Elkadia Mehmeti

È una bioinformatica che si occupa di integrazione di dati molecolari e clinici per supportare la ricerca traslazionale. Il suo lavoro si concentra sull’analisi e l’interpretazione dei dati per comprendere i processi patologici, identificare potenziali biomarcatori e contribuire a strategie di stratificazione dei pazienti. Dopo aver conseguito la laurea in Scienze Biologiche presso l’Università degli Studi di Pavia nel 2018, ha proseguito il percorso formativo con la laurea magistrale in Biologia Sperimentale ed Applicata, ottenuta nel 2021. Successivamente ha approfondito le competenze nell’ambito dell’analisi dei dati genomici conseguendo il master di II livello in Genomic Data Science presso l’Università degli Studi di Pavia nel 2024.

L’attività di ricerca bioinformatica applicata all’analisi computazionale dei dati biologici è iniziata durante la tesi magistrale in epigenetica presso il laboratorio dell’Unità di Statistica Medica e Genomica dell’Università degli Studi di Pavia. Dal 2021 ricopre il ruolo di bioinformatico (inizialmente come borsista e successivamente come ricercatore sanitario), esperienza che le ha permesso di sviluppare competenze avanzate in analisi statistiche ed epidemiologiche, nonché nell’implementazione di pipeline per il sequenziamento di nuova generazione applicato a studi di genomica e trascrittomica (target, exome, RNA e miRNA sequencing) e nello studio di associazione genome-wide (GWAS). Si occupa inoltre dell’annotazione in silico di varianti genetiche e dell’analisi di ontologie e pathways molecolari, gestendo grandi volumi di dati attraverso l’utilizzo di cluster di calcolo ad alte prestazioni. Dal 2022 fa parte del gruppo del Data Science Center, contribuendo a progetti di ricerca multidisciplinari e all’integrazione di dati complessi a supporto delle attività dell’Istituto.

L’attività di ricerca si concentra sull’analisi di dati molecolari e clinici, fornendo supporto metodologico e analitico trasversalmente alle diverse unità operative dell’Istituto. Si occupa principalmente dello sviluppo e dell’ottimizzazione di pipeline bioinformatiche, dell’applicazione di metodologie statistiche avanzate e della visualizzazione dei risultati, con l’obiettivo di facilitare l’interpretazione dei dati, individuare potenziali biomarcatori e contribuire a strategie di stratificazione dei pazienti. L’approccio analitico mira a trasformare dati complessi in informazioni interpretabili, stimolando la generazione di nuove ipotesi di ricerca e approfondendo la comprensione dei processi patologici.