Laboratorio CFC

Digital4Business

Digital4Business

Learn more about Digital4Business The future of business ...

CFC e un'iniziativa editoriale per la "cittadinanza attiva"

Il Laboratorio CFC partecipa ad un'iniziativa editoriale sul ...

Il laboratorio CFC e

Il laboratorio CFC e "l'Osservatorio delle Competenze Digitali 2017"

      Il Laboratorio CFC ha partecipat ...

Survey sulla formazione in ICT Security - iniziativa congiunta dei laboratori CFC e Cybersecurity

CINI, con i suoi due laboratori nazionali CFC (Competenze di ...

Nuovo nodo del Laboratorio CFC-Università di Bari

Ottobre 2016 - Attivato un nuovo nodo del Laboratorio presso ...

Convention AICA, Milano 27 ottobre 2016

Convention AICA, Milano 27 ottobre 2016

E' online la pagina dedicata alla Convention AICA che si ter ...

Presentazione fatta al GII/GRIN 08-09-2016

Presentazione fatta da Marco Ferretti a Bologna all'Assemble ...

DIDAMATICA 2016 - UDINE 19-21 Aprile

DIDAMATICA 2016 - UDINE 19-21 Aprile

AICA dà il via alla 30° edizione di Didamatica p ...

Conversazioni su competenze e lavoro digitale

Conversazioni su competenze e lavoro digitale

  AICA, da tempo impegnata nelle qualificazioni e ce ...

The Department of Computer Science, Università degli Studi di Milano has just concluded the European project  ParBigMen. The project lasted two years, from 2020 to 2022, and has been carried out in collaboration with the Department of Ecological and Biological Sciences (DEB) at Università della Tuscia, Viterbo, Italy, and The Jackson Laboratory for Genomic Medicine, Farmington, CT (USA).

The project aimed to discover pathogenic variants associated with genetic diseases, using Machine Learning and advanced High Performance Computing methods. In particular, the project aimed to improve the results obtained so far in the context of Mendelian diseases by using an expanded dataset. This involved very demanding computations, performed on the HPC resources of SuperMUC-NG, a HPC cluster ranked in the top 10 supercomputers in the world.

Researchers fine-tuned the Machine Learning models and successfully discovered the minimum set of genomic features in a reasonable amount of time (12 hours on the SuperMUC-NG cluster, compared to estimated 2 years on a single machine). The developed code is available at https://github.com/AnacletoLAB/parSMURF-NG.

News by prof. Giorgio Valentini, Department of Computer Science, Università degli Studi di Milano

 

Share This

S5 Box

Cini Single Sign ON

Questo sito memorizza solo cookie tecnico/funzionali. Se vuoi saperne di più vai alla sezione Cookie Policy