Dalla fisica dei sistemi disordinati all’analisi di dati biologici

Titolo della ricerca 

OPTINF - Optimization and inference algorithms from the theory of disordered systems: theoretical challenges and applications to large-scale inverse problems in systems biology

Area scientifica

Sistemi complessi, Biologia dei sistemi

Coordinatore 

Riccardo Zecchina

Abstract 

Un progetto multidisciplinare di “cross-fertilization” tra la fisica statistica e la biologia computazionale. OPTINF persegue due obiettivi principali: lo studio di algoritmi di ottimizzazione e di inferenza basati su metodi di fisica statistica, e le applicazioni di tali algoritmi a problemi inversi in biologia computazionale.

Descrizione del progetto di ricerca 

Durante gli ultimi anni, nuovi metodi per lo studio di problemi di ottimizzazione e di inferenza su grande scala  sono emersi all’interfaccia tra la fisica teorica, la teoria della probabilità e l’informatica. Esempi famosi sono i metodi Monte-Carlo e il “Simulated Aneealing”, ma  ancora più importanti sono i recenti progressi nel campo degli algoritmi cosiddetti di “message-passing”. In particolare, l’applicazione di metodi originariamente sviluppati per lo studio dei  cosiddetti “vetri di spin” a problemi di ottimizzazione difficili da risolvere ha portato alla scoperta di una nuova classe di algoritmi paralleli che su problemi considerati intrattabili ha mostrato prestazioni di gran lunga  superiori a metodi tradizionali.

I nuovi algoritmi sono intrinsecamente paralleli e possono essere usati per affrontare problemi di ottimizzazione su grande scala. Allo stesso tempo, queste nuove tecniche sono già diventate strumenti di indagine in campi come la biologia computazionale, dove la crescita esponenziale di dati molecolari pone nuove sfide computazionali nei processi di identificazione di sistemi biologici composti da una moltitudine di componenti in interazione (geni, proteine, RNA, …).

Questo progetto intende colmare una lacuna metodologica esistente e mettere  nuove tecniche algoritmiche al servizio della ricerca biologica affrontando sia sfide di natura teorica (metodi di campionamento, ottimizzazione, inferenza tramite il metodo della cavità, metodi di fuori equilibrio, effetti di rotture multiple di simmetria), sia lo studio di algoritmi e applicazioni, ovvero lo studio si problemi inversi su grande scala dalla biologia computazionale al machine learning.

Impatto sulla società 

Il progetto sviluppa algoritmi  per l’analisi di dati con particolare riferimento ai dati biologici. Si tratta di una ricerca di base che potrà essere utilizzata in altri settori disciplinari, ad esempio per identificare i meccanismi di regolazione genica con l’obiettivo progettare cure personalizzate.

Lo  studio ha la potenzialità  di contribuire grandemente alla matematica discreta e alla probabilità applicata, due branche della matematica su cui sono basati molti dei metodi numerici più moderni della fisica statistica. Il progetto coinvolge un gruppo di ricerca internazionale garante dell’impatto in un settore in cui la ricerca europea è leader.

Breve cv del coordinatore 

Riccardo Zecchina (Laurea in Ingegneria Elettronica al Politecnico di Torino, dottorato in Fisica Teorica all’Università di Torino), è Professore Ordinario di Fisica Teorica presso il Politecnico di Torino. Dirige un gruppo di ricerca presso la Human Genetics Foundation (HuGeF) ed è Fellow del Collegio Carlo Alberto. Ha lavorato 10 anni al Centro Internazionale di Fisica Teorica (ICTP) di Trieste ed è stato visiting scientist a Parigi (Università di Orsay), a Redmond e Boston negli U.S.A. (Microsoft Research).

I suoi interessi scientifici si collocano alla frontiera tra fisica teorica, informatica e probabilità. I risultati più importanti riguardano lo sviluppo di nuovi metodi computazionali per lo studio di sistemi complessi, dai sistemi disordinati in fisica, a problemi di ottimizzazione e inferenza in informatica, biologia ed economia.

E’ autore e co-autore di circa 120 articoli su riviste scientifiche (tra cui Nature, Science, PNAS, Physical Review Letters, Theoretical Computer Science). Nel 2016 ha ricevuto il prestigioso Lars Onsager prize in Theoretical Statistical Physics dall’ American Physical Society.

Gruppo di lavoro 

Carlo Baldassi, Carlo Lucibello, Federica Gerace,  Luca Saglietti, Alessandro Ingrosso, Thomas Gueudre, Andrea Pagnani, Carla Bosia (Politecnico di Torino e Human Genetics Foundation)  ) 

Collaborazioni:

Marc Mezard (ENS Paris, FR), Alfredo Braunstein (Polito), Martin Weigt (Paris VII)

Jennifer Chayes, Christian Borgs (Microsoft Research, USA)

     OPTINF project has received funding from the European Research Council (ERC) under the European Union’s Seventh Framework  Programme FP7 2007-2013,  grant agreement No 267915

  • Budget: 1.260.000
  • Data inizio: 01/07/2011
  • Data fine: 30/06/2016
© Politecnico di Torino - Credits