http://elea.unisa.it/xmlui/handle/10556/60 2026-04-14T11:30:14Z http://elea.unisa.it/xmlui/handle/10556/7919 New insights on the ecology of underground ecosystems toward a sustainable management strategy Addesso, Rosangela Underground cavities represent some of the less explored places on the planet (Lee et al., 2012). In fact, excluding the known carbonate dissolution/precipitation processes, leading to the formation of holes in the host rock, as well as speleothems, little is known about the ecology of these fascinating and enigmatic ecosystems. In spite of this, caves are generally object of tourist adaptations, which can activate an irreversible impairment of the biogeochemical equilibria, whose load, until now, is not estimated accurately, due to the scanty information in this regard (Chiesi and Badino, 2008). The anthropogenic effects on the air compartment represent the most indiscernible and not immediately recognizable alteration, just thinking to the heat or breathing produced by human body, influencing the natural temperature, relative humidity and CO2 concentrations. Moreover, visitors can be carriers of inorganic and organic matter (dust, hair, bacteria, seeds…) constituting an important energy input, as well as a trophic source, in the cave oligotrophic ecosystem, affecting its natural energy regime (Russell and MacLean, 2008; Jurado et al., 2008; Smith et al., 2013; Bruno et al., 2014). These factors are able to influence the reactions at the interface between the atmosphere and the other compartments (lithosphere, hydrosphere and biota), fundamental in controlling the ecosystem processes, that ensure the functioning of the whole underground ecosystem (Pulido-Bosch et al., 1997; Milanolo and Gabrovšek, 2009; de Freitas, 2010; Lang et al., 2015a; Lang et al., 2015b; Howarth, 2019). Hence, the necessity to develop new, sturdy and low-cost tools, including also sensors for data acquisition and modelling applications (Bugmann et al., 2000; Schmolke et al., 2010), to monitor and assess continuously cave atmosphere, providing to the authority valid and efficient devices helping them in the sustainable management. [preface edited by Author] 2020 - 2021 2022-03-08T00:00:00Z http://elea.unisa.it/xmlui/handle/10556/7447 Exploring batch and flow catalytic reactions as valuable tools for safer and greener synthesis of APIs and their fluorine intermediates Franco, Francesca Il gruppo trifluorometiltio (SCF3) assume un ruolo chiave nel campo della scoperta di farmaci grazie alle sue proprietà uniche. Il forte carattere elettron-attratore e lipofilo rende vantaggiosa la sua incorporazione in molecole biologicamente attive. Diversi metodi per l'introduzione di questo gruppo in posizione di composti carbonilici sono stati studiati, ottenendo risultati importanti per chetoni, aldeidi e composti 1,3-dicarbonilici sia in condizioni batch che di flusso. Tuttavia, sono stati riportati pochi metodi per l'α-trifluorometiltiolazione dei derivati dell'acido carbossilico. In questo lavoro di dottorato industriale, in collaborazione con Laboratori Alchemia, in primo luogo è stato sviluppato un comodo metodo catalitico e privo di metalli per l'introduzione del gruppo SCF3 in posizione di derivati dell'acido carbossilico tramite N-acil pirazoli come surrogati, suscettibile di condizioni blande per la formazione di enolati e la semplice trasformazione one-pot, in ammidi, esteri o acidi carbossilici (Schema Ia). Inoltre, nel tentativo di sviluppare sintesi più convenienti adatte anche ad applicazioni industriali, è stata sviluppata una sintesi telescopica degli stessi prodotti, partendo direttamente da fonti commerciali sfruttando la tecnologia della flow chemistry. Con questa strategia, l'impronta ambientale e il tempo di reazione del processo one-pot vengono notevolmente ridotti, riducendo al minimo la produzione di rifiuti ed evitando la purificazione degli intermedi (Schema Ib). [a cura dell'Autore]; he trifluormethylthio (SCF3) group assume a key role in the field of drug discovery thank to its unique properties. The high electron-withdrawing and lipophilic character made advantageous its incorporation in biologically active molecules. Different methods for the introduction of this group at the -position of carbonyl compounds have been intensively investigated, achieving important results for ketones, aldehydes and 1,3- dicarbonyl compounds both under batch and flow conditions. However, few methods have been reported for the α-trifluoromethylthiolation of carboxylic acid derivatives. In this industrial doctoral work, in collaboration with Laboratori Alchemia firstly a convenient metal-free and catalytic one-pot route for the introduction of SCF3 group at -position of carboxylic acid derivatives via Nacyl pyrazoles as surrogates was developed, amenable to mild conditions for enolate formation and simple transformation in one-pot fashion, into amides, esters, or carboxylic acids (Scheme Ia). Furthermore, with the attempt to develop more convenient synthesis also suitable for industrial applications, a telescopic synthesis of the same products, starting directly from commercial sources by exploiting the flow chemistry technology, has been developed. With this strategy, the environmental footprint and the reaction time of the one-pot process are considerably reduced, minimizing the waste production and avoiding purification of the intermediates (Scheme Ib). [edited by Author] 2020 - 2021 2022-06-06T00:00:00Z http://elea.unisa.it/xmlui/handle/10556/7444 Artificial