Proposte di tirocini e tesi in Softmining
SoftMining offre numerose opportunità di tirocinio e tesi per studenti di economia e data science, sfruttando le sue tecnologie di intelligenza artificiale e la sua piattaforma di drug discovery in continua evoluzione. Qui di seguito sono elencati alcuni argomenti. Se sei interessato compila il form qui sotto.
studenti dei corsi di Economia e management e di Data Science
per economia e management
1. Analisi economica delle piattaforme di drug discovery basate su AI: Investigare l’efficienza in termini di costi dell’uso dell’intelligenza artificiale nel processo di scoperta di nuovi farmaci. Si può includere un’analisi di come le piattaforme AI, come ADAPT di SoftMining, riducano i tempi e i costi di sviluppo, confrontando i modelli tradizionali con quelli migliorati dall’AI.
2. Potenziale di mercato per l’in silico drug discovery: Analizzare il mercato dell’in silico drug discovery, che dovrebbe crescere da 2,4 miliardi di dollari nel 2022 a 5,9 miliardi entro il 2030. Gli studenti si focalizzeranno sui driver di crescita, la concorrenza nel mercato e il ruolo che l’AI può giocare per conquistare quote di mercato.
3. Modelli di business SaaS nel settore life sciences: Esplorare il modello di business SaaS della piattaforma di design computazionale dei farmaci di SoftMining, con particolare attenzione alle strategie di prezzo, modelli di pagamento a consumo (token-based) e il contributo alla crescita dei ricavi.
4. Impatto economico del Drug Repurposing: SoftMining è coinvolta nel riposizionamento dei farmaci, specialmente nel trattamento del cancro. Una tesi studia i benefici economici dell’uso dell’AI per identificare nuovi usi terapeutici di farmaci esistenti, riducendo i costi di R&D.
5. Espansione internazionale in Svizzera: Il tirocinio si concentra sull’analisi del mercato biotech e AI in Svizzera, valutando opportunità di partnership con istituzioni di ricerca e analizzando il potenziale economico della regione.
per statistica e AI
6. Data science nella scoperta di farmaci: Per gli studenti di data science, si esplorano lo sviluppo di algoritmi predittivi per la progettazione molecolare o il miglioramento dei processi di ottimizzazione dei lead compound.
7. Sviluppo di sistemi RAG (Retrieval-Augmented Generation): Gli studenti possono lavorare allo sviluppo di sistemi RAG per ottimizzare i processi di scoperta e simulazione molecolare. Ciò include la progettazione di architetture AI che migliorano la generazione di soluzioni a partire da enormi dataset molecolari.
8. Integrazione di Graph RAG nella scoperta di farmaci: L’integrazione di Graph Neural Networks (GNN) può migliorare la predizione delle interazioni molecolari. Un tirocinio o una tesi esplora l’uso di GNN nella rappresentazione accurata di meccanismi di legame proteina-ligando.
9. Sistemi AI LLM per calcoli complessi: sviluppo di Large Language Models (LLM) per guidare i calcoli nei processi di simulazione molecolare. Gli studenti possono contribuire alla creazione di modelli capaci di suggerire configurazioni ottimali.
10. Scansione intelligente di bandi internazionali con AI: Creare un sistema AI per la scansione e classificazione automatica di bandi di finanziamento internazionali utilizzando metodi LLM e di data scraping.
11. Analisi statistica avanzata per la validazione molecolare: Gli studenti di statistica lavoreranno su progetti che coinvolgono l’analisi statistica avanzata per la validazione dei dati generati dalla piattaforma di test biologici e chimici automatizzati.
studenti di farmacia, CTF e chimica
Scoperta di nuovi farmaci e Drug Repurposing
12. Progettazione molecolare assistita da AI: Gli studenti possono concentrarsi sull’uso della piattaforma di SoftMining per progettare nuove molecole utilizzando tecniche di simulazione computazionale e intelligenza artificiale. Questo progetto prevede la creazione e l’ottimizzazione di molecole con potenziali attività terapeutiche, attraverso l’uso di algoritmi avanzati per la previsione della struttura e dell’attività biologica delle molecole.
