Ricerc@Sapienza

Il presente progetto si propone come scopo generale quello di progettare e sviluppare degli approcci chemiometrici innovativi per
l¿analisi di dati multi-block che permettano di estenderne l'applicazione anche alla caratterizzazione di sistemi ad elevata complessità.
Il progetto si articolerà lungo tre linee di ricerca.
1. Sviluppo e messa a punto di un metodo non-lineare per l¿analisi di dati multi-block.
Una parte del progetto sarà dedicata allo sviluppo di un nuovo metodo chemiometrico per l¿elaborazione di dati multi-block, che permetta di ottenere predizioni accurate anche nei casi in cui la relazione tra predittori e risposte non possa più essere assunta come lineare, estendendo il paradigma della regressione locale all¿ sull¿algoritmo Sequential and Ortogonalized Partial Least Squares (SO-PLS).

2. Messa a punto di un metodo efficiente di selezione delle variabili per dati multi-block.
Obiettivo di questa parte della ricerca sarà quello di sviluppare un nuovo metodo per la selezione di variabili in ambito multi-block, modificando opportunamente un approccio proposto nel caso di blocchi singoli (il metodo CovSel) per adattarlo al caso in cui siano presenti più matrici di predittori.

3. Applicazione di metodi multi-block in ambito clinico per la caratterizzazione della sarcopenia.
L¿ultima parte di questa ricerca sarà dedicata all¿applicazione di algoritmi già esistenti in letteratura e degli algoritmi sviluppati nel contesto del presente studio all¿integrazione di diversi blocchi di dati (panel delle citochine infiammatorie, dati clinici, profilo aminoacidico, dati funzionali) registrati su controlli sani e su pazienti sarcopenici, ai fini di costruire e validare un modello di classificazione che permetta di caratterizzare in maniera quanto più oggettiva possibile la patologia e, in ultima istanza, di identificare del possibili biomarcatori multivariati che permettano di diagnosticarne o, se possibile prognosticarne, l¿insorgere.