Industry Biotechnology Geographical Area Italy Background aizoOn ha una specializzazione distintiva nella bioinformatica, essendo una delle poche aziende private in Italia con la capacità di progettare, implementare e gestire pipeline bioinformatiche su larga scala.   Esigenza L’obiettivo di questa attività era trovare un modo per caratterizzare il danno genomico causato da un’esposizione prolungata alle radiazioni e stimare la probabilità di mutazioni radioindotte e di patologie tumorali negli astronauti operativi oltre l’orbita terrestre bassa. Per farlo, era necessaria una pipeline innovativa in grado di analizzare dati di sequenziamento dell’intero genoma (WGS).   Apporto di aizoOn aizoOn ha fatto leva sulla propria esperienza in ambito bioinformatico per creare una pipeline dedicata all’analisi WGS, specificamente progettata per questa applicazione. La soluzione comprendeva l’elaborazione end-to-end dei dati, l’identificazione delle varianti e l’annotazione funzionale, con particolare attenzione alle varianti localizzate nelle regioni non codificanti. La pipeline è stata ottimizzata per gestire input di dati su larga scala e supportare studi genomici sull’esposizione alle radiazioni. La sfida includeva la gestione di dataset estremamente ampi (~100 GB per campione) e l’interpretazione delle varianti sia nelle regioni codificanti che in quelle non codificanti.   Risultati Il workflow ha permesso una caratterizzazione affidabile delle alterazioni genomiche potenzialmente associate a esposizioni croniche a basse dosi di radiazioni ionizzanti. Ha fornito un processo di analisi strutturato e scalabile a supporto della ricerca sul rischio di mutazione e sulla salute degli astronauti in scenari di spazio profondo.

L’osservazione della Terra dallo spazio offre l’opportunità di raccogliere una vasta gamma di dati fondamentali per applicazioni ambientali, industriali e di sicurezza, come immagini della superficie terrestre e dell’atmosfera. In base all'uso necessario aizoOn seleziona sorgenti dati differenti, ad esempio immagini SAR (Synthetic Aperture Radar) o ottiche, che consentono di cogliere prospettive complementari. Questi dati vengono poi trasformati in conoscenza grazie all’impiego di tecniche avanzate di Computer Vision e Intelligenza Artificiale. Un ruolo centrale è svolto dalle Convolutional Neural Networks, capaci di estrarre pattern complessi e abilitare analisi automatiche ad alta precisione. Considerata la mole e la complessità dei dati satellitari, diventa strategico ottimizzare le risorse computazionali e lo storage, obiettivo perseguito attraverso metodi innovativi di compressione e riduzione della dimensionalità