Una chiacchierata con: Alessio Sommovigo, Back-end Developer e responsabile BU Chemoinformatics

Ciao Alessio, ci vuoi spiegare un po’ in che consiste il tuo lavoro in questo ambito così specifico della Data Science, la Chimica Computazionale?

Io mi occupo dello sviluppo di soluzioni software di Chimica Computazionale, implementando algoritmi e modelli  studiati e creati dai nostri chimici computazionali e rendendoli utilizzabili dai nostri clienti a seconda delle loro esigenze tecniche.

A volte si tratta di integrare tali soluzioni in architetture o framework già esistenti, oppure di renderle software stand-alone corredandole di un’interfaccia grafica o a linea di comando, lavorando a stretto contatto con chi si occupa dello sviluppo front-end.

Ci fai qualche esempio di software stand-alone sviluppato?

La maggior parte dei software stand-alone che ci troviamo a sviluppare sono in ambito regolatorio. Si tratta di richieste arrivate da parte di aziende la cui esigenza è di capire se la nuova molecola in studio per un nuovo prodotto (sia esso in ambito farmacologico, alimentare o biotecnologico) possa essere commercializzata, rientrando (o meno) entro certi parametri ecotossicologici.

Questi sistemi sono in grado, data in input una struttura molecolare, di cercare tutte le informazioni della stessa all’interno di database di supporto alle principali normative UE  (REACH, ANNEX VI, SIN, etc.).

La soluzione sviluppata estrae e incrocia le caratteristiche che consentono di capire se e quanto il composto rispetti i limiti regolatori vigenti. 

Qual è il percorso che ti ha portato a interessarti alla Chimica Computazionale?

Io non ho una formazione da chimico computazionale. La Laurea in Ingegneria Biomedica mi ha dato una prima base di competenze informatiche e una certa attitudine alla visione critica: da ingegneria ho acquisito la forma mentis per analizzare i problemi in maniera razionale e per vedere subito sia i pro che i contro di ogni soluzione.

Con l’esperienza e per esigenze lavorative ho approfondito vari aspetti dello sviluppo software. Ho iniziato lavorando come sistemista in un’importante industria cartaria, esperienza che mi ha lasciato in eredità un certo focus sull’aspetto architetturale di una soluzione software.

Penso che competenze variegate e un approccio orientato alla soluzione siano di aiuto nel mondo dello sviluppo software ma in Chemoinformatica non basta: oltre a tutto questo ho dovuto approfondire conoscenze di dominio e mantenermi costantemente aggiornato sulle ultime ricerche scientifiche.

Proprio per questo mi sono appassionato così tanto a questa materia.

Tornando allo sviluppo software: quali peculiarità ci sono nella Chimica Computazionale?

Come dicevo quello della chimica computazionale è un ambito che richiede una profonda conoscenza di dominio. 

La nostra clientela non è solo interessata al funzionamento dal punto di vista tecnico delle soluzioni che proponiamo, ma vuole essere consapevole anche delle implementazioni algoritmiche e teoriche che ci sono dietro.

Questo forse è il principale aspetto che rende diversa la costruzione di soluzioni di Intelligenza Artificiale in questo particolare ambito: non è sufficiente conoscere le esigenze tecniche specifiche dei progetti. 

Per questo, al di là della mia personale esperienza in questo settore, sono lieto di poter contare sulle competenze di altissimo livello degli specialisti che abbiamo nel team.

Parliamo di team e di integrazione di competenze: è un aspetto importante nel vostro settore? Quali metodi di lavoro applicate per far sì che tutti si possano esprimere al meglio?

E’ ovvio che avere un gruppo di lavoro multidisciplinare ha il vantaggio di poter attingere al contributo e alle competenze specifiche di ciascuno.

Dal momento che ci troviamo di fronte a ricercatori, professori universitari ed in generale persone con un alto livello di specializzazione,dobbiamo essere in grado di  confrontarci con loro con competenza e precisione a tutti i livelli.

Un team coeso in cui le diverse competenze si integrano è quindi fondamentale. 

Il metodo di lavoro e gli strumenti che abbiamo scelto di usare sono pensati per garantire che il contributo di ciascuno sia ottimale e mai ridondante, evitando lavoro ripetitivo spesso oneroso.

Questo ci consente di lavorare in modo modulare, diminuendo i tempi di sviluppo, di aggiornamento e manutenzione.

Questo caratterizza l’approccio di tutta Kode: la creazione di strumenti  e processi che consentono di risparmiare tempo su tutto quello che è standardizzabile, per concentrare i nostri sforzi su quanto deve essere sviluppato custom. In fin dei conti è il pensiero che ha spinto tutti i backend developer di Kode (me incluso) a sviluppare insieme un framework di nome Princess che rende disponibili gli strumenti di sviluppo per il Data Scientist, semplificando e ottimizzando le integrazioni.

Nel tuo ruolo di responsabile della BU quali nuove sfide hai affrontato?

In questo nuovo ruolo mi trovo ad affrontare due aspetti molto diversi del nostro lavoro, ma devo ammettere che la compresenza di ruolo manageriale e ruolo tecnico è un grande valore aggiunto: ora più di prima sono in grado di capire le esigenze del cliente anche al di fuori del perimetro del progetto su cui collaboriamo e di proporre quindi soluzioni adeguate anche lato business.

Da quando sono responsabile della BU ho scelto di dare un nuovo impulso alla parte di ricerca e sviluppo per rispondere meglio alle esigenze dei nostri clienti, rimanendo sempre aggiornati sulle ultime ricerche scientifiche e sulle soluzioni tecnologiche più innovative.

Questo approccio ci permette di colmare quei gap che sono presenti nelle soluzioni già esistenti 

Dopo anni dalla release di Vega Toolkit (applicazione di modelli QSAR multipli in ambito ecotossicologico), stiamo sviluppando un’intera suite di prodotti in grado di accompagnare i chimici computazionali lungo tutto il processo di modellazione QSAR. Siamo già usciti con il primo prodotto di questa suite: FAST (Features Analysis and Selection Tool), uno strumento immediato per risolvere efficacemente il problema della Features Selection.

Le altre soluzioni della suite sono in sviluppo e andranno a risolvere aspetti chiave della modellazione QSAR.

C’è grande fermento e ne sono davvero fiero.