13. Riposizionamento dei farmaci esistenti (Drug Repurposing): SoftMining lavora su progetti di riposizionamento di farmaci per trattare patologie rare o oncologiche. Gli studenti partecipano a studi che analizzano l’efficacia di molecole già esistenti per nuovi target terapeutici, utilizzando strumenti computazionali per prevedere nuovi usi di farmaci già approvati.
14. Ottimizzazione del processo di scoperta di farmaci con la dinamica molecolare: Gli studenti possono ottimizzare la dinamica molecolare per predire accuratamente come i farmaci interagiscono con i loro bersagli biologici. Il progetto include l’uso di simulazioni al computer per migliorare l’accuratezza delle previsioni su come le proteine e i ligandi si legano tra loro.
Chimica computazionale e innovazioni in sintesi chimica
15. Sviluppo di algoritmi per la sintesi automatizzata: Gli studenti lavorano allo sviluppo di algoritmi che guidano il processo di sintesi chimica automatizzata. SoftMining utilizza una piattaforma robotica avanzata che permette la sintesi di centinaia di molecole contemporaneamente, e gli studenti studiano come ottimizzare le reazioni chimiche in modo efficiente e preciso.
16. Chimica computazionale per la scoperta di nuove molecole bioattive: Gli studenti partecipano a progetti di chimica computazionale, utilizzando la piattaforma di SoftMining per simulare reazioni chimiche e predire nuove molecole bioattive. L’obiettivo è identificare nuove sostanze potenzialmente efficaci contro malattie oncologiche o neurodegenerative.
17. Ottimizzazione dei processi di retrosintesi con AI: Il progetto esplora come gli algoritmi di intelligenza artificiale possano essere utilizzati per prevedere e ottimizzare i percorsi di retrosintesi delle molecole, migliorando il processo di creazione di nuove sostanze chimiche attraverso la selezione automatica dei migliori reagenti e condizioni di reazione.
Validazione e sviluppo di farmaci, strumenti e metodologie
18. Integrazione della robotica nella sintesi e validazione di farmaci: SoftMining utilizza una piattaforma robotica avanzata per accelerare il processo di validazione dei farmaci. Gli studenti esplorano l’integrazione della robotica e delle tecniche di sintesi automatizzata nel processo di validazione, analizzando l’efficacia e l’efficienza di questo approccio.
19. Sviluppo di strumenti per il calcolo della similarità molecolare: Gli studenti partecipano allo sviluppo di strumenti come Similis e Matisse, che SoftMining utilizza per confrontare le strutture chimiche di molecole e predire la loro attività biologica. Questi strumenti permettono di considerare non solo la struttura chimica, ma anche la geometria e la topologia delle molecole.
20. Modelli di AI per la previsione di interazioni proteina-ligando: SoftMining ha sviluppato nuovi modelli di AI che migliorano la previsione delle interazioni proteina-ligando, fondamentale per la scoperta di nuovi farmaci. Gli studenti contribuiscono allo sviluppo e al perfezionamento di questi modelli per aumentarne l’accuratezza.
Per i soli studenti di CTF e Farmacia
Dopo il corso di Chimica Generale ci si perde facilmente. Voi sarete impegnati e lo stesso vale per noi.
Ci farebbe piacere restare in contatto anche dopo il corso di Chimica Generale.
Se inserisci la tua mail studenti.unisa.it potrai ricevere, di tanto in tanto, notizie sui nostri lavori, sui progetti di tesi sperimentale e sulle tesi aziendali, sul corso di Biomateriali, sulla nostra startup e sulle molecole e i materiali che sviluppiamo. E soprattutto sugli open-day che vorremmo organizzare ogni anno.
Stefano Piotto, Simona Concilio, Lucia Sess