Research project aimed at developing generative models for omics data with particular attention to single cell RNA seq, focusing on metrics engineering to test data likelihood, enriching the latent space with biological information, exploring transfer learning for model generalization, implementing algorithms for trajectory estimation and bifurcation analysis, enriching differential gene expression analysis with probabilistic models, and developing robust approaches for personalized medicine using optimization and reinforcement learning algorithms. The proposed models will be applied to various datasets, including viral and bacterial infections and cancer, in order to validate their ability to recapitulate experimentally observed cellular cascades.

Progetto di ricerca finalizzato allo sviluppo di modelli generativi per dati omici con particolare attenzione al single cell RNA seq, lavorando sull’ingegnerizzazione di metriche per validare la verosimiglianza dei dati, sull’arricchimento dello spazio latente con informazioni biologiche, l’esplorazione del transfer learning per la generalizzazione del modello, l’implementazione di algoritmi per l’analisi di traiettorie cellulari, l’arricchimento dell’analisi differenziale di espressione genica con modelli probabilistici e lo sviluppo di approcci robusti per la medicina personalizzata utilizzando algoritmi di ottimizzazione e reinforcement learning applicati ai modelli generativi. I modelli proposti saranno applicati a vari set di dati, comprese infezioni virali, batteriche e cancro, al fine di validare la loro capacità di ricapitolare le cascate cellulari osservate sperimentalmente.