Sei nuovi progetti di ricerca finanziati all'USI

Sei progetti di ricerca condotti presso l'Università della Svizzera italiana (USI) hanno recentemente ricevuto un finanziamento nell'ambito dei bandi Open Research Data e Young Researchers, quest'ultimo promosso dal Fondo Istituzionale per la Ricerca (FIR). Di seguito l'elenco dei sei progetti vincitori con una breve descrizione.

Tre progetti hanno vinto un bando Open Research Data; tra questi vi è il progetto “COVID-19 Data Hub”, guidato da Emanuele Guidotti, Assistente con dottorato presso la Facoltà di scienze economiche, che ha ricevuto un finanziamento di 47'300 CHF. Il progetto nasce dall'esigenza di unificare la grande quantità di dati eterogenei rilasciati da parte dei governi di tutto il mondo durante la pandemia di COVID-19, la prima pandemia in epoca digitale. "COVID-19 Data Hub" mira a fornire alla comunità di ricerca un set di dati unificato utile per comprendere meglio la malattia e i suoi effetti sulla società. Il set di dati viene aggiornato ogni ora tramite pipeline automatiche dall'inizio del 2020. Tuttavia, i governi di tutto il mondo hanno recentemente cambiato i criteri di segnalazione e hanno introdotto aggiornamenti che causano il fallimento delle pipeline automatiche. L'accesso a questi dati su scala rischia di diventare sempre più difficile senza mantenere aggregatori di dati che ne garantiscano alti livelli di interoperabilità e l'archiviazione persistente. Questo progetto mira a finalizzare un set di dati epidemiologici a livello mondiale e a grana fine. In particolare, esso prevede tre punti: l'aggiornamento di “COVID-19 Data Hub” con i dati più recenti, adattando le modifiche ai criteri di segnalazione; la convalida dei dati mediante la curatela manuale; il rilascio della versione finale del dataset. Tutti i metodi per l'integrazione e la convalida dei dati si basano sulla progettazione dell'hub di dati iniziale. Il set di dati in uscita sarà una risorsa unica per lo studio della prima pandemia nell'era digitale. Questo lavoro può inoltre contribuire allo sviluppo di buone pratiche e standard per i dati della ricerca aperta, potenzialmente aumentando la visibilità internazionale dell'USI e promuovendo sinergie con i programmi accademici.

Il secondo finanziamento, pari a 42'000 CHF, è stato concesso al progetto “FMdb: the database to perform funnel-metadynamics calculations on GPCR systems”, condotto dal Prof. Vittorio Limongelli, Professore ordinario presso la Facoltà di scienze biomediche. La metadinamica a imbuto (FM) è una tecnica potente che permette di delucidare la modalità e il meccanismo di legame di un ligando al suo bersaglio molecolare, stimando con precisione anche l'energia libera di legame. La FM è stata sviluppata e migliorata dal gruppo di ricerca del Professor Limongelli. La tecnica è stata impiegata con successo per studiare molti sistemi ligando/proteina, ma il suo ampio utilizzo è limitato dalla complessità dell'impostazione della simulazione. In questo progetto, i ricercatori si propongono di creare un nuovo database open access di input FM pronti all'uso, denominato FMdb, incentrato sul legame dei ligandi ai recettori accoppiati a proteine G (GPCR). I GPCR sono proteine transmembrana coinvolte nella conduzione di segnali extracellulari nell'ambiente cellulare. Questi recettori svolgono un ruolo fondamentale in vari processi fisiologici e patologici, rappresentando un bersaglio farmaceutico di grande rilevanza. Il meccanismo funzionale dei GPCR può essere controllato da ligandi ortosterici o allosterici che possono innescare la transizione dei GPCR verso stati attivi o inattivi. I complessi di GPCR possono essere classificati in base alla modalità di legame con il ligando a livello extracellulare, intra-membrana e intracellulare. Nel presente progetto, verrà creato un database di file di input FM utili per eseguire calcoli dell'energia libera di legame nei siti di legame ortosterici e allosterici per tutte le strutture di GPCR risolte sperimentalmente. Il database sviluppato supporterà la comunità fornendo input FM pronti all'uso e stimolerà l'implementazione di FM negli studi di scoperta di farmaci.

Infine, un finanziamento di 45'000 CHF è stato concesso al progetto “REVITRANN - Workflows to reuse video data, transcripts and annotations in Interactional Linguistics”, condotto dalla Prof.ssa Johanna Miecznikowski-Fuenfschilling, Professoressa titolare presso la Facoltà di comunicazione, cultura e società dell'USI. I dati primari del linguaggio parlato (registrazioni) e i dati secondari a vari livelli di astrazione (trascrizioni, annotazioni) sono oggi codificati digitalmente e possono essere condivisi nel rispetto dei principi FAIR, a condizione che sia stato ottenuto il consenso informato dei parlanti e che siano state adottate adeguate misure di protezione dei dati. Le registrazioni video trascritte sono diventate sempre più importanti nello studio del linguaggio parlato e nelle scienze sociali. Esse catturano aspetti chiave dell'interazione sociale e del linguaggio parlato come insieme di risorse multimodali. Tuttavia, sono particolarmente complesse da gestire e impegnative in termini di spazio di archiviazione. Per rendere i dati video trascritti pienamente FAIR, compresa la riutilizzabilità, è necessario sviluppare un'infrastruttura che fornisca il supporto per analizzare i dati online in un ambiente digitale integrato. I possibili compiti che un ricercatore potrebbe voler svolgere online sono, ad esempio, l'uso di spazi di lavoro personali o di gruppo, la ri-trascrizione o la trascrizione aggiuntiva (ad esempio multimodale), la trascrizione in stile graphic novel, la sottotitolazione, l'annotazione legata al tempo e al testo di varia complessità, l'archiviazione e l'indicizzazione di frammenti di dati, la creazione di collezioni, memo/appunti, l'analisi quantitativa, le funzioni di download ed esportazione. La presente proposta contribuisce a costruire l'infrastruttura digitale per i dati video trascritti in Svizzera esaminando le piattaforme esistenti in tutto il mondo, descrivendo il software VideoScope (LiRI/UZH) e la sua implementazione all'USI, e delineando il potenziale di sviluppo di questo software quando si tratta di flussi di lavoro analitici per la linguistica interattiva.

