La gestione in tempo reale di flotte di veicoli (Fleet Management) svolge un ruolo fondamentale per la mobilità di merci e persone, sia nel settore pubblico che in quello privato. Tradizionalmente la gestione di queste attività è realizzata da una squadra di controllori che assegna le richieste di servizio sulla base delle posizione dei veicoli, segnalate periodicamente dai conducenti. Laddove il numero di veicoli sia di diverse decine o centinaia, la complessità di gestione diviene talmente elevata da rendere problematico ed inefficiente il coordinamento delle attività operative. Il presente progetto mira a sviluppare un’architettura integrata, basata sulle più rececenti tecnologie dell'informazione e delle comunicazioni e su algoritmi di ottimizzazione e simulazione "ad hoc", per il controllo real-time di flotte di veicoli.

Il progetto si propone la realizzazione di un simulatore per lo studio di alcune malattie genetiche attraverso l’utilizzo di tecniche di Proteomica quali il protein folding, cioè il processo attraverso il quale una proteina assume la sua struttura tridimensionale nello spazio, e il molecular docking, ossia la tecnica volta a individuare le possibili interazioni tra le proteine, nella loro distribuzione spaziale, e altre molecole quali nuovi farmaci. In particolare, basi scientifiche provano che alcune malattie umane neurodegenerative, rare ma gravi, sono legate ad un difettivo import delle proteine nella membrana mitocondriale interna, come ad esempio la sindrome di Mohr-Tranebjaerg.

Sulla base di incoraggianti risultati ottenuti su un campione limitato di pazienti risulta fortemente auspicabile uno studio che possa coniugare tecniche convenzionali e non convenzionali di RMN alla metodica proteomica al fine di definire la capacità di questa nuova metodologia interdisciplinare applicata come mezzo di screening molecolare globale nella SM per la ricerca di bio-markers. In particolare, la forza di associazione statistica tra i dati di RMN e quelli di ciascuno spot proteico dei PBMC potrà indicare le caratteristiche di predittività di un dato pattern proteico rispetto al danno selettivo cerebrale. Con questo intento stiamo sviluppando software per l’analisi di immagini ottenute con tecnica convenzionale e non convenzionale di RMN encefalica. Il software prodotto, oltre ad automatizzare molte procedure di post analisi, rendendole ripetibili, fornirà strumenti specifici per l’analisi qualitativa/quantitativa dei gel prodotti dall’elettroforesi e del danno neurologico evidenziato dalle immagini digitali prodotte dalla MRI.