ALLEGRA
VIA
BIO/10
Insegnamento | Codice | Anno | Corso - Frequentare | Bacheca |
---|---|---|---|---|
Communication Skills | AAF2101 | 2023/2024 | ||
PROGRAMMING AND MACHINE LEARNING FOR BIOLOGICAL DATA | 10611803 | 2023/2024 | ||
LABORATORY OF BIOINFORMATICS | 1041603 | 2023/2024 | ||
PROGRAMMING AND MACHINE LEARNING FOR BIOLOGICAL DATA | 10611803 | 2023/2024 | ||
Communication Skills | AAF2101 | 2022/2023 | ||
LABORATORY OF BIOINFORMATICS | 1041603 | 2021/2022 | ||
LABORATORY OF BIOINFORMATICS | 1041603 | 2020/2021 | ||
LABORATORY OF BIOINFORMATICS | 1041603 | 2019/2020 | ||
LABORATORY OF BIOINFORMATICS | 1041603 | 2018/2019 | ||
LABORATORY OF BIOINFORMATICS | 1041603 | 2017/2018 |
mercoledì 14 - 17 (su appuntamento)
Allegra Via è laureata in Fisica Teorica e, nel 2003, ha conseguito il dottorato di ricerca in Biologia Cellulare e Molecolare, con una tesi in Bioinformatica, presso l'Università degli Studi di Roma Tor Vergata , dove ha svolto anche sei anni di postdoc. Nel 2009 si è trasferita alla Sapienza Università di Roma come ricercatrice e dal 2016 al 2022 è stata ricercatrice in Bioinformatica presso l'istituto di Biologia e Patologia Molecolari del CNR.
Dal 2014 è Coordinatrice della Piattaforma del Training (https://elixir-iib-training.github.io/website/) del Nodo italiano di ELIXIR (https://elixir-europe.org/) e, in quanto tale, è coinvolta nella progettazione, organizzazione ed erogazione di corsi di training in Bioinformatica, e in skill computazionali e di data management per le Scienze della Vita, nonché in attività di formazione per docenti. In ambito di progetti ELIXIR, collabora con molte istituzioni Europee su temi di carattere infrastrutturale per la Bioinformatica e le Scienze della Vita. Ha una lunga esperienza nell'insegnamento accademico (Strutture Macromolecolari, Programmazione Shell e Python, Bioinformatica, Biochimica, Interazioni proteiche). I suoi principali interessi di ricerca si concentrano sulla previsione e sull'analisi della struttura di proteine, di siti funzionali, di motivi lineari funzionali (SLiM), di siti di fosforilazione e di interazioni proteina-ligando, con l'obiettivo di comprendere i meccanismi molecolari che caratterizzano la funzione e il cattivo funzionamento delle proteine in vari contesti, tra cui le interazioni ospite-patogeno, le interazioni proteina-farmaco, la resistenza ai farmaci, i bersagli terapeutici e le mutazioni puntiformi correlate a malattie, con un particolare interesse per le malattie rare. Attualmente lavora anche nel campo della scienza dell'apprendimento e dell'insegnamento, studiando come le persone apprendono e come i risultati della ricerca nelle scienze dell'apprendimento possano essere tradotti in pratiche didattiche efficaci, in progettazione curricolare, nella supervisione di studenti, e nello sviluppo di materiali didattici.