Dott.

D. Elia,

Prof.

G.E. Bruno

Realizzazione e verifica delle funzionalità e delle prestazioni di una infrastruttura di cloud computing di tipo Infrastructure as a Service basata sul software OpenStack. L'attività di sperimentazione si concentrerà sulla aspetti riguardanti le risorse di calcolo, la loro allocazione dinamica e la possibilità di gestire con strumenti evoluti e semplici da usare le librerie dove vengono memorizzate le immagini delle macchine virtuali nonchè gli strumenti messi a disposizione da OpenStack per la gestione dello storage

Confronto di algoritmi di allineamento per dati generati con le nuove tecnologie di sequenziamento massivo

Dott. Ernesto

Picardi

Dip. Bioscienze,

Biotecnologie e

Biofarmaceutica

 

Dott. Donvito

Uno dei più importanti aspetti della bioinformatica riguarda l’allineamento delle sequenze e la conseguente interpretazione biologica dei risultati. Tale aspetto è particolarmente rilevante nel caso di dati prodotti con le recenti tecniche di sequenziamento, da cui si ottengono numerose sequenze che devono essere mappate sul rispettivo genoma di riferimento in modo affidabile e computazionalmente efficiente.I programmi di allineamento per dati NGS attualmente disponibili si basano su differenti algoritmi che potrebbero restituire mappaggi non ottimali e richiedere lunghi tempi di esecuzione. Un confronto diretto delle performance dei diversi software, quindi, sarebbe molto utile e indispensabile per valutare i punti di forza e le debolezze di ogni programma. A tal fine, differenti sistemi di mappaggio saranno ottimizzati per lavorare su sistemi di calcolo distribuito così da poter confrontare in tempi brevi i risultanti allineamenti. Il confronto, inoltre avverrà sia su sequenze generate in silico che su dati reali,ed interesserà i seguenti programmi:GSNAP, BWA, bowtie, STAR, RUM e Tophat2. Metriche come sensibilità e specificità a livello nucleotidico o esonico saranno utilizzate per valutare l’affidabilità di tali strumenti. 

Avelluto Maria Luisa

Sviluppo di soluzioni bioinformatiche con l'ausilio di linguaggi di programmazione in scripting e di calcolo condiviso

Dott.ssa Anna De Grassi

Dip. Bioscienze,

Biotecnologie e

Biofarmaceutica

Dott. Giacinto

Donvito - INFN

Bari

Nonostante la sequenza del genoma fornisca il codice alla base della vita, la funzione della gran parte dei tre miliardi di basi del DNA umano è tutt'ora sconosciuta. Il progetto ENCODE ("Integrated Encyclopedia of DNA elements") ha di recente permesso l'individuazione di elementi del genoma umano (trascritti, siti dei legame di proteine al DNA, stato di metilazione e struttura della cromatina) in maniera sistematica in numerose linee cellulari. L'elevata mole di dati generati richiede lo sviluppo di programmi che ne permettano gestione, analisi ed integrazione. Verrà sviluppata ed implementata una procedura in grado di analizzare la correlazione tra differenti elementi del DNA al fine di predirne la possibile associazione funzionale. In particolare verrà investigata la dipendenza tra lo stato di metilazione del DNA e l'espressione genica. Il candidato focalizzerà l'attenzione sulla comprensione e il funzionamento di uno script di PERL per il management di NGS data e sullo sviluppo di uno script ex novo in PYTHON avente la stessa funzione. In più per testare le sue abilità di calcolo condiviso il candidato sottoporrebbe i jobs alla GRID: il programma che sarà sviluppato compierà lo stesso tipo di operazione per milioni di volte, quindi si avvantaggerebbe dell'uso di calcolo parallelo sulle macchine dell'INFN.

