Studi di associazione genetica e disegno sperimantale caso- controllo

Studi di associazione genetica e disegno sperimantale caso-

controlloApplicazioni allo studio del Diabete di Tipo1 e della

Sclerosi Multipla nella popolazione sarda

Ilenia [email protected]

Aula Magna Dipartimento di FisicaCittadella Universitaria di Monserrato

30 Marzo 2011

Thursday, March 31, 2011

mailto:[email protected]


Relatore: Ilenia Zara

Collana di Seminari per la Valorizzazione dei Risultati della Ricerca al CRS4

Info e registrazione: www.crs4.it

DATA FUSIONENERGIA E AMBIENTE

BIOMEDICINA

30.03.2011Seminario 16:00 -18:00 P.M.

AULA MAGNA DIP. FISICA Cittadella Universitaria - Monserrato

RelatoreIlenia ZaraCRS4

Contatti: [email protected]

I recenti sviluppi delle nuove piattaforme sperimentali consentono di studiare le caratteristiche genetiche di intere popolazioni utlizzando volumi di dati sempre crescenti con costi sempre minori. Questo tipo di studi rende necessaria l’interazione tra persone con una formazione medico/biologica e persone con competenze nei campi della statistica e dell’informatica.

Durante il seminario saranno illustrati i concetti genetico-statistici che stanno alla base degli studi GWAS e i risultati di ricerca ottenuti con tale approcio per identi!care varianti genetiche predisponenti al diabete di tipo 1, alla sclerosi multipla e alle malattie autoimmuni in generale, nella popolazione Sarda.

Seguici su:www.facebook.com/crs4fbwww.twitter.com/crs4research

Studi di associazione genetica e disegno sperimentale “caso controllo”:

applicazioni a diabete di tipo 1 e sclerosi multipla nella popolazione Sarda

I recenti sviluppi delle nuove piattaforme sperimentali consentono di studiare le caratteristiche genetiche di intere popolazioni utilizzando volumi di dati sempre crescenti con costi sempre minori. Questo tipo di studi rende necessaria l’interazione tra persone con una formazione medico/biologica e persone con competenze nei campi della statistica e dell’informatica.

Durante il seminario saranno illustrati i concetti genetico-statistici che stanno alla base degli studi GWAS e i risultati di ricerca ottenuti con tale approccio per identi!care varianti genetiche predisponenti al diabete di tipo 1, alla sclerosi multipla e alle malattie autoimmuni in generale, nella popolazione Sarda.


Indice degli argomenti

• Background

• Studi di associazione

• Perchè questo studio sulla popolazione sarda?

• Workflow dello studio

• Risultati ottenuti

• Lavori in corso


Variabilità genetica

• Le variazioni genetiche spiegano la maggior parte della variabilità osservata tra individui della stessa specie

• Il crossing-over è un meccanismo di ricombinazione del materiale genetico proveniente dai due genitori.


Studi di associazione• Studio caso-controllo

An epidemiological study design in which cases with a defined condition and controls without this condition are sampled from the same population. Risk-factor information is compared between two groups to investigate the potential role of these in the etiology of the condition. Krina T. Zondervan and Lon R. Cardon “The complex interplay among factors that influence allelic association” - Nature Genetics Reviews - 2004


Studi di associazione• Studio caso-controllo:

Variante genetica

Controlli: individui non a!etti Casi: individui a!etti


Studi di associazione• Studio caso-controllo: caso ideale

• Malattie monogeniche, penetranza completa

Casi: individui a!ettiControlli: individui non a!etti

Variante genetica causale

Variante genetica protettiva


Studi di associazione• Studio caso-controllo: malattie multifattoriali

Casi: individui a!ettiControlli: individui non a!etti




Studi di associazione• Studio caso-controllo: malattie multifattoriali• p-value: probabilità che la variante considerata NON sia associata alla malattia

Casi: individui a!etti

No Associazione 1 > p-value > 0 Associazione

Controlli: individui non a!etti




Studio caso-controllo

• Obiettivo: identificare varianti genetiche con frequenze diverse in casi e controlli, che possano rappresentare un fattore di rischio o protettivo verso l’insorgenza di una patologia.

