Infrastrutture tecnologiche

Area Science Park apre un bando per l’assegnazione di sei borse di studio rivolte a studenti universitari impegnati nella tesi magistrale nell’ambito del progetto “Supporto alla diagnosi di malattie rare tramite l’intelligenza artificiale”. Il progetto mira a sviluppare strumenti innovativi per l’identificazione precoce delle patologie rare attraverso l’analisi automatizzata dei dati clinici. Le borse di studio, della durata di sei mesi e rinnovabili per un ulteriore semestre, verranno erogate a sostegno della formazione di studenti universitari durante lo svolgimento della tesi magistrale, in uno dei seguenti ambiti tematici: Modellizzazione multimodale con IA, per distinguere le condizioni normali da quelle patologiche attraverso algoritmi avanzati. Gestione e anonimizzazione di database clinici (Electronic Health Records – EHR), con focus sull’interoperabilità e la sicurezza dei dati. Sviluppo di un ecosistema digitale per la ricerca sui dati clinici, integrato con il datacenter ORFEO. I vincitori svolgeranno l’attività di ricerca presso il Laboratorio di Data Engineering (LADE) di Area Science Park e avranno la possibilità di accedere a un ecosistema tecnologico avanzato, tra cui la piattaforma di calcolo Orfeo. Per partecipare, gli studenti devono essere iscritti a un corso di laurea magistrale in ambiti affini e inviare la candidatura via PEC entro le ore 23:59 del 16 marzo 2025. La selezione avverrà tramite la valutazione dei titoli e un colloquio. Maggiori dettagli e il bando completo sono disponibili qui.

Con 10 milioni di euro saranno finanziate tutte le proposte progettuali pervenute per il bando idrogeno promosso dalla Regione Friuli Venezia Giulia per creare o ammodernare infrastrutture di ricerca nel settore dell’idrogeno rinnovabile. Le prime quattro in graduatoria verranno interamente finanziate, mentre la restante parte godrà di un contributo parziale e verrà collocata in graduatoria nel caso di futuri stanziamenti di risorse. I progetti presentati hanno come capofila e partner gli enti del Sistema scientifico e dell’innovazione del Friuli Venezia Giulia che da anni operano nell’ecosistema della Valle dell’idrogeno del Nord Adriatico. Per la gestione delle singole infrastrutture il bando ha previsto costituzione di un advisory board con la presenza di imprese o di rappresentanze delle imprese quali le associazioni di categoria. Primo in graduatoria è l’innovativo progetto Fuse-Open Infrastructure on Future Underground Hydrogen Storage, che creerà un’infrastruttura sperimentale integrata per identificare e modellizzare i potenziali siti di stoccaggio di idrogeno nel sottosuolo (Uhs) e i giacimenti naturali di idrogeno bianco, l’Ogs nel ruolo di capofila lavorerà insieme agli atenei di Trieste e di Udine. I-CAMPUS-H2-Infrastruttura di Ricerca Caratterizzazione Analitica di Materiali-Processi ad uso strategico H2 è il progetto collocatosi al secondo posto in graduatoria e punta a realizzare una piattaforma organica in sinergia con realtà e infrastrutture già operative nel Campus di Basovizza: il Sincrotrone Elettra, i laboratori di Area Science Park e i laboratori del Cnr, che è capofila del progetto. H2SmartLab: infrastruttura di ricerca per idrogeno rinnovabile e tecnologie intelligenti e resilienti è il progetto H2SmartLab presentato da Area Science Park come lead partner insieme a Sissa e Università di Trieste, che prevede la creazione di un’infrastruttura di ricerca avanzata sulla produzione, stoccaggio e utilizzo di idrogeno verde, supportata da un sistema di gestione intelligente basato su un digital twin; E4H2-Efficiency for hydrogen, nato dalla sinergia tra Università di Trieste quale capofila e Università di Udine come partner, riguarda lo sviluppo e potenziamento di un’infrastruttura di ricerca distribuita sul territorio regionale articolata su 4 laboratori volti all’evoluzione di tecniche e soluzioni per il miglioramento dell’efficienza energetica nella filiera dell’idrogeno verde. Infine, IMPACT-H2-Infrastruttura per lo sviluppo di Materiali e Processi Avanzati per Contribuire alla Transizione Energetica nella filiera Idrogeno con capofila l’Università di Udine in collaborazione con quella Trieste. (fonte ARC)

Il Laboratorio di Data Engineering (LADE) di Area Science Park ha recentemente pubblicato su Nature – Scientific Data un importante articolo riguardante l’annotazione delle sequenze proteiche. Grazie ai progressi tecnologici nel sequenziamento genomico, il numero di sequenze proteiche conosciute è cresciuto esponenzialmente. Molte di queste sequenze provengono da progetti metagenomici che analizzano campioni ambientali e clinici. Tra i dataset più rilevanti in questo ambito, si distingue il catalogo del Proteoma Gastrointestinale Umano Unificato (UHGP), con svariate applicazioni in medicina e biologia. Tuttavia, la limitata annotazione di queste sequenze ne riduce l’efficacia. Per ovviare a questo problema, è stato sviluppato il dataset DPCfam-UHGP, che classifica le sequenze UHGP in famiglie proteiche, che tipicamente raggruppano proteine che condividono la stessa funzione biologica. Il dataset contiene 10.778 famiglie, generate attraverso il clustering DPCfam, un metodo non supervisionato che organizza le sequenze in architetture a singolo o multi-dominio. Questo lavoro, che costituisce parte del lavoro di dottorato di Federico Barone supervisionato da Alessio Ansuini e Alberto Cazzaniga, è un esempio emblematico di interazione proficua tra data management e data science. In questo contesto, la costruzione di un database curato di proteine dell’apparato gastrointestinale ha portato ad una catalogazione più raffinata tramite algoritmi avanzati di machine learning, permettendo di aggiornare nuovamente il database, in un ciclo continuo di feedback interdisciplinare. Il dataset DPCfam-UHGP50, navigabile attraverso un web server, è stato costruito seguendo le migliori pratiche FAIR (Findable, Accessible, Interoperable, Reusable) e ha l’obiettivo di favorire nuove scoperte nel campo della metagenomica del tratto gastrointestinale umano. In precedenza, il LADE aveva già prodotto il database DPCfam-UR50 accompagnato da una pubblicazione su PLOS – Computational Biology.