L’articolo propone un approccio di omics imaging alla classificazione di differenti gradi di glioma, tumori cerebrali primari derivanti da cellule gliali. L’omics imaging è un campo interdisciplinare emergente relativo alla integrazione di dati provenienti da immagini biomediche ed esperimenti omici. Mettendo insieme informazioni provenienti da diverse fonti, consente di rivelare relazioni genotipo-fenotipo non ancora note, con l’obiettivo di comprendere meglio l’insorgenza e la progressione di malattie e identificare nuovi biomarcatori diagnostici e prognostici. I dati di imaging considerati nel lavoro provengono da analisi disponibili nel The Cancer Imaging Archive, mentre quelli omici vengono estratti integrando modelli metabolici con dati trascrittomici disponibili nel portale Genomic Data Commons. Il lavoro analizza i risultati della selezione delle caratteristiche per i due tipi di dati separatamente, nonché per i dati integrati, fornendo suggerimenti su quelli più distintivi che possono essere sfruttati come biomarcatori per la classificazione dei gliomi. Inoltre, mostra come i dati integrati possono fornire ulteriori informazioni cliniche rispetto ai due tipi di dati presi separatamente, portando a prestazioni più elevate.

Il lavoro è stato svolto in collaborazione tra il CNR-ICAR (L. Maddalena, I. Granata, I. Manipur, M.R. Guarracino) e l’Università di Napoli “L’Orienta