• Assunzione: casi e controlli provengono da una popolazione omogenea e possono essere utilizzati per stimare le distribuzioni dei marcatori genetici nella popolazione sottostante.


• Studio di associazione per tratti quantitativi• Correlazione tra variabilità genetica e fenotipica


• Studio di associazione per tratti quantitativi

• Es. altezza


Tipi di studi• Genome-wide

– Studio il cui scopo è quello di identificare le varianti causali lungo tutto il genoma

• Candidate marker– Studio di un marcatore che si ritiene implicato nel meccanismo

di insorgenza di una patologia

• Candidate gene– Studio dei marcatori che cadono nella regione di un gene

• Fine mapping– Studio ad alta risoluzione di marcatori che cadono in un’intera

che può contenere uno o più geni


Marcatori geneticiun marcatore genetico è costituito da una di!erenza nel

DNA tra due o più individui • Marcatori multiallelici o multiforme

– microsatelliti, inserzioni, delezioni– Copy Number Variations, Copy Number

Polymorphism– Riarrangiamenti su larga scala (duplicazioni,

traslocazioni, inversioni, etc.)

• SNPs (Polimorfismi a Singolo Nucleotide)


Single Nucleotide Polymorphism (SNP)

• Marcatore biallelico

• Variazione di un singolo nucleotide in un altro

• Il polimorfismo è considerato stabile se osservato in almeno l’1% della popolazione

• ∼2001: prime applicazioni in laboratorio


Single Nucleotide Polymorphism (SNP)

• Si stima che ci siano circa 30,000,000 SNPs nel genoma umano

• Nascono come mutazioni (MAF<1%)

• La maggior parte scompare ma alcuni si stabilizzano

• caso

• selezione naturale


Progressi nelle tecnologie di genotipizzazione

1

103

10 100 1,000 10,000 100,000 1,000,000

2001

2002

2003

2004

2005

2006

2007

2008

2009

Next Generation Sequencing


Due case produttrici di microarrays utilizzati in studi GWAS

A!ymetrix Genome-Wide

Human SNP 6.0 www.a!ymetrix.com

Illumina 1M Duo beadchip

www.illumina.com


http://www.affymetrix.com




• Che cosa c’è in una probe?

www.a!ymetrix.com




• Concetti base–Ibridazione–Lettura con scanner

ad alta risoluzione–Immagine

A. Angius - “High throughput genotyping and next generation sequencing: nuovi strumenti e strategie di analisi della ricerca genetica” - 16 febbraio 2011


Quali SNPs?


Progetto HapMap• Database pubblico dei pattern comuni di variazione

genetica nel genoma umano

• Scopo: fornire ai ricercatori una mappa aplotipica del genoma umano


Linkage Disequilibrium• fenomeno per cui due o più alleli non segregano in

maniera indipendente• Gran parte del genoma cade

in segmenti di forte LD detti blocchi di aplotipi, separati da segmenti di basso LD

• All’interno di ciascun blocco le varianti presenti sono tra loro fortemente correlate e un piccolo numero di combinazioni di alleli distinti (aplotipi) rappresentano la maggior parte delle variazioni genetiche nella popolazione considerata


Non è necessario studiare tutti gli SNPs del genoma!

Associazione diretta• Gli SNPs vengono testati

in base alle conoscenze a priori sulla loro funzione

Associazione indiretta• Gli SNPs vengono

genotipizzati in base al Linkage Disequilibrium

• L’individuazione della variane causale dipende dalla sua correlazione con la variante genotipizzata


Workflow

• Studi di associazione Genome-Wide– Definizione casi e controlli

– Raccolta campioni biologici e dati clinici

– Genotipizzazione

– Controlli di qualità su individui e marcatori

– Analisi della struttura della popolazione

– Test di associazione

– Inferenza di marcatori non genotipizzati

– Annotazione dei risultati e selezione marcatori candidati e regioni corrispondenti


Selezione casi e controlli

• Perchè la popolazione sarda?

