Premiato per i microRNA

Pubblicato il 18/04/2009Read time: 1 min

«Ho avuto la fortuna di trovarmi nel posto giusto al momento giusto» ha dichiarato Muller Fabbri, che negli Stati Uniti ha appena ricevuto insieme ad altri giovani ricercatori il Kimmel Scholar Award, un prestigioso premio assegnato alle promesse della scienza. Quando, nel 2004, esplose nel mondo scientifico l'interesse per i microRNA, ovvero i frammenti di RNA non codificanti deputati alla regolazione dell'espressione genica, Fabbri si trovava infatti nel gruppo di Carlo Croce, un altro cervello italiano in fuga, nel laboratorio di genetica medica dell'Università dell'Ohio a Columbus. Croce si buttò subito su questa innovativa linea di ricerca e Fabbri con lui. «Concentrando la nostra attenzione soprattutto sul tumore del polmone e sulle leucemie, abbiamo dimostrato che i microRNA hanno un ruolo importante nello sviluppo del cancro» commenta il giovane ricercatore. «In diversi studi abbiamo osservato come alcune di queste molecole agiscono a livello epigenetico, riducendo la metilazione del DNA, e stimolano la produzione di geni oncosoppressori».

Proc Natl Acad Sci 2008; 105: 5166

Blood 2009 Feb 11 doi:10.1182/blood-2008-07-170589 [Epub ahead of print].

epigenetica

prossimo articolo

LLM e ricerca scientifica: opportunità, rischi e controlli

di Rocco De Nicola

Pubblicato il 01/07/2026

Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.

Immagine di copertina realizzata con ChatGPT

Intelligenza artificiale

Ricerca scientifica

Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.