Skip to content

Analisi di numerosità campionaria in esperimenti di espressione genica realizzati con i microarray

Manuela Di Russo

Contatta l'autore »

Manuela Di Russo

Salve a tutti,
sono un Ingegnere Biomedico e ho recentemente conseguito il Dottorato di Ricerca in Neuroscienze presso l’Università di Pisa. Negli anni di Dottorato mi sono occupata principalmente di analisi statistica di dati biologici complessi derivanti soprattutto da esperimenti di espressione genica basati sui microarray e/o la RT-qPCR. In particolare, oggetto della tesi di dottorato è stata l'applicazione di differenti metodi di meta-analisi a studi microarray di espressione genica sul mesotelioma maligno della pleura. A tale scopo ho acquisito una buona conoscenza del linguaggio R e di numerosi pacchetti di Bioconductor. Nell'ultimo anno mi sono infine dedicata allo studio dei modelli di analisi multivariata applicati a studi di genetica comportamentale.
L'esperienza del Dottorato, oltre ad avermi permesso di approfondire le mie conoscenze in ambito statistico e bioinformatico, mi ha aiutata a migliorare la capacità di gestire tempi, progetti e persone e di entrare in relazione con professionalità e competenze diverse.
Ho una discreta conoscenza della lingua inglese (buona preparazione nell’inglese scritto, discreta la capacità di esposizione) e del francese.


Studi

  • Dottorato in Esplorazione molecolare, metabolica e funzionale del sistema nervoso e degli organi di senso
    conseguito presso Università degli Studi di Pisa nell'anno 2013
  • Laurea Magistrale in Ingegneria Biomedica
    conseguita presso Università degli Studi di Pisa nell'anno 2008-09
  • Diploma di maturità conseguito presso il Liceo scientifico
    con votazione 60/60°

Esperienze lavorative

  • lavora Mansione: Non occupata
  • Dal 2010 ha lavorato presso Università di Pisa nel settore Ricerca e sviluppo
    Mansione: Dottorato di Ricerca

Lingue straniere

  • Inglese parlato e scritto: discreto
  • Francese parlato e scritto: discreto

Conoscenze informatiche

  • Livello ottimo