• Perchè le malattie autoimmuni?



– Dimensione del campione adeguata al tipo di studio• Dimensione della popolazione abbastanza elevata da consentire

di mantenere una certa variabilità tra gli individui

– Popolazione Isolata• Assenza sostanziale di sottostruttura di popolazione (basso tasso

di immigrazione)

• Presenza di varianti comuni nei sardi e rare o assenti in altre popolazioni

• Nonostante sia una popolazione europea, si comporta come un outlier rispetto alla gamma di variabilità europea



– Alta incidenza di malattie autoimmuni in Sardegna• Es.: l’incidenza del Diabete di Tipo 1 è 5 volte maggiore che nel

resto d’Italia e pari all’incidenza osservata in Finlandia

– Altre ipotesi• Gli stessi fattori genetici che predispongono alle malattie

autoimmuni potrebbero in passato aver protetto la popolazione da alcune infezioni batteriche

• Protezione nei confronti di alcune forme di tumore (modelli murini)

• Longevità (ipotesi)


Raccolta campioni biologici e dati clinici

• Raccolta iniziata circa 20 anni fa

• Gran numero di persone e istituzioni coinvolte

• ∼2500 volontari sani provenienti da vari centri trasfusionali e ospedali dell’isola

• ∼2500 pazienti a!etti da Sclerosi Multipla

• ∼1500 pazienti a!etti da Diabete di Tipo 1

• La raccolta dei campioni continua!


Raccolta campioni biologici e dati clinici

• Accurata definizione dei fenotipi clinici

• Accurata selezione dei controlli rispetto al fenotipo da testare

• Età

• Sesso

• Appartenenza e!ettiva alla popolazione sarda

• Altri fenotipi presenti solo nei casi o solo nei controlli


Database dati clinici (beta)

-> Seminario Gianmauro Cuccuru - “Approccio integrato alla gestione dati in ambito clinico e genetico” - 25 Maggio 2011


Genotipizzazione

J. M. Korn, et al.: Integrated genotype calling and association analysis of SNPs, common copy number polymorphisms and rare CNVs. Nat. Genet. Technical Reports, ng237 (October 2008)

• ∼6700 individui

• ∼840 individui

• Non imparentati

• Trios

• Famiglie multigenerazionali con più a!etti per famiglia

Esempio: plot di calling per SNP A!ymetrix


LIMS (beta)

-> Seminario Gian Franco Frau - “Laboratory Information Management System - Perchè e per cosa?” - 7 Settembre 2011


Workflow

• Studi di associazione Genome-Wide– Definizione casi e controlli

– Raccolta campioni biologici e dati clinici

– Genotipizzazione

– Controlli di qualità su individui e marcatori

– Analisi della struttura della popolazione

– Test di associazione

– Inferenza di marcatori non genotipizzati

– Annotazione dei risultati e selezione marcatori candidati e regioni corrispondenti


Controlli di qualità sugli individui

• Callrate >90%, 95%, 98%– % genotipi chiamati per individuo rispetto al totale

• Corrispondenza tra sesso annotato e sesso inferito– Sesso inferito in base all’eterozigosità del cromosoma X

• Verifica delle relazioni di parentela annotate– Mediante test di verosimiglianza tra genotipi reali e genotipi

attesi in base alla relazione di parentela dichiarata

– Test e!ettuato su oltre 5000 varianti di buona qualità altamente polimorfiche


Controlli di qualità sugli SNPs

• Callrate > 95% o > 98%– % genotipi chiamati per un dato SNP sul totale degli

individui

• Assenza di deviazioni dall’equilibrio di Hardy-Weinberg nei controlli

p frequenza allele 1

q frequenza allele 2



• Equilibrio di Hardy-Weinberg. Ipotesi:– Popolazione infinita– Assenza di flussi migratori– Non selezione– Non mutazione