Gianluigi Baldassarre 

Barile

Francesco

Sviluppo ed Elaborazione di Modelli gerarchici multivariati per la mappatura di dati di qualità dell'aria a livello regionale tramite l’infrastruttura di calcolo avanzato del Data Center ReCaS di UNIBA- INFN

Prof. Alessio Pollice

Dip. Scienze economiche e Metodi Matematici

Dott. Francesco Finazzi

Dipartimento di Scienze aziendali, economiche e metodi quantitativi, Università degli studi di Bergamo

L’obiettivo principale del lavoro di tesi concerne la possibilità di realizzare, in via sperimentale, un prototipo di cruscotto informativo basato su mappe continue giornaliere e relative mappe di incertezza per le polveri fini (PM10) e gli ossidi di azoto (NO2) riferite all’intero territorio regionale pugliese. Il lavoro, inserito nell’ambito di un progetto di collaborazione che vede coinvolti Università degli Studi di Bari, Università degli studi di Bergamo e Arpa Puglia, affianca un’altra tesi di Master e prevede lo sviluppo e l’implementazione di modelli stocastici di tipo spazio-temporale che permettono una lettura ed una interpretazione efficace dei fenomeni legati all’inquinamento atmosferico. Nella tesi saranno messi in evidenza principalmente gli aspetti statistico-metodologici legati all’approccio modellistico proposto che permette di trattare in maniera opportuna dati complessi ed eterogenei e che inoltre rappresenta un potente strumento in grado di misurare e gestire adeguatamente le varie fonti di incertezza collegate ad analisi ambientali di questo tipo (quali le variazioni spazio-temporali, l’utilizzo di informazioni ausiliarie da variabili meteorologiche, la variabilità accidentale, e così via). In riferimento a quest’ultimo aspetto, saranno realizzate mappe di incertezza riferite alle concentrazioni giornaliere degli inquinanti in esame che completano ed integrano l’analisi condotta nell’ambito della tesi di Master di Annarita Turnone. La stima di massima verosimiglianza dei parametri incogniti del modello si basa su una variante dell’algoritmo EM (Expectation Maximization) e viene realizzata tramite il software dedicato D-STEM (Distributed Space Time Expectation Maximization). La complessità computazionale che caratterizza la stima di questi modelli richiede l’uso di una strumentazione di calcolo ad alte prestazioni e prevede pertanto l’utilizzo del Data Center Grid/Cloud ReCas dell’Università degli Studi di Bari “Aldo Moro” e la Sezione di Bari dell’Istituto Nazionale di Fisica Nucleare.

Dott. Diacono

Dott. Spinoso

Cirasole Adriano

Tesi N°9

Sviluppo di sensori per un sistema di controllo per centri di calcolo

Dott. Giacinto Donvito;

Dott. Domenico Diacono;

Dott. Vincenzo Spinoso

Si svilupperanno sensori dello stato di un server, sensori dello stato della cloud, sensori di batch system, sensori di storage, sensori di database, ed in genere qualsiasi sensore necessario per raccogliere dati da registrare nel sistema di controllo che ne permetterà l'analisi.

I sensori saranno scritti utilizzando il linguaggio Python.

Sviluppo di un sistema di controllo per centri di calcolo basati su griglie computazionali tramite l'uso di database noSQL e algoritmi di datamining

Realizzazione della infrastruttura di base per un sistema di "multi-accounting" dell'uso della farm di calcolo: CPU, accesso allo storage, accesso risorse di cloud, monitoring dello stato dell'infrastruttura, etc. 

Si userà come sistema di gestione dei dati un database di tipo noSQL, data l'alta mole di dati non strutturati da registrare ed analizzare. Saranno confrontati diversi sistemi fra i quali sicuramente: cassandra, couchdb, hbase, mongodb, e una volta scelto quello più adatto sarà realizzata una infrastruttura di monitoring di test.