Il Fondo Istituzionale per la Ricerca (FIR) ha inoltre finanziato tre progetti nell'ambito del Bando Young Researchers. Il primo finanziamento, pari a 97'800 CHF è stato attribuito a Andrea Rosà, Collaboratore scientifico presso la Facoltà di scienze informatiche dell'USI, per il suo progetto "Understanding and Mitigating Performance Variability on Managed Runtimes". La variabilità delle prestazioni è un fenomeno dannoso ben noto, considerato un problema di ricerca di lunga data, importante e aperto sia in ambito accademico che industriale. Essa causa un grave e inaspettato degrado delle prestazioni in diverse esecuzioni della stessa applicazione, senza ragioni evidenti. Molti programmi sono soggetti alla variabilità, anche se sono a thread singolo, il loro input è invariato tra le esecuzioni e vengono eseguiti in ambienti di esecuzione stabili. Pertanto, questo fenomeno non può essere ignorato. Questo progetto affronta tale problema, con l'obiettivo di comprendere e mitigare la variabilità, concentrandosi in particolare sulle applicazioni eseguite in runtime gestiti. Il progetto ha tre obiettivi principali: identificare i principali modelli di variabilità che influenzano pesantemente le prestazioni delle applicazioni e in quali condizioni si verificano; determinare le cause principali della variabilità; progettare e implementare nuove strategie per mitigare la variabilità. Come risultato del progetto, verrà progettato e implementato un framework, rivolto ad applicazioni arbitrarie in esecuzione in runtime gestiti, per rilevare e spiegare automaticamente la loro variabilità, nonché per suggerire strategie di mitigazione efficaci.

Il secondo progetto, finanziato con 120'000 CHF, è condotto da Matteo Pegoraro, ed è denominato "Using Topological Data Analysis to Understand Microglia Shape Variability in Space and Time". L'obiettivo del progetto è quello di far progredire lo stato dell'arte nell'analisi morfologica della microglia e vengono proposti tre diversi modi per raggiungere questo obiettivo. La comprensione del comportamento delle microglia è di fondamentale importanza per svelare i sistemi che regolano l'evoluzione e i meccanismi di adattamento del cervello. Questo, a sua volta, ha profonde conseguenze per la diagnosi e il trattamento di malattie neurodegenerative come l'Alzheimer e il Parkinson e del declino cognitivo legato all'età. A tal fine, i ricercatori desiderano migliorare lo stato dell'arte nell'analisi della microglia da tre punti di vista: ottenendo migliori descrittori della morfologia della microglia, contenenti maggiori informazioni sulla struttura spaziale delle cellule della microglia; migliorando l'esplorazione dello spazio di forma delle cellule della microglia utilizzando strumenti avanzati tratti dalla statistica non euclidea e dall'apprendimento automatico topologico; analizzando la dinamica degli adattamenti della microglia su scale temporali brevi, utilizzando il trasporto ottimale per descrivere gli adattamenti delle cellule.

Infine, un finanziamento di 199'700 CHF è stato destinato al progetto "EverTest: Continual Learning for System level Software Testing", condotto da Matteo Biagiola, Collaboratore scientifico presso la Facoltà di scienze informatiche dell'USI. Il test a livello di sistema è un'attività essenziale per evitare che i problemi critici raggiungano gli utenti finali. La scrittura manuale dei test a livello di sistema è un compito laborioso e costoso e i generatori di test automatizzati sono strumenti promettenti che aiutano a ridurre lo sforzo di test. Tuttavia, gli attuali generatori di test a livello di sistema non sono progettati per gestire l'evoluzione del sistema da testare. Inoltre, generano test statici che consistono in sequenze di istruzioni precise per interagire con il sistema, che si rompono facilmente quando il sistema si evolve e devono essere mantenuti manualmente. Il progetto "EverTest" mira a risolvere entrambe le limitazioni, proponendo un agente di test che si evolve insieme al sistema da testare. Al momento dell'evoluzione del sistema, l'agente riutilizza le conoscenze acquisite nelle precedenti interazioni di test con il sistema, per esercitare le nuove funzionalità introdotte, mantenendo la capacità di testare quelle invariate. L'agente di test sostituisce la suite di test a livello di sistema, consentendo agli sviluppatori di esercitare comportamenti specifici durante l'evoluzione del sistema. L'agente di test è più facile da mantenere e aggiornare rispetto a una suite di test statica, poiché la sua conoscenza interna viene aggiornata automaticamente durante l'addestramento.