• Eliminazione SNPs con HWEp<0.000001

• Un discostamento dall’equilibrio di Hardy-Weinberg nei casi può essere indice di associazione



• Minor Allele Frequency– Alleli con frequenza < 1% sono varianti rare– Possono causare una diminuzione del potere di

identificazione delle deviazioni dall’HWE– Possono nascondere errori di genotipizzazione– Possono generare associazioni spurie, perchè possono

comparire in individui con fenotipi estremi

• Eliminazione marcatori con MAF<1% o MAF<5%



• Eliminazione SNPs con eccesso di errori mendeliani

• Eliminazione SNPs con eccesso di maschi eterozigoti sul cromosoma X

• Eliminazione SNPs con eccessivo tasso d’errore su dupliche

Cut-o! definiti in base ai dati disponibili


Passi successivi

–Selezione individui non imparentati per test di associazione

• Verifica dell’assenza di parenti

–Controlli su SNPs testati comunque• Controllo callrate nei soli casi e nei soli controlli

• Di!erenza tra callrate nei casi e callrate nei controlli non eccessiva

• Controllo MAF nei soli casi e nei soli controlli

• HWEp nei casi


Analisi della sottostruttura di popolazione

• Stratificazione genetica: –fattore di confounding dovuto alla presenza di

di!erenze di frequenze alleliche tra casi e controlli non correlate al fenotipo di interesse

• Può portare all’identificazione di falsi positivi


Analisi della sottostruttura di popolazione

• Principal Component Analysis (PCA)– Software Eigenstrat (http://genepath.med.harvard.edu/

~reich/EIGENSTRAT.htm)– Mediante analisi di matrici di covarianza riduce lo spazio dei

dati identificando gli assi di maggior variazione delle frequenze alleliche

– Consente di identificare outliers– Consente di e!ettuare un test di associazione corretto per

sottostruttura di popolazione

– Analisi e!ettuata su 100,000 SNPs di buona qualità, altamente polimorfici


http://genepath.med.harvard.edu/~reich/EIGENSTRAT.htm




Test di associazione

• Errore per test multipli• Accettare un errore del 5% e testare 600,000 SNPs significa

accettare la possibilità di trovare

0.05 * 600,000 = 30,000 associazioni false

• Correzione di Bonferroni• Assumendo un errore del 5% e testando 600,000 SNPs la soglia di

significatività per il mio test è

0.05 / 600,000 = 8.3 * 10-8

• La correzione di Bonferroni assume però indipendenza tra i test e si rivela eccessivamente conservativa in presenza di LD


Test di associazione


Possibili svantaggi

• I patterns di LD nelle popolazioni HapMap possono non riflettere i patterns di LD nella popolazione oggetto dello studio

• Anche se gli SNPs selezionati per la creazione dei chips non sono random ma sono stati scelti per essere rappresentativi (tag SNPs), HapMap non è un database esaustivo


Possibili svantaggi

• Abbiamo visto che il numero di casi e controlli necessario per trovare un’associazione dipende anche dal LD con la variante causale. In che modo?


Possibili svantaggi

• Abbiamo visto che il numero di casi e controlli necessario per trovare un’associazione dipende anche dal LD con la variante causale. In che modo?

Soluzioni?


