Ricerc@Sapienza

I diversi obiettivi che la ricerca si propone si collocano all'avanguardia rispetto allo stato dell'arte descritto nelle voci precedenti, sia per quanto riguarda le specifiche applicazioni che dal punto di vista dell'impianto metodologico.
In letteratura, sono riportati diversi approcci alla fusione dei dati, ma la quasi totalità di essi prevede che la relazione tra le variabili che compongono i differenti blocchi e le proprietà da prevedere possa essere espressa in forma lineare. Tuttavia, in presenza di problematiche molto complesse, in cui molte fonti di variabilità di differente natura possano influenzare i segnali misurati, l¿assunzione di linearità può non essere più verificata. Data la quasi completa assenza di metodi chemiometrici che, in un contesto di data fusion, permettano di descrivere una relazione non lineare tra le variabili che compongano i diversi blocchi di dati e le proprietà che si vogliano prevedere, il primo obiettivo di questa ricerca, ovvero la messa a punto di un metodo multi-block di regressione (o classificazione) rappresenterebbe un avanzamento notevole rispetto agli approcci attualmente disponibili, permettendo di sfruttare appieno le potenzialità insite nella tecnica. Inoltre, anche nella scelta della specifica strategia da adottare, l¿idea di unire un approccio ¿locale¿ alla regressione/classificazione con SO-PLS, uno degli algoritmi di analisi multi-block più recenti e che hanno riscosso maggiore interesse, per via della possibilità insita in esso di identificare le regioni dei segnali che portino informazione condivisa dai vari blocchi e quelle la cui variabilità sia invece distintiva, permetterebbe di avere una caratterizzazione estremamente dettagliata del sistema in esame.
Un altro obiettivo della ricerca è quello di migliorare le possibilità attualmente rappresentate dallo stato dell'arte per la selezione delle variabili nel contesto dell¿analisi di dati multi-block. Infatti, al momento gli approcci proposti in letteratura per la selezione di variabili nell¿ambito del data fusion si possono contare sulle dita di una mano e sono quasi tutti approcci che estendono metodi sviluppati per l¿analisi di blocchi singoli al caso multi-block senza però tenere conto di aver a che fare con più insiemi di dati e non con una sola matrice. Rispetto a questo scenario, la presente ricerca si propone di mettere a punto un nuovo metodo di selezione delle variabili che però tenga esplicitamente in conto la natura multi-block dei predittori a disposizione attraverso l¿accoppiamento tra i concetti base dell¿algoritmo SO-PLS ovvero la possibilità di prendere in considerazione sequenzialmente i vari blocchi ortogonalizzando ciascuno di essi rispetto alle variabili estratte dai blocchi precedenti, ed il metodo CovSel, originariamente proposto per una singola matrice di dati.
Infine, sebbene questa parte rappresenti la linea più applicativa della ricerca, l¿utilizzo di metodi multi-block (sia quelli più consolidati che gli approcci innovativi oggetto di questa ricerca) in ambito clinico per la caratterizzazione della sarcopenia è sicuramente l¿ambito in cui si possa dare l¿avanzamento più rilevante rispetto allo stato dell¿arte. Infatti, finora, l'identificazione della sarcopenia e della fragilità si è basata sulle caratteristiche cliniche. Tuttavia, è ipotizzabile che possano essere utilizzati biomarcatori biologici per identificare/caratterizzare queste condizioni. L¿identificazione e la validazione di tali biomarcatori può essere possibile solo analizzando i dati sperimentali raccolti su una serie di pazienti opportunamente campionata con approcci di tipo multi-block, in quanto questi stessi dati, oltre ad essere di per sé piuttosto complessi, sono anche di natura diversa (panel delle citochine infiammatorie, dati clinici, profilo aminoacidico, dati funzionali).
Per tutti questi motivi, la presente ricerca è altamente innovativa e permetterà di realizzare un avanzamento delle conoscenze in diversi ambiti.