Mestrelab Research presenta unha plataforma que acelera a investigación coa análise avanzada de datos

Mestrelab Research presentou hoxe os resultados do proxecto SCI-Data, unha iniciativa orientada ao desenvolvemento dunha solución tecnolóxica avanzada e con ampla marxe de evolución para a xestión, procesamento e estandarización de grandes volumes de datos científicos procedentes de múltiples fontes, con especial foco na investigación en sectores químicos, farmacéuticos e de ciencias da vida.
O obxectivo é “dar resposta a un dos grandes retos actuais destes sectores: a dificultade de integrar e aproveitar datos científicos complexos e heteroxéneos, que hoxe en moito casos permanecen fragmentados ou pouco interoperables, limitando o seu uso en investigación e desenvolvemento”, informaron dende Mestrelab, engadindo que o proxecto SCI-Data permitiu desenvolver unha plataforma tecnolóxica capaz de unificar, procesar e automatizar grandes volumes de datos científicos procedentes de distintas fontes e tecnoloxías analíticas utilizadas en contornas de laboratorio. Entre elas inclúense técnicas amplamente utilizadas en investigación como a resonancia magnética nuclear (RMN), a espectrometría de masas (LC/GC-MS) ou distintas modalidades de espectroscopía, fundamentais na análise química, farmacéutico e biomédico.
A presentación de resultados tivo lugar este xoves no Centro de Investigación Mestrelab (CIM) de Santiago de Compostela e contou coa participación de representantes das entidades implicadas no proxecto, entre eles, Felipe Seoane, director de Desenvolvemento de Software de Mestrelab; Agustín Barba, director de Desenvolvemento de Software de SciY, Alejo Santolino, coordinador de marco legal de datos e análises de negocio do proxecto OneHealth DataSpace do Centro de Supercomputación de Galicia (CESGA); Jorge Amor, responsable de Datos e Infraestrutura IA do centro tecnolóxico Gradiant; María Silveira, manager de proxectos innovadores do Clúster Tecnolóxico Empresarial das Ciencias da Vida de Galicia (BIOGA); e Lucía Castro, xerente de DataLife.
Un dos principais focos do proxecto foi o tratamento dos denominados datos espectrais na industria farmacéutica, un tipo de información científica caracterizada pola súa elevada complexidade, volume e diversidade de formatos.
Estes datos, xerados decote en contornas de laboratorio, adoitan proceder de distintas tecnoloxías analíticas e almacénanse en formatos heteroxéneos, o que, segundo fixeron saber, “dificulta a súa integración, comparación e reutilización”.
SCI-Data aborda este reto mediante procesos de estandarización que permiten transformar esta información en datos estruturados e preparados para a súa explotación en contornas de investigación: “O reto era que os datos se puidesen exportar noutros formatos e que, nesa exportación, existise un esquema que permitise a súa interoperabilidade e reusabilidade” expuxo Felipe Seoane (Mestrelab).
Así, a solución técnica desenvolvida inclúe a automatización de procesos como a lectura, a análise e a conversión de formatos obsoletos. Ademais, deseñouse para garantir que os datos científicos poidan ser utilizados de forma eficiente en distintas contornas e por diferentes organizacións.
Este enfoque, explicaron, “contribúe a mellorar a interoperabilidade da información e a avanzar cara a ecosistemas de datos máis conectados, nos que a investigación poida apoiarse en fontes de datos integradas en lugar de sistemas illados”.
Un proxecto estratéxico para a dixitalización científica
O proxecto enmárcase nas estratexias europeas de transformación dixital de sectores estratéxicos, orientadas a impulsar a creación de espazos de datos, para facilitar o intercambio federado de datos e mellorar a competitividade científica e industrial. Precisamente Alejo Santolino (CESGA) sintetizou este obxectivo baixo unha idea clave: “Os datos illados describen o pasado pero, cando os conectamos, é cando xeramos futuro”.
SCI-Data desenvolveuse coa colaboración do CESGA, impulsor do OneHealth DataSpace apoiado por DataLife; así como coa colaboración doutras organizacións académicas, industriais e tecnolóxicas como Gradiant, Optimal, DataLife e BIOGA.