L’attività di ricerca del DAH|MU- Unità di Analisi Dati e Modellizzazione comprende l’uso di approcci computazionali, matematici e statistici per la modellizazione, la simulazione, la visualizzazione e, in generale, la comprensione di fenomeni nelle scienze veterinarie. Tali approcci spaziano dallo sviluppo di metodi di apprendimento automatico per l’analisi di dati di interesse veterinario allo studio di modelli computazionali, matematici e statistici combinati con approcci tipici della scienza delle reti per lo studio di dinamiche epidemiologiche.
La DAH|MU intende superare il tradizionale paradigma dell’analisi dati attraverso un’attività di ricerca innovativa e multidisciplinare. Il nostro scopo è di mostrare come metodi e approcci basati sui dati possano evidenziare attori e dinamiche chiave nella comprensione di fenomeni biologici. In particolare gli interessi e le competenze dell’Unità includono la scienza delle reti, la modellizzazione matematica e computazionale, gli approcci di apprendimento automatico, in particolare gli algoritmi evolutivi, nell’estrazione di dati.
Tra le principali direzioni di ricerca si possono sottolineare: approcci a rete per la modellizzazione di dinamiche di patogeni trasmessi da vettori e per lo studio delle movimentazioni animali; modelli computazionali e matematici per lo studio delle dinamiche di popolazioni di insetti vettore e di diffusione di patogeni in allevamenti; approcci di programmazione genetica che considerano variabili vettoriali, in particolare per lo studio di dinamiche ecologiche e di problemi di zootecnia di precisione.

• Progetti di Ricerca di Interesse Nazionale, anno 2010-2011: Pestivirus dei ruminanti: virus emergenti, aspetti diagnostici e profilattici
• Progetti di Ricerca Corrente dell'IZS Torino, anno 2011: Possibile introduzione di insetti vettori esotici in Italia: monitoraggio entomologico e diagnostico come strumento di prevenzione
• Progetti di Ricerca dell'Università degli Studi di Torino e della Compagnia di San Paolo 2011: Innovative approaches for the control of poultry production chain
• Progetti di Ricerca Corrente 2013, Istituto Zooprofilattico Sperimentale dell'Abruzzo e del Molise: I metodi quantitativi di calcolo e identificazione dei fattori di rischio di diffusione della diarrea virale bovina nel network delle movimentazioni tra aziende bovine
• Bando PRES Euro-Mediterraneo 2013, Università degli Studi di Torino: Il ruolo della movimentazione dei bovini nella diffusione di agenti patogeni
• Progetto della Polish National Agency for Academic Exchange NAWA 2018: Optimization of Epidemics Control in Dynamic Complex Networks (PPN/BEK/2018/1/00430)
• Progetti di Ricerca Corrente 2019, Istituto Zooprofilattico Sperimentale dell'Abruzzo e del Molise: Impatto dei movimenti ai pascoli sulla vulnerabilità del settore zootecnico alle infezioni

Modeling the Spread of Vector-Borne Diseases on Bipartite Networks
Donal Bisanzio; Luigi Bertolotti; Laura Tomassone; Giusi Amore; Charlotte Ragagli; Alessandro Mannelli; Mario Giacobini; Paolo Provero
PLOS ONE (2010) 5(11): e13796--
DOI: 10.1371/journal.pone.0013796

The Role of Climatic and Density Dependent Factors in Shaping Mosquito Population Dynamics: The Case of Culex pipiens in Northwestern Italy
Marini, Giovanni; Poletti, Piero; Giacobini, Mario; Pugliese, Andrea; Merler, Stefano; Rosa, Roberto
PLOS ONE (2016) : 1-15
DOI: http://dx.doi.org/10.1371/journal.pone.0154018

Non-systemic transmission of tick-borne diseases: a network approach.
Ferreri, Luca; Bajardi, Paolo; Giacobini, Mario
COMMUNICATIONS IN NONLINEAR SCIENCE & NUMERICAL SIMULATION (2016) : 2-16
DOI: 10.1016/j.cnsns.2016.02.034

A CAEV epidemiological model for goat breeding
Marta Pittavino;Luca Ferreri;Mario Giacobini;Luigi Bertolotti;Sergio Rosati;Ezio Venturino
APPLIED MATHEMATICS AND COMPUTATION (2014) 227: 156-163
DOI: 10.1016/j.amc.2013.11.030

