1.
Connettività funzionale e strutturale delle reti cerebrali
La ricerca si focalizza sull’analisi multi-scala della connettività dei circuiti cerebrali, integrando dati sperimentali e computazionali. Particolare attenzione è rivolta all’identificazione di “hub” neurali e pattern funzionali attraverso imaging ottico (calcio e voltaggio), optogenetica, registrazioni multi-elettrodo e tecniche di network analysis. Gli studi mirano a comprendere l’organizzazione della rete cerebrale in condizioni fisiologiche e patologiche.
2.
Circuiti neurali in modelli sperimentali dell’epilessia
Sviluppo e utilizzo di modelli sperimentali dell’epilessia (modelli murini e dati intracranici umani) per indagare i meccanismi di sincronizzazione patologica. Le ricerche includono l’uso di imaging funzionale e optogenetica per analizzare la connettività GABAergica e l’impatto dell’infiammazione (es. inibizione di STAT3) sull’evoluzione dell’epilessia. Collaborazioni attive con centri clinici per lo studio di soggetti con elettrodi intracranici (sEEG).
3.
Neuroingegneria e interfacce bio-artificiali
Studio e sviluppo di interfacce neurali bio-artificiali basate su optogenetica, sensori ultra-rapidi e tecnologie neuromorfiche. Le attività mirano a realizzare una comunicazione bidirezionale in tempo reale tra reti neuronali biologiche e sistemi artificiali, con potenziali applicazioni in neuroprotesi e riabilitazione.
4.
Astrociti e connettività di rete
Indagine sul ruolo degli astrociti nella regolazione della connettività e sincronizzazione dei circuiti neurali. Le ricerche hanno dimostrato come il ripristino funzionale della rete possa avvenire attraverso l’intervento della componente gliale, suggerendo nuovi approcci terapeutici per patologie come atassia-telangiectasia o disturbi dello sviluppo.
5.
Neuroscienze computazionali e analisi di reti complesse
Sviluppo e applicazione di strumenti matematici e modelli computazionali per lo studio delle reti neurali, con particolare riferimento all’uso di reti complesse, teoria dell’informazione e apprendimento automatico. L’obiettivo è comprendere l’emergere di proprietà collettive nei sistemi neurali e identificare marcatori quantitativi per patologie cerebrali.
