Mar11:0013:00Complesso Agripolis, Prima Stecca, Primo Piano, Dipartimento MAPS.Si prega di contattare il docente (cristian.taccioli at unipd.it) prima del ricevimento.Gio10:0012:00Complesso Agripolis, Prima Stecca, Primo Piano, Dipartimento MAPS.Si prega di contattare il docente (cristian.taccioli at unipd.it) prima del ricevimento.

Cristian Taccioli è Professore Associato presso l'Università di Padova. Ha conseguito una laurea in Biologia Molecolare, un dottorato di ricerca in Farmacologia Molecolare e Oncologia e un master di secondo livello in Biostatistica. Ha maturato esperienze accademiche e di ricerca presso l'Università di Bologna, l'Università di Ferrara, l'Università di Modena e Reggio Emilia, l'Ohio State University (OSU) e l'University College London (UCL).La sua attività di ricerca si focalizza sulla progettazione e sviluppo di molecole antibiotiche e anticancro attraverso l'impiego di algoritmi di intelligenza artificiale generativa. È inoltre interessato allo studio della Seconda Regola di Chargaff, con particolare attenzione al suo ruolo nella stabilità genomica.Per le sue attività di ricerca e sviluppo utilizza principalmente due linguaggi di programmazione, Python e R.

https://scholar.google.com/citations?hl=en&user=UYiLQVYAAAAJ

Le attività di ricerca del Professor Cristian Taccioli si focalizzano sulla genomica e sulla bioinformatica, con particolare attenzione alla progettazione di nuove molecole terapeutiche, in ambito antibiotico e antitumorale. Attraverso l’impiego di modelli di intelligenza artificiale generativa, tra cui modelli linguistici, GAN, modelli di diffusione e algoritmi di tipo Flow, sviluppa metodologie innovative per la creazione e l’ottimizzazione di molecole bioattive. Inoltre, il suo interesse si estende alla Seconda Regola di Chargaff, con l’obiettivo di approfondirne le implicazioni nella stabilità genomica e nell’attività dei trasposoni, in un contesto interdisciplinare che integra biologia computazionale e molecolare.

Titolo 1:
"Progettazione e sviluppo di strumenti informatici avanzati basati sull'intelligenza artificiale per l'identificazione e l'ottimizzazione di nuovi farmaci antibiotici e antitumorali"
Descrizione: La ricerca esplora lo sviluppo di algoritmi innovativi e pacchetti software che utilizzano modelli di intelligenza artificiale generativa e machine learning per progettare molecole bioattive. Particolare attenzione è rivolta alla creazione di antibiotici contro batteri multiresistenti e di farmaci antitumorali con elevata specificità, riducendo al minimo gli effetti collaterali.

Titolo 2:
"Caratterizzazione e scoperta di nuove famiglie di elementi trasponibili: un approccio computazionale basato sulla Seconda Regola di Chargaff"
Descrizione: La tesi propone un'analisi approfondita degli elementi trasponibili attraverso l'applicazione della Seconda Regola di Chargaff. Utilizzando modelli bioinformatici e algoritmi statistici, gli studenti esploreranno il ruolo di questi elementi nella stabilità genomica e nella regolazione genica, con implicazioni evolutive e biomediche.

Titolo 3:
"La possibilità di creare autocoscienza in sistemi di intelligenza artificiale: un'analisi filosofica ed epistemologica"
Descrizione: Questa tesi compilativa si rivolge a studenti interessati a esplorare le basi teoriche e le implicazioni etiche della creazione di sistemi di intelligenza artificiale dotati di autocoscienza. Attraverso una revisione critica della letteratura, lo studente analizzerà i modelli computazionali proposti, i limiti dell'attuale tecnologia e il significato dell'autocoscienza per le macchine, confrontandoli con concetti tradizionali di coscienza umana.

Titolo 4:
"Algoritmi creativi in intelligenza artificiale: un ponte tra psicologia e tecnologia"
Descrizione: Questa tesi compilativa è rivolta a studenti interessati a studiare come i modelli di intelligenza artificiale possano essere progettati per emulare o superare i processi creativi umani. Attraverso un'analisi della letteratura, lo studente esplorerà come la psicologia della creatività e i modelli di machine learning possono convergere per produrre algoritmi in grado di generare opere artistiche, idee innovative e soluzioni non convenzionali a problemi complessi.