Il progetto si propone di estendere il controllo anche a sistemi, come la rete dipartimentale, nei quali i computer non sono a disposizione del gestore della rete

Learning Methods for Automatic Hippocampus Segmentation in a Grid Computing Environment

The hippocampus is the part of brain that is critical for memory functions in humans and it is affected by aging, Alzheimer's disease (AD), and many other pathological conditions. The hippocampal volume is a significant predictor of clinical diagnosis. Hence, the ability to efficiently detect this region of the brain using 3D brain magnetic resonance image (MRI) is of great potential value for neuroscience and clinical research. In this thesis, we compare four fully automated methods for hippocampus segmentation from a 3D brain MRI scan: Adaboost, Random Forest, Logistic Regression, Support Vector Machines (SVM). These models are algorithmic implementation of ideas from statistical learning theory, concerning the problem of building consistent estimators from data.

From a statistical point of view the structural complexity of 3D MRI scans is twofold: a) the amount of examples to analyze is very huge, up to millions of training data, and b) the two classes, hippocampus and background, are dramatically unbalanced. So, implementing accurate statistical solutions for automatic segmentation becomes challenging. The main goals of this thesis are to highlight benefits and limits of the four supervised learning methods and to provide a robust statistical methodology for automatic hippocampus tracing on a new brain scan never seen before.

Moreover, learning algorithms are both compute and data intensive, then the choice of the computation environment is strategic. We used a computing GRID infrastructure, which consists of quite big clusters with extreme performance and capacity with distributed storage system, the capability to exploit distributed memory and computational resources.

 

Efficiente allineamento di dati di sequenziamento high-throughput con BLAT su una infrastruttura di calcolo distribuita 

 

Dott. Ernesto

Picardi

Dip. Bioscienze,

Biotecnologie e

Biofarmaceutica

 

Dott. Donvito

Negli ultimi anni sono state sviluppate diverse tecnologie per il sequenziamento massivo del DNA e RNA come, ad esempio, le piattaforme Roche 454, Illumina e SOLiD. Queste tecnologie hanno un ampio spettro di applicazioni come il sequenziamento genomico o il suo ri-sequenziamento, la caratterizzazione delle modificazioni istoniche su larga scala, l’identificazione dei siti di legame dei fattori di trascrizione sul DNA (mediante l’immunoprecipitazione della cromatina seguita da sequenziamento massivo (ChIP-seq)) o l'analisi di interi trascrittomi.Le attuali piattaforme di sequenziamento high-throughput e, in particolare, il sistema Illumina generano un’elevata quantità di sequenze (solitamente con lunghezze medie di 50-100 basi) che necessitano di strumenti computazionali efficienti per una corretta interpretazione dei dati e dei successivi risultati.La prima fase di analisi dei dati di sequenziamento richiede l’allineamento progressivo delle sequenze sul genoma di riferimento. La qualità dell’allineamento influenza notevolmente i risultati finali e, quindi, ha drammatiche ripercussioni sulle conclusioni biologiche che possono essere tratte.A tutt’oggi sono stati sviluppati diversi programmi per allineare in modo rapido ed accurato milioni di sequenze su un genoma di riferimento. Sebbene tali soluzioni algoritmiche siano molto efficienti in termini computazionali, la qualità degli allineamenti prodotti non è ottimale o, comunque, non soddisfacente se paragonata ai classici sistemi di allineamento come BLAST e BLAT. L’uso di tali programmi, tuttavia, non è praticabile in quanto l’allineamento di sequenze prodotte in un singolo esperimento potrebbe richiedere diverse settimane, dilatando notevolmente i tempi di analisi. Una possibile soluzione potrebbe essere quella di sfruttare il calcolo distribuito e il grid computing in modo da ripartire le sequenze da allineare su un numero elevato di processi indipendenti. Lo sviluppo di un sistema in grado di sfruttare architetture di calcolo distribuito per l’allineamento mediante Blat di sequenze prodotte con tecnologie high-throughput, sarebbe indispensabile per velocizzare l’analisi dei dati mantenendo elevata la qualità dei risultati finali.

Lasorsa Vito Alessandro 

Tesi N°16

 

Studio

dei

requisiti

preliminari

per

applicazioni

Cloud

in

ambito

sanitario

Prof.

