Open Science: dottorando della Statale vince il primo premio di AISA

Nell’ambito del X convegno annuale di AISA (Associazione Italiana per la promozione della Scienza Aperta), organizzato con la Scuola Normale Superiore di Pisa, Emanuele Cavalleri, studente al secondo anno di dottorato in Informatica, con la sua tesi di laurea magistrale “Construction of a knowledge graph for RNA drug analysis” (supervisionato dai  docenti del dipartimento di Informatica "Giovanni Degli Antoni" Marco Mesiti  e Giorgio Valentini) ha ottenuto il primo premio di AISA, associazione senza fini di lucro che intende incoraggiare i valori dell’accesso aperto alla conoscenza.

Nella motivazione del premio, AISA sottolinea sia la solidità scientifica della tesi, sia la natura “open” della piattaforma sviluppata che rende i dati accessibili per la comunità scientifica tramite protocolli standard: “La tesi contribuisce in maniera originale e scientificamente solida alla creazione di un knowledge graph per la rappresentazione dell’RNA non codificante, creando una risorsa per migliorare l’analisi di dati e l’interoperabilità di banche dati open. L’ontologia progettata per la costruzione del knowledge graph si è basata sul riuso di ontologie standard e diffuse del dominio scientifico di riferimento. I dati del grafo sono liberamente accessibili tramite un protocollo standard e il codice sviluppato è stato condiviso prontamente su GitHub (con licenza Apache 2.0). Il lavoro getta le basi per un progetto che verosimilmente continuerà nel tempo.”

Il progetto, sviluppato nel laboratorio di Bioinformatica e Biologia Computazionale AnacletoLab del dipartimento di Informatica, ha portato allo sviluppo di RNA-KG, una risorsa software fondamentale per lo studio dell’ RNA non codificante che integra dati di oltre 60 sorgenti dati pubbliche e che è stata recentemente pubblicata da Nature Scientific Data.

"Grazie ai quasi 13 milioni di relazioni documentate, il Knowledge Graph RNA-KG offre un potente strumento per l'analisi di dati provenienti da fonti pubbliche, semplificando il processo di estrazione di informazioni - spiega il professor Marco Mesiti, relatore della tesi di Emanuele Cavalleri -. La sua struttura è progettata per integrarsi facilmente con tecniche di intelligenza artificiale, permettendo la predizione di nuove interazioni molecolari e di associazioni fra diverse tipologie di RNA non codificante con fenotipi e patologie specifiche. Queste predizioni, una volta verificate sperimentalmente, possono contribuire significativamente allo sviluppo di terapie innovative basate su farmaci ad RNA, noti per il loro straordinario successo nella lotta al COVID, ma che in realtà hanno potenzialità applicative che riguardano le principali patologie umane, dalle malattie genetiche, alle cardiovascolari ed alle patologie oncologiche".

RNA-KG è stato sviluppato nell’ambito del progetto Centro Nazionale di Ricerca – Sviluppo di Terapia Genica e Farmaci con Tecnologia a RNA finanziato dall’Unione Europea – NextGenerationEU, dall’unità del dipartimento di Informatica dello spoke 7 - Biocomputing di UNIMI, coordinata dal professor Giorgio Valentini.