La Chan Zuckerberg Initiative ha assegnato un finanziamento biennale di 400.000 dollari ai professori Davide Risso del dipartimento di Scienze statistiche dell’Università di Padova e Gabriele Sales del dipartimento di Biologia dell’Università di Padova, e al collaboratore Levi Waldron della City University di New York (USA) attraverso il programma “Essential Open Source Software for Science”. Questo finanziamento supporterà l'espansione dell'infrastruttura di Bioconductor per consentire l'analisi accelerata dalla GPU (Graphical Processing Unit) di dati biomedici ad alto rendimento.
Le GPU sono state originariamente create per il rendering di video ad alta definizione, ma sono diventate essenziali per l'intelligenza artificiale, l'apprendimento automatico e altre attività ad alta intensità di calcolo. I ricercatori utilizzeranno i finanziamenti per sviluppare e testare pacchetti accelerati da GPU per la bioinformatica, migliorare l'integrazione continua per il codice GPU e creare strumenti intuitivi per la gestione delle dipendenze a livello di sistema.
«Questo finanziamento consentirà a centinaia di sviluppatori di software di sfruttare la potenza delle GPU per la ricerca biomedica nell'ambito del progetto Bioconductor – spiega Davide Risso – Attraverso lo sviluppo di pacchetti software per la programmazione GPU, miriamo ad accelerare le analisi ad alta intensità di calcolo, in particolare in campi come la genomica a singola cellula». Il progetto migliorerà inoltre il sistema di creazione di Bioconductor per garantire l'affidabilità e la riproducibilità dei pacchetti accelerati da GPU su diverse piattaforme informatiche.
Il professor Gabriele Sales ha aggiunto: «Bioconductor è stato una pietra miliare della bioinformatica per oltre due decenni. Questo finanziamento ci aiuterà a garantire il futuro della nostra infrastruttura e a permettere a ricercatori nel campo biomedico di utilizzare la programmazione GPU in modo più accessibile».
Il contributo finanzierà tre obiettivi principali:
1. Estensione dell'infrastruttura di integrazione continua di Bioconductor per testare il codice GPU
2. Implementazione di un sistema flessibile di impacchettamento del software che tenga conto del fatto che i pacchetti spesso dipendono da tool esterni che hanno bisogno di essere installati e configurati correttamente.
3. Sviluppo di pacchetti fondamentali per la programmazione GPU in Bioconductor
Si prevede che questa iniziativa migliorerà in modo significativo le capacità di Bioconductor nella gestione di dati biomedici su larga scala, a vantaggio dei ricercatori di tutto il mondo
