecolare. Il mio lavoro consiste nello sviluppo di soluzioni efficaci per l'analisi di dati complessi per applicazioni cliniche, come l'identificazione di biomarcatori precoci di malattia. La mia attività riguarda principalmente lo studio di RNA non codificanti, con particolare attenzione al ruolo dei micro RNA, per il loro ruolo nei meccanismi legati all'insorgenza e allo sviluppo delle malattie. In questo ambito, studio tumori, invecchiamento e malattie neurodegenerative. In una collaborazione di lunga data con il Dipartimento di Informatica dell'Università di Bari, ho contribuito allo sviluppo di modelli e strumenti basati sull'apprendimento automatico per l'analisi di reti complesse di regolazione molecolare. Questi modelli mirano a chiarire i meccanismi molecolari, fisiologici e patologici, attraverso l'integrazione di grandi quantità di dati provenienti da studi su larga scala. Attualmente risiedo a Bari e collaboro con reti nazionali e internazionali per promuovere la scienza traslazionale. Il mio obiettivo è ottimizzare i risultati della ricerca biomedica per fornire soluzioni facilmente applicabili, economiche e non invasive per la diagnosi precoce, il monitoraggio della progressione della malattia o anche come strumenti per il controllo dell'efficacia terapeutica. Un altro ambito di applicazione su cui lavoro da diversi anni, in collaborazione con il CREA (Consiglio per la Ricerca Agricola e l'Analisi dell'Economia Agricola) di Turi, è lo studio delle proprietà nutrizionali di varietà di uva locale. Ho sviluppato uno studio di nutrigenomica su soggetti sani e sto attualmente analizzando dati di trascrittomica comparativa per identificare varietà di uva da tavola nutrizionalmente più pregiate.

Profilazione trascrittomica per biomarcatori di RNA codificanti e non‑codificanti e analisi di pathway regolatori.

Profilazione trascrittomica di EV (esosomi e microvescicole) per l’identificazione di biomarcatori di malattia.

Analisi trascrittomica delle cellule del sangue periferico per valutare i cambiamenti nell'espressione genica innescati da specifici modelli dietetici o nutrienti.

Sviluppo di strumenti bioinformatici per l'analisi di Big Data.

Applicazione di metodi statistici avanzati, machine learning, deep learning, intelligenza artificiale spiegabile (XAI) e data mining per la previsione di meccanismi patologici, l'identificazione di biomarcatori di malattia e il supporto alla stratificazione dei pazienti.