Marco Masseroli ha conseguito la laurea in Ingegneria Elettronica al Politecnico di Milano e il Dottorato di Ricerca in Ingegneria Biomedica all’Universidad de Granada in Spagna. Attualmente è Professore Associato presso il Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano e co-Coordinatore della Laurea Magistrale in Bioinformatics for Computational Genomics congiunta tra il Politecnico di Milano e l’Università degli Studi di Milano.

Guida il Data Science for Bioinformatics lab del Politecnico di Milano, e il Computational multi-Omics of Neurological Disorders (MIND) Lab all’interno della Piattaforma di Ricerca Congiunta tra il Politecnico di Milano e la Fondazione IRCCS Istituto Neurologico “Carlo Besta”.

È docente dei corsi "Bioinformatics and Computational Biology" ed "ICT for Health Care" nella Laurea Magistrale in Ingegneria Informatica e nella Laurea Magistrale in Ingegneria Biomedica, valutatore di progetti di ricerca per l’Unione Europea e revisore per numerose riviste scientifiche internazionali.

Ha svolto attività di ricerca nell’ambito dell’applicazione delle Tecnologie dell’Informazione alle scienze mediche e biologiche in diversi centri di ricerca nazionali e internazionali. È stato anche Visiting Faculty presso il Cognitive Science Branch della National Library of Medicine, National Institute of Health di Bethesda, MD - USA e Visiting Professor presso il Departamento de Anatomía Patológica della Facultad de Medicina della Universidad de Granada - Spagna.

Ha pubblicato, con processo di revisione, più di 200 articoli su riviste scientifiche e proceedings di conferenze internazionali nel campo della Bioinformatica, dell’Informatica Medica e dell’elaborazione e analisi di bioimmagini.

Le sue attività di ricerca riguardano la Data Science applicata all’Informatica Medica, alla Bioinformatica e alla Genomica Computazionale, particolarmente nell’ambito oncologico e neurologico, focalizzate alle banche dati genomiche, ai vocabolari controllati e alle bio-ontologie per l’efficace recupero, gestione, interrogazione e condivisione di informazioni genomiche, biomediche e cliniche eterogenee e per la loro integrazione semantica con dati genomici high-throughput e clinici di pazienti e la loro analisi complessiva con approcci di Machine Learning.