Metodologie per l'analisi statistica di dati di sequencing relativi a un esperimento di rna interference

La RNA interference è un processo attraverso il quale alcuni piccoli frammenti di RNA (19-25 nucleotidi) sono in grado di silenziare l'espressione genica. La sua scoperta, nel 1998, ha rivoluzionato le concezioni della biologia molecolare, minando le basi del cosiddetto Dogma Centrale. Si è visto che la RNAi riveste ruoli fondamentali in meccanismi di regolazione genica, nello spegnimento dell'espressione e funziona come meccanismo di difesa innata contro varie tipologie di virus. Proprio a causa di queste implicazioni richiama interesse non solo dal punto di vista scientifico, ma anche da quello medico, in quanto potrebbe essere impiegata per lo sviluppo di nuove cure. Nonostante la scoperta di tale azione desti la curiosità e l'interesse di molti, i vari processi coinvolti, soprattutto a livello molecolare, non sono ancora chiari. In questo lavoro si propongono i metodi di analisi di dati di un esperimento prodotto dall'Istituto di Biologia molecolare e cellulare di Strasburgo. Nell'esperimento in questione vengono studiate le funzioni che l'enzima Dicer-2 ha nel pathway - cioè la catena di reazioni biomolecolari - della RNA interference durante un'infezione virale nel moscerino della frutta Drosophila Melanogaster. Per comprendere in che modo Dicer-2 intervenga nel silenziamento bisogna capire in quali casi e quali parti di RNA vengono silenziate, a seconda del diverso tipo di mutazione dell'enzima stesso. Dunque è necessario sequenziare l'RNA nelle diverse condizioni sperimentali, ottenendo così i dati da analizzare. Parte dei metodi statistici che verranno proposti risultano poco convenzionali, come conseguenza della peculiarità e della difficoltà dei quesiti che l'esperimento mette in luce. Siccome le tematiche affrontate richiedono un approccio sempre più interdisciplinare, è aumentata considerevolmente la richiesta di esperti di altri settori scientifici come matematici, informatici, fisici, statistici e ingegneri. Questa collaborazione, grazie a una diversità di approccio ai problemi, può fornire nuovi strumenti di comprensione in ambiti che, fino a poco tempo fa, rientravano unicamente nella sfera di competenza dei biologi.

Struttura filogenetica della comunità batterica associata ad Ostreopsis cf. Ovata in colture batch e dinamiche di crescita

Negli ultimi 10 anni i blooms attribuibili alla dinoflagellata bentonica Ostreopsis cf. ovata sono aumentati in termini di frequenza ed intensità lungo le coste del Mediterraneo, avendo ripercussioni negative sulla salute umana e forti impatti sulle comunità marine bentoniche, ciò a seguito della produzione di potenti tossine (composti palitossina-simili) da parte della microalga. Tra i fattori ecologici che innescano o regolano le dinamiche dei bloom tossici le interazioni tra microalghe e batteri sono in misura sempre maggiore oggetto di ricerca. In questo studio è stata analizzata la struttura filogenetica della comunità batterica associata ad O. cf. ovata in colture batch e valutate le dinamiche successionali della stessa in relazione alle differenti fasi di crescita della microalga (oltre che in relazione alle dinamiche di abbondanza virale). Lo studio filogenetico è stato effettuato tramite l’ausilio di metodiche molecolari di sequenziamento di next generation (Ion Torrent). Le abbondanze dei batteri e delle particelle virali sono state determinate tramite microscopia ad epifluorescenza; l’abbondanza cellulare algale è stata stimata tramite metodo Uthermohl. Il contributo della frazione batterica ad elevata attività respiratoria è stato determinato tramite doppia colorazione con coloranti DAPI e CTC. Dai dati emersi si evince che la comunità batterica attraversa due fasi di crescita distinte, una più marcata e concomitante con la fase esponenziale di O. cf. ovata, l'altra quando la microalga è in fase media stazionaria. Per quanto concerne la composizione filogenetica della comunità sono stati rilevati 12 phyla, 17 classi e 150 generi, sebbene i dati ottenuti abbiano rilevato una forte dominanza del phylum Proteobacteria con la classe Alphaproteobacteria, seguita dal phylum Bacteroidetes con la classe Sphingobacteria. Variazioni nella struttura filogenetica della comunità batterica, a livello di generi, tra le diverse fasi di crescita della microalga ha permesso di evidenziare ed ipotizzare particolari interazioni di tipo mutualistico e di tipo competitivo.

Understanding the impact of Twitter on the financial market

Negli anni la funzione dei social network è cambiata molte volte. Alle origini i social network erano uno strumento di connessione tra amici, ora sono siti internet in cui le persone mettono informazioni e quando un social network ha milioni di utenti, diventa un’incredibile sorgente di dati. Twitter è uno dei siti internet più visitati, e viene descritto come “the SMS of internet”, perchè è un social network che permette ai suoi utenti di inviare e leggere messaggi corti, di 140 caratteri, chiamati “tweets”. Con il passare del tempo Twitter `e diventato una fonte fondamentale di notizie. Il suo grande numero di utenti permette alle notizie di espandersi nella rete in modo virale. Molte persone hanno cercato di analizzare il potere dei tweet, come il contenuto positivo o negativo, mentre altri hanno cercato di capire se avessero un potere predittivo. In particolare nel mondo finanziario, sono state avviate molte ricerche per verificare l’esistenza di una effettiva correlazione tra i tweets e la fluttuazione del mercato azionario. L’effettiva presenza di tale relazione unita a un modello predittivo, potrebbe portare allo sviluppo di un modello che analizzando i tweets presenti nella rete, relativi a un titolo azionario, dia informazioni sulle future variazioni del titolo stesso. La nostra attenzione si è rivolata alla ricerca e validazione statistica di tale correlazione. Sono stati effettuati test su singole azioni, sulla base dei dati disponibili, poi estesi a tutto il dataset per vedere la tendenza generale e attribuire maggior valore al risultato. Questa ricerca è caratterizzata dal suo dataset di tweet che analizza un periodo di oltre 2 anni, uno dei periodi più lunghi mai analizzati. Si è cercato di fornire maggior valore ai risultati trovati tramite l’utilizzo di validazioni statistiche, come il “permutation test”, per validare la relazione tra tweets di un titolo con i relativi valori azionari, la rimozione di una percentuale di eventi importanti, per mostrare la dipendenza o indipendenza dei dati dagli eventi più evidenti dell’anno e il “granger causality test”, per capire la direzione di una previsione tra serie. Sono stati effettuati anche test con risultati fallimentari, dai quali si sono ricavate le direzioni per i futuri sviluppi di questa ricerca.