Roberto

Bellotti;

 

Ing.

Marco

Di Ciano

La tesi mira fornire un quadro dei servizi offerti al cittadino in ambito sanitario per mezzo dei sistemi informatici al fine di predisporre uno strumento di supporto sia alla governance della qualità dei servizi che alle prestazioni sanitarie.

L’obiettivo è fornire una proposta per lo sviluppo di un sistema, basato su Cloud, strutturato sulle esigenze del cittadino nell’ambito del Servizio Sanitario Regionale.

Il sistema che si vuole attuare, attraverso l’analisi dei dati provenienti dai servizi sanitari preposti ad offrire servizi clinici al cittadino, opererà in modo da:

-fornire elementi per la valutazione dell’efficacia delle politiche di investimento dell’azienda sanitaria basandosi sull’osservazione dei dati qualitativi e quantitativi relativi alle diverse patologie;

-individuare gli indicatori di qualità ed efficienza del Servizio Sanitario Regionale.;

-generare degli indici “misuratori” dei servizi erogati dal Servizio Sanitario;

-offrire un’opportunità di ottimizzazione attraverso l’ assessment del sistema sanitario;

-orientare le risorse negli ambiti caratterizzati da maggiori criticità (incidenza statistica e opportunità di garantire un elevato grado di prevenzione).

Inoltre, il sistema dovrà essere in grado di supportare gli utenti (sia esso Management sanitario, utente di unità operative o cittadino) al fine di consentire loro di operare analisi approfondite su una notevole mole di dati sottoposti a processi di anonimizzazione e pseudonimizzazione, di diverse tipologie, strutturati e non, mettendo a disposizione degli utenti funzioni specifiche e strutturando un datawarehouse, che raccolga le informazioni disponibili nelle aree applicative gestionali esistenti e capace di integrarsi con ulteriori fonti di dati utili per l’arricchimento dei processi decisionali degli utenti.

 

Mancino Floriana

 

Sviluppo di interfaccia grafica per la compilazione di software per l'analisi dati dell'esperimento ALICE al CERN in ambiente AliEn-Grid

Dr. Giacinto De Cataldo

AliEn è un framework open source che costituisce un ambiente di produzione per la simulazione, la ricostruzione e l'analisi di dati fisici dell'esperimento ALICE. La sottomissione di un job di batch analysis in AliEn permette di estrarre dall'evento prodotto informazioni di interesse fisico, attraverso algoritmi definiti dall'utente, integrando i risultati di ciascuna analysis task in cui il job può essere suddiviso.

L’interfaccia grafica sviluppata dovrà fornire all'utente lo strumento per la sottomissione di job di batch analysis attraverso la definizione della sequenza e dei parametri delle analysis task, eliminando la necessità di conoscere nel dettaglio le classi e la sintassi necessarie per la scrittura di una macro di AliRoot da eseguire in AliEn.

Un esempio applicativo dell’uso di questa interfaccia sarà un’analisi dati per il detector HMPID.

Minervini Lazzaro Manlio

Testing and validation of the new CMS system PREP2 for Monte 
Carlo production request submitting management

prof. Vincenzo Spinoso 

PREP2, naturally evolved by PREP presently used, is the new  CMS tool developed at CERN, which aim is to organize the Grid  production request global management, allowing the structured  information sharing among the physicists, the request production  managers and the computing engineers. The candidate will perform functionality tests on the testbed  installed at CERN and she will develop the scripts needed to remotely  interface to PREP2 for the ordinary production management activities,  supplying a dynamic and essential contribution to the application  debugging, deployment and validation

Miniello Giorgia

Studio e implementazone di metodologie per il supporto al calcolo scientifico in ambiente di Grid Computing