Inferenza• I metodi di inferenza sviluppati da statistici e

informatici consentono di incrementare il numero di marcatori testati, a costi molto bassi rispetto a quelli degli esperimenti

• Nuovi genotipi possono essere inferiti a partire da diversi pannelli di referenza– HapMap ∼3 milioni di SNPs– 1000 Genomes Project ∼13 milioni di SNPs – Sequenze di individui Sardi ∼13 milioni di SNPs


1000 Genomes Project


1000 Genomes Project• Scopo

• fornire un catalogo completo di• varianti genetiche umane (freq.>=1%) • varianti con frequenza <1% nelle regioni dei geni

• dati di sequenza di alta qualità per l’85% del genoma

• 629 individui

• varie popolazioni Africa, Asia, Europa e America

• Il catalogo include SNPs, CNV, inserzioni e delezioni

• Il catalogo è fruibile gratuitamente


Pannello sequenze sarde

• 508 individui sequenziati

• 13,313,964 SNPs identificati

• ∼45% presenti in dbSNP• http://www.ncbi.nlm.nih.gov/projects/SNP/

• ∼55% SNPs non descritti

-> Seminario Frederic Reinier - “Sequenziamento e analisi bioinformatica del genoma umano” - 11 Maggio 2011


http://www.ncbi.nlm.nih.gov/projects/SNP/

http://www.ncbi.nlm.nih.gov/projects/SNP/

Inferenza di marcatori non genotipizzati


Inferenza di marcatori non genotipizzati

-> Seminario Serena Sanna “L’inferenza statistica e la lettura dei dati”


Annotazione Risultati

• Quali informazioni per ogni SNP?

• Risultati test di associazione

• Risultati controlli di qualità

• Gene in cui cade lo SNP o gene più vicino

• Posizione e distanza dello SNP rispetto al gene

• Tipologia dello SNP

• Funzione del gene, quando nota


Ispezione visiva plot di calling

• casi e controlli

• casi

• controlli


Ispezione visiva plot di calling

• casi e controlli

• casi

• controlliSNP da scartare!


Cosa succede dopo l’associazione?

• Selezione marcatori candidati

• Estensione e validazione risutati

• Analisi aplotipiche nelle regioni selezionate

• Interpretazione biologica dei risultati

• Studi funzionali

• Studi su modelli animali


• Estensione e validazione dei risultati– Genotipizzazione dei marcatori selezionati negli stessi

individui e calcolo del tasso di concordanza– Genotipizzazione in un dataset esteso– Genotipizzazione in un dataset di individui indipendente

http://www.appliedbiosystems.com/absite/us/en/home.html




• Analisi condizionale– Valutazione della presenza di varianti associate indipendenti

nello stesso aplotipo– Valutazione dell’associazione dei marcatori rispetto

all’associazione degli aplotipi di cui fanno parte

• Studi funzionali– Studi dell’espressione dei geni in cui cadono gli SNPs

associati o dei gene vicini– Studi dei prodotti proteici dei geni in cui cadono gli SNPs

associati o dei gene vicini

• Studi su modelli animali– Studi funzionali su modelli animali delle patologie


Primi risultati


Primi risultati

Sanna S. et al. Variants within immunoregulatory CBLB gene are associated with multiple sclerosis Nat Genet 42(6):495-7 (2010)


Primi risultati

• top SNP • genotipizzato, non presente in HapMap II

• presente solo nel chip A!ymetrix

• p-value su dati genotipizzati (882/872) ∼10^-5

• p-value dopo inferenza su HapMap III e 1000 Genomes ∼10^-6

• p-value estensione (1775/2005) ∼10^-6

• p-value joint analysis (2657/2877) ∼10^-10


Primi risultati

• Il top SNP identificato spiega tutta l’associazione al locus in cui si trova

• Le analisi condizionali non hanno mostrato segnali indipendenti

• Anche l’associazione degli aplotipi è meno significativa di quella del marcatore singolo


Ipotesi di interpretazione biologica

• Topi knock-out per l’ortologo di CBLB presentano alta suscettibilità allo sviluppo dell’encefalomielite autoimmune

• Il gene potrebbe avere un ruolo più generale nelle malattie autoimmuni

• è infatti un gene di suscettibilità per diverse malattie autoimmuni, tra cui il T1D, in diversi modelli murini

Chiang, Y.J. et al., Nature 403, 216-20 (2000)

Yokoi N. et al., Nat Genet 31(4), 391-4 (2002)

Mordes J.P., et al. ILAR J 45(3), 278-91 (2004)