Pattern of Tick Aggregation on Mice: Larger Than Expected Distribution Tail Enhances the Spread of Tick-Borne Pathogens
Luca Ferreri; Mario Giacobini; Paolo Bajardi; Luigi Bertolotti; Luca Bolzoni; Valentina Tagliapietra; Annapaola Rizzoli; Roberto Rosa
PLOS COMPUTATIONAL BIOLOGY (2014) 10: 1-12
DOI: 10.1371/journal.pcbi.1003931

Infection Dynamics on Spatial Small-World Network Models
Iotti, Bryan; Alberto, Antonioni; Seth, Bullock; Christian, Darabos; Marco, Tomassini; Giacobini, Mario Dante Lucio
PHYSICAL REVIEW. E (2017) : 1-7
DOI: 10.1103/PhysRevE.96.052316

Interplay of network dynamics and heterogeneity of ties on spreading dynamics
Luca Ferreri;Paolo Bajardi;Mario Giacobini;Silvia Perazzo;Ezio Venturino
PHYSICAL REVIEW E, STATISTICAL, NONLINEAR, AND SOFT MATTER PHYSICS (2014) 90: 1-9
DOI: 10.1103/PhysRevE.90.012812

An effective management strategy for the control of two lentiviruses in goat breedings
Venturino, Ezio; Collino, Simona; Ferreri, Luca; Bertolotti, Luigi; Rosati, Sergio; Giacobini, Mario
JOURNAL OF THEORETICAL BIOLOGY (2019) 469: 96-106
DOI: 10.1016/j.jtbi.2019.02.018

Towards the use of genetic programming in the ecological modelling of mosquito population dynamics
Azzali, Irene; Vanneschi, Leonardo; Mosca, Andrea; Bertolotti, Luigi; Giacobini, Mario
GENETIC PROGRAMMING AND EVOLVABLE MACHINES (2019) : 1-14
DOI: 10.1007/s10710-019-09374-0

Farm productive contexts and the dynamics of bovine viral diarrhea (BVD) transmission
Iotti B.; Valdano E.; Savini L.; Candeloro L.; Giovannini A.; Rosati S.; Colizza V.; Giacobini M.
PREVENTIVE VETERINARY MEDICINE (2019) 165: 23-33
DOI: 10.1016/j.prevetmed.2019.02.001

Towards modelling beef cattle management with Genetic Programming
Abbona F.; Vanneschi L.; Bona M.; Giacobini M.
LIVESTOCK SCIENCE (2020) 241: 1-12
DOI: 10.1016/j.livsci.2020.104205

Cross-Validation Approach to Evaluate Clustering Algorithms: An Experimental Study Using Multi-Label Datasets
TarekegnA.N.; Michalak K.; GiacobiniM.
SN COMPUTER SCIENCE (2020) 1(5): 1-9
DOI: 10.1007/s42979-020-00283-z

A review of methods for imbalanced multi-label classification
Tarekegn A.N.; Giacobini M.; Michalak M.
PATTERN RECOGNITION (2021) 118(107965): 1-12
DOI: 10.1016/j.patcog.2021.107965

Caprine arthritis encephalitis virus disease modelling review
Brotto Rebuli K.; Giacobini M.; Bertolotti L.
ANIMALS (2021) 11(5): 1-19
DOI: 10.3390/ani11051457

The influence of uncertainties on optimization of vaccinations on a network of animal movements
Michalak K.; Giacobini M.
SOFT COMPUTING (2021) 25(6): 4907-23
DOI: 10.1007/s00500-020-05499-y

Fine-Grained Agent-Based Modeling to Predict Covid-19 Spreading and Effect of Policies in Large-Scale Scenarios
Lombardo G.; Pellegrino M.; Tomaiuolo M.; Cagnoni S.; Mordonini M.; Giacobini M.; Poggi A.
IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS (2022) 26(5): 2052-62
DOI: 10.1109/JBHI.2022.3160243

Towards a Vectorial Approach to Predict Beef Farm Performance
Abbona F.; Vanneschi L.; Giacobini M
APPLIED SCIENCES (2022) 12(3): 1137-52
DOI: 10.3390/app12031137 

• Dr. Vittoria Colizza - INSERM Parigi, Francia
• Prof. Leonardo Vanneschi - Universidade Nova de Lisboa, Portogallo
• Dr. Krzystof Michalak - University of Economics, Wroclaw, Polonia
• Istituto Zooprofilattico Sperimentale dell'Abruzzo e del Molise "G. Caporale"
• Fondazione Edmund Mach