Dott. Giacinto Donvito

Il lavoro di tesi affronterà il problema dell' esecuzione di applicazioni scientifiche su sistemi distribuiti come cluster computing e Grid Computing. Questo tema, soprattutto in ambiente Grid, dove è meglio noto come 'porting su Grid', è un obiettivo complesso per molti e differenti aspetti: alcuni sono dovuti all infrastruttura (complessità dell infrastruttura, ampio spettro di middleware, numerose possibilità di failure e molti servizi usati). L'obiettivo di questa tesi è guidare ed assistere gli utenti scientifici attraverso tutti i passi che portano all'implementazione delle loro applicazioni in ambiente distribuito e favorire quindi la migrazione degli applicativi scientifici stessi verso il GRID computing, nonchè creare un servizio "on demand" per gli utenti interessati. Questo supporto verrà anche effettuatoattraverso lo sviluppo e la scrittura delle applicazioni necessarie al porting sia in linguaggio bash che python.

Alfonso Monaco

L'attività di sperimentazione si concentrerà sull'analisi delle caratteristiche di un'infrastruttura di cloud computing di tipo IAAS e sulla sua realizzazione attraverso l'uso di soluzioni open source già esistenti, principalmente OpenStack e OpenNebula.
Particolare attenzione verrà focalizzata sulle risorse di calcolo e la loro allocazione dinamica, sulle risorse di rete e la loro gestione, e sulle funzionalità di marketplace per la gestione delle immagini virtuali.

Analisi di soluzioni open-source per l'intrusion detection e l'analisi centralizzata dei log in una farm di calcolo di grandi dimensioni

dott. Spinoso

Dettagli: site management Competenze: Scientific Linux, Debian, scripting Bash

Studio e analisi delle funzionalità di autenticazione e sicurezza dei software open source di Cloud IaaS

Dott. Giacinto Donvito

Studio e analisi delle funzionalità di autenticazione e sicurezza dei software open source di Cloud IaaS presenti sul mercato, con particolare riferimento a: OpenStack, CloudStack e OpenNebula. L'attività si concentrerà anche sullo studio della possibilità di estendere i meccanismi disponibili nei vari sistemi attraverso moduli esterni, con l'obbiettivo di supportare nuovi sistemi di autenticazione e autorizzazione (quali ad esempio OpenID e OAuth).

Analisi di un algoritmo di segmentazione dell'ippocampo e sua disponibilità verso utenti su GRID

Prof. Brescia Massimo e Prof.ssa Tangaro Sabina

Ci si propone di indagare in 2 abiti:

- Data Mining nell' Image Processing

- Graphic User Interface (GUI) su infreastruttura GRID .

In particolare si applicheranno tecnologie di Data Mining alle MRI per la segmentazione di Ippocampo e si metterà a punto un sistema web per consentire ad un utente, opportunamente registrato, di poter applicare l'algoritmo implementato ai suoi dati sfruttando GRID.

Tateo Andrea

Test di accesso per la valutazione di database NoSQL finalizzati allo sviluppo di un monitoring di una farm di calcolo di grandi dimensioni

 Dott. Spinoso

Toritto Maria Teresa Rita

Analisi di soluzioni per applicazioni di rendering 3D su un cluster di calcolo di grandi dimensioni

Dott. Spinoso

Il processo di generazione di un'immagine 2D ottenuta dalla descrizione astratta di una scena 3D richiede diverse fasi quale la costruzione del modello tridimensionale costituito dalla sua geometria, dai materiali e dalle textures di descrizione, l’impostazione delle sorgenti virtuali di luce, e il rendering dell’immagine finale. Tale processo si avvale di algoritmi di rendering  i quali, data una definizione della geometria, dei materiali, delle textures, delle fonti di luce e del punto di vista virtuale come input,  producono un’immagine (o una sequenza di immagini nel caso di animazioni) come uscita. Il Rendering fotorealistico di alta qualità di una scena 3D è uno degli obiettivi fondamentali della computer grafica, ma che risulta molto dispendioso in termini di risorse computazionali e temporali.Per risolvere questo problema, sono stati sviluppati diversi approcci basati sull’elaborazione distribuita e parallela e quello più adottato è la Render Farm: un cluster di computer di proprietà di un’organizzazione in cui ogni frame di un’animazione viene elaborato indipendentemente da un singolo processore.