• Il processo infiammatorio nella MS è causato dall’attività dei linfociti T, che riconoscono la mielina come estranea e la attaccano

• Studi su modelli animali mettono in evidenza anche un ruolo dei linfociti B nello sviluppo della malattia



• CBLB regola negativamente l’attività di TCR (T-cell receptors) e BCR (B-cell receptors)


Ipotesi aggiuntive

• Inoltre, altri studi hanno dimostrato che topi knock-out per il CBLB non sviluppano alcuni tipi di tumore

Loser, S. & Penninger, J.M. Semin. Immunol. 19, 206-214 (2007)

• Le variazioni nel gene CBLB sembrano essere critiche nel mantenimento del delicato equilibrio tra l’attivazione e la tolleranza immunologica con e!etti opposti nell’autoimmunità e nel cancro


Lavori in corso• Estensione casistica (∼7000)

–GWAS Sclerosi Multipla• 1922 controlli• 2280 casi

–GWAS Diabete di Tipo 1• 1917 controlli• 1377 casi

–GWAS Autoimmunità (MS+T1D)• 1915 controlli• 3595 casi


Lavori in corso• Nuove genotipizzazioni

– A!ymetrix 6.0– Illumina 1M

• Nuove sequenze– Illumina GA e HiSeq

• Nuova imputazione– 1000 Genomes– Sequenze Sarde

• Studi funzionali per capire meglio il ruolo di CBLB nella predisporre alla MS


Ringraziamenti

Serena SannaMaristella PitzalisMagdalena ZoledziewskaCarlo SidoreRa!aele MurruMichael B WhalenFabio BusoneroAndrea MaschioGianna CostaMaria Cristina MelisFrancesca DeiddaFausto PoddieLaura MorelliGabriele FarinaYun LiMariano Dei

Sandra LaiAntonella MulasGianmauro CuccuruEleonora PorcuLiming LiangPatrizia ZavattariLoredana MoiElisa DeriuM Francesca UrruMichele BajorekMaria Anna SattaEleonora CoccoPaola FerrignoStefano SotgiuMaura PugliattiSebastiano Traccis

Andrea AngiusMaurizio MelisGiulio RosatiGonçalo R AbecasisManuela UdaMaria Giovanna MarrosuDavid SchlessingerFrancesco Cucca


Ringraziamenti

Francesco CuccaChris Jones

Serena SannaEleonora PorcuCarlo SidoreMaria Valentini

Rossano AtzeniRiccardo BeruttiFrederic Reinier

Andrea AngiusRoberto CusanoMarco MarcelliManuela OppoRosella PiluMaria Francesca Urru

High Performance Computing and Network group - CRS4

Valorization and Transfert of Knowledge group - CRS4

Outreach Team - CRS4

Istituto di Ricerca Genetica e Biomedica - CNR

Progenia Team - Lanusei

Università di CagliariUniversità di Sassari

Tutti i volontari e i pazienti!


Riferimenti• Sanna S. et al. A GWAS in Sardinians reveals a novel gene associated with multiple sclerosis - European

Society Of Human Genetics (ESHG) 2010

• Sanna S. et al. Variants within immunoregulatory CBLB gene are associated with multiple sclerosis Nat Genet 42(6):495-7 (2010)

• Sanna S. Genome-wide association studies: past, present future - Seminar (2009)

• Finny Kuruvilla, Broad Institute of Harvard and MIT Massachussetts General Hospital - Genotyping on the A!ymetrix platform using Birdseed (2077)

• Krina T. Zondervan and Lon R. Cardon The complex interplay among factors that influence allelic association Nat Genet Reviews (2004)

• Lampis et al. Human Molecular Genetics. 2000, 9, 2959-2965

• Pugliatti et al. (EBC), Eur J Neurol (2006)

• J. M. Korn, et al.: Integrated genotype calling and association analysis of SNPs, common copy number polymorphisms and rare CNVs. Nat. Genet. Technical Reports, ng237 (2008)

