Studio di caratteri correlati a stress idrico in una collezione di cultivar di frumento duro (Triticum durum Desf.)

L’agricoltura si trova ad affrontare una diminuzione della disponibilità d’acqua ed una crescente domanda della produzione di cereali per scopi alimentari. Sono perciò necessarie strategie di coltivazione innovative per migliorare la produttività e nuovi genotipi migliorati nell'efficienza dell’uso delle risorse in condizioni di siccità. Questi rappresentano gli obietti principali del progetto “DROPS” (Drought tolerant yielding Plants) all’interno del quale ha avuto luogo il mio progetto di Dottorato. La mia attività di ricerca è stata svolta come segue: 1. Caratterizzazione molecolare di un panel di188 accessioni di frumento duro con marcatori SSR e DaRT; 2. Esperimenti in serra su 100 accessioni del panel per valutare la Water-Use Efficiency (WUE) in sei repliche secondo un Alpha Lattice design; 3. Prove sul campo, effettuate secondo un Alpha Lattice design, in due stagioni di crescita: a. 2010/11, valutazione di 100 accessioni presso l’Azienda sperimentale dell'Università di Cadriano (BO); b. 2011/12, valutazione del panel completo in 3 ambienti, con due diversi regimi irrigui In entrambi gli anni, abbiamo valutato caratteri agronomici correlati con il ciclo di sviluppo, la resa di granella e sue componenti, nonché diversi fattori ambientali e del suolo. Per quanto riguarda WUE, abbiamo trovato differenze altamente significative tra accessioni; inoltre, cinque accessioni hanno mostrato elevati valori di WUE e cinque accessioni valori molto bassi di WUE in tutte e sei le repliche. Gli esperimenti di campo nelle stagioni 2011 e 2012 hanno evidenziato differenze altamente significative tra le accessioni del panel per la maggior parte dei caratteri analizzati, confermando inoltre che il panel di fiorisce entro una settimana. L'esperimento del secondo anno ci ha permesso osservare un significativa interazione Genotipo X Ambiente. Questi risultati saranno integrati con ulteriori analisi QTL, per identificare regioni cromosomiche coinvolte nel controllo genetico dei caratteri di interesse e verificare la stabilità dei QTL in diversi ambienti.

New methodologies in CT perfusion and MRI analysis to develop cancer imaging biomarkers

Quantitative imaging in oncology aims at developing imaging biomarkers for diagnosis and prediction of cancer aggressiveness and therapy response before any morphological change become visible. This Thesis exploits Computed Tomography perfusion (CTp) and multiparametric Magnetic Resonance Imaging (mpMRI) for investigating diverse cancer features on different organs. I developed a voxel-based image analysis methodology in CTp and extended its use to mpMRI, for performing precise and accurate analyses at single-voxel level. This is expected to improve reproducibility of measurements and cancer mechanisms’ comprehension and clinical interpretability. CTp has not entered the clinical routine yet, although its usefulness in the monitoring of cancer angiogenesis, due to different perfusion computing methods yielding unreproducible results. Instead, machine learning applications in mpMRI, useful to detect imaging features representative of cancer heterogeneity, are mostly limited to clinical research, because of results’ variability and difficult interpretability, which make clinicians not confident in clinical applications. In hepatic CTp, I investigated whether, and under what conditions, two widely adopted perfusion methods, Maximum Slope (MS) and Deconvolution (DV), could yield reproducible parameters. To this end, I developed signal processing methods to model the first pass kinetics and remove any numerical cause hampering the reproducibility. In mpMRI, I proposed a new approach to extract local first-order features, aiming at preserving spatial reference and making their interpretation easier. In CTp, I found out the cause of MS and DV non-reproducibility: MS and DV represent two different states of the system. Transport delays invalidate MS assumptions and, by correcting MS formulation, I have obtained the voxel-based equivalence of the two methods. In mpMRI, the developed predictive models allowed (i) detecting rectal cancers responding to neoadjuvant chemoradiation showing, at pre-therapy, sparse coarse subregions with altered density, and (ii) predicting clinically significant prostate cancers stemming from the disproportion between high- and low- diffusivity gland components.