Trullo Claudia Adamita

Studio e utilizzo di un modello statistico spazio-temporale per il monitoraggio della qualità dell’aria nella Regione Puglia avvalendosi dell'infrastruttura di calcolo avanzato ReCaS di UNIBA-INFN

Prof. Alessio Pollice -  Dipartimento di scienze economiche e metodi matematici, Università degli Studi di Bari, Aldo Moro

Dr. Francesco Finazzi - Dipartimento di scienze aziendali, economiche e metodi quantitativi, Università degli Studi di Bergamo
 

Il lavoro di tesi è inserito nell'Accordo Quadro di collaborazione che vede coinvolti l'Università degli studi di Bari, l'Università degli studi di Bergamo e l'ARPA Puglia. L'individuazione di modelli statistici idonei a spiegare la variabilità spazio-temporale risulta essere di fondamentale importanza per la soluzione delle problematiche connesse all'analisi dei fenomeni ambientali, in particolare quelle legate al monitoraggio della qualità dell'aria, caratterizzata da una variabilità temporale oltre che spaziale. In quest'ottica e nell'ambito della collaborazione suddetta, la candidata si propone di utilizzare un modello gerarchico spazio-temporale multivariato per le concentrazioni di PM10 e NO2 e di realizzare quindi, in via sperimentale, un prototipo di cruscotto informativo basato sulle mappe continue giornaliere di tali inquinanti, a cui si aggiungeranno le mappe di incertezza che saranno sviluppate parallelamente, nell'ambito del lavoro di tesi di Master di Crescenza Calculli. La stima di massima verosimiglianza dei parametri incogniti del modello sarà condotta attraverso l’impiego del software D-STEM (Distributed Space Time Expectation Maximization), sviluppato in ambiente Matlab per architetture di calcolo distribuito e parallelo, finalizzato alla stima di modelli statistici spazio-temporali ed alla mappatura dinamica di variabili fisiche, ambientali e meteorologiche osservate tramite reti di monitoraggio a terra e remote sensing. La complessità computazionale insita nella stima di modelli gerarchici multivariati che si aggiornano in tempo quasi reale richiede l’uso di una strumentazione di calcolo ad alte prestazioni, quale è proprio l'infrastruttura di calcolo avanzato ReCaS di UNIBA-INFN, per ridurre costi e tempi computazionali.

Turnone Annarita

Realizzazione e verifica delle funzionalità e delle prestazioni di una infrastruttura di cloud computing di tipo Infrastructure as a Service basata sul software OpenStack.

NON ASSEGNABILE

Ottimizzazione di un sistema automatico di sottomissione job in grid e cloud. Riscrittura in python del wrapper di gestione del job su grid. Riscrittura in python di un sistema di sottomissione dei job a grid. 

Tecnologie.

Scripting bash e python.

Installazione e configurazione di un server BOINC. porting di una applicazione semplice in BOINC, verificando la possibilita di sottomettere agenti boinc alla grid.

Tecnologie.

Esperienze sull'application porting su grid. esperienze sulla costruzione di scientific gateway. esperienze di user interface building.

Confronto fra le caratteristiche di almeno due sistemi di configurazione e management: "salt", “chef” e "puppet". Dopo aver scelto quello che meglio si adatta alle esigenze della farm, si implementeranno almeno 3-4 configurazioni di server usati in produzione.

Tecnologie. scripting: bash, python e/o ruby. Installare, configurare e gestire server linux con servizi standard e/o con servizi grid/cloud.

Taglio: site management

Competenze: Scientific Linux, scripting Bash, reti informatiche.

Competenze: scripting Python/Bash

Competenze: scripting avanzato con Python/CherryPy

Competenze: scripting Python; opzionalmente CouchDB e web scripting (Javascript, Python/PHP)

Competenze: Scientific Linux, Debian, scripting Bash

Competenze: scripting