• Chiang, Y.J. et al., Nature 403, 216-20 (2000)

• Yokoi N. et al., Nat Genet 31(4), 391-4 (2002)

• Mordes J.P., et al. ILAR J 45(3), 278-91 (2004)

• Loser, S. & Penninger, J.M. Semin. Immunol. 19, 206-214 (2007)


Links

• http://www.a!ymetrix.com

• http://www.illumina.com/

• http://www.appliedbiosystems.com/absite/us/en/home.html

• http://genepath.med.harvard.edu/~reich/EIGENSTRAT.htm

• http://hapmap.ncbi.nlm.nih.gov/

• http://www.1000genomes.org/




http://www.illumina.com

http://www.illumina.com



http://hapmap.ncbi.nlm.nih.gov

http://hapmap.ncbi.nlm.nih.gov

http://www.1000genomes.org

http://www.1000genomes.org

Grazie per l’attenzione!

Ilenia [email protected]




Relatore: Riccardo Triunfo

La “rivoluzione digitale”, in atto da anni in tutti i settori della vita quotidiana, sta investendo in modo sempre più intensivo la medicina in generale e la pratica clinica: la tecnologia è ormai diventata un fattore pervasivo ed importante nell’ambito dei processi di cura, contribuendo a migliorare l’assistenza ai pazienti.

Durante il seminario, partendo dall’esperienza più che decennale del CRS4 in ricerca e sviluppo per l’impiego di informatica e tecnologia in campo medico, verranno presentate le attività di ricerca del gruppo Healthcare Flows nell’ambito delle applicazioni biomediche, dell’informatica clinica e della sanità elettronica, anche in stretta collaborazione con istituzioni sanitarie di eccellenza.

In particolare si parlerà di integrazione di sistemi clinici, sicurezza e tracciabilità nei processi sanitari, gestione semantica e computazionale di dati biomedici eterogenei, medicina distribuita e telemedicina.

prossimo appuntamento... 20 aprile 2011

Collana di Seminari per la Valorizzazione dei Risultati della Ricerca al CRS4

Info e registrazione: www.crs4.it

DATA FUSIONENERGIA E AMBIENTE

BIOMEDICINA

20.04.2011Seminario 11:00 -12:30 A.M.

SALA AUDITORIUM v ia Roma, 253 - Cagl iar i

RelatoreRiccardo TriunfoCRS4

Contatti: [email protected]

La “rivoluzione digitale”, in atto da anni in tutti i settori della vita quotidiana, sta investendo in modo sempre più intensivo la medicina in generale e la pratica clinica: la tecnologia è ormai diventata un fattore pervasivo ed importante nell’ambito dei processi di cura, contribuendo a migliorare l’assistenza ai pazienti.

Durante il seminario, partendo dall’esperienza più che decennale del CRS4 in ricerca e sviluppo per l’impiego di informatica e tecnologia in campo medico, verranno presentate le attività di ricerca del gruppo Healthcare Flows nell’ambito delle applicazioni biomediche, dell’informatica clinica e della sanità elettronica, anche in stretta collaborazione con istituzioni sanitarie di eccellenza.

In particolare si parlerà di integrazione di sistemi clinici, sicurezza e tracciabilità nei processi sanitari, gestione semantica e computazionale di dati biomedicieterogenei, medicina distribuita e telemedicina.

Seguici su:www.facebook.com/crs4fbwww.twitter.com/crs4research

Med

icine

goes

digi

tal


Info e iscrizione: www.crs4.it

Risorse online

facebook.com/crs4fb

twitter.com/crs4research

slideshare.net/CRS4

youtube.com/CRS4video

contatti: [email protected]


http://www.crs4.it

http://www.crs4.it

http://www.crs4.it

http://www.crs4.it

Studi di associazione genetica e disegno sperimantale caso- controllo

Business

Transcript of Studi di associazione genetica e disegno sperimantale caso- controllo