Intelligence methods for supporting biomedical data analysis Frasca, Maria Artificial intelligence (AI) is a fundamental technology useful in many fields, ranging from finance, weather forecast, to medicine. Positive results are reached especially in the diagnostic field, where AI provides a great support to the physician’s assessments. The goal of this thesis is to support biomedical data analysis by means Artificial Intelligence methods and techniques. To this aim I define processes based on Machine Learning capable of improving diagnoses, by identifying the schematics of a well-determined pathology. These tools will be available to clinicians, in order to be able to intervene on patients through countermeasures adapted to their specific needs. I have concentrated my attention on the detection two kinds of diseases: (i) the degenerative disease, such as Parkinson and Coloboma, and (ii) the oncological disease, such as Leukemia and Melanoma. In particular, in the case of Parkinson, it is difficult to formulate a clinical diagnosis because there are neither objective tests nor specific biochemical and neuroradiological markers. I apply IR techniques to patient records belonging to a standard dataset for classifying Parkison patients on the base of the reports produced during the different visits. The obtained results are very promising on the use of this tool in the clinical practice. I also investigate how traditional biometric techniques may fail in presence of a iris pathology, such as Coloboma. Thus, I adopted Artificial Intelligence techniques for detecting irises affected by Coloboma, I demonstrated that traditional biometrics alghorithms fail in presence of this disease, such as the ones proposed by Daugman and Canny. Thus, I develop an algorithm which extends the largely adopted Daugman’s algorithm and allows also the people affected by this disease to be recognized by biometrical systems. In this way, they are not excluded by the access a services secured by iris detection. I also experiment Artificial Intelligence models and technique to detect in the case of the detection of oncological disease. In particular, concerning Leukemia I define a process aiming at detecting a set of differentially expressed genes in terms of methylation level, i.e., genes that in different conditions have an expression level significantly different in the Acute Myeloid Leukemia (AML) and Acute Lymphoblastic Leukemia (ALL) cases, and their characteristic pathways. The detection of gene expression data samples involves feature selection and classification. To this aim, Deep Learning models have been adopted (e.g., feature selection techniques and classifiers methods). A methodology is also proposed for the classification of melanoma by adopting different Deep Learning techniques applied to a common image dataset extracted from the ISIC dataset and consisting of different types of skin diseases, including melanoma on which is applied a specific pre-processing phase. The results of the adopted techniques (i.e., ResNet, 2D CNN, and SOM) are compared to select the best effective neural network for the recognition and classification of melanoma and evaluate the impact of the pre-processing phase. I also propose an augmented reality application for to support of the diagnosis of melanoma. It exploits both Artificial intelligence and image processing techniques. I describe in detail the real-time process proposed to display the augmented nevus information and evaluated the real-time performances and the app usability. The main results of the proposed approaches are encouraging and suggest that they may be considered in the practical clinical. In the future, I plan to use artificial intelligence models and techniques and image processing to analyze Magnetic Risonance Images of the brain to detect progression of Parkinson’s disease. Furthermore, the results obtained in the case of Coloboma of the eye could be extended and studied in other ophthalmic diseases. [edited by Author]; L'intelligenza artificiale (AI) è una tecnologia molto utile in diversi campi, che vanno dalla finanza, alle previsioni del tempo, alla medicina. Risultati positivi si ottengono soprattutto in ambito diagnostico, dove l'IA fornisce un grande supporto alle valutazioni del medico. L'obiettivo di questa tesi è supportare l'analisi dei dati biomedici attraverso metodi e tecniche di Intelligenza Artificiale. A tal fine definisco processi basati sul Machine Learning in grado di supportare le diagnosi, individuando gli schemi di una determinata patologia. Questi strumenti saranno a disposizione dei medici, in modo da poter intervenire sui pazienti attraverso contromisure adattate alle loro specifiche esigenze. Ho concentrato la mia attenzione sulla rilevazione di due tipi di malattie: (I) la malattia degenerativa, come il Parkinson e il Coloboma, e (ii) malattie oncologiche, come la leucemia e il melanoma. In particolare, nel caso del Parkinson, è difficile formulare una diagnosi clinica perché non ci sono test oggettivi né marcatori biochimici e neuroradiologici specifici. Ho applicato le tecniche IR alle cartelle dei pazienti appartenenti a un dataset standard per la classificazione dei pazienti affetti da Parkison sulla base dei referti prodotti durante le diverse visite. I risultati ottenuti sono molto promettenti per quanto riguarda l’uso di questo strumento nella pratica clinica. Ho indagato anche su come le tecniche biometriche tradizionali possano fallire in presenza di una patologia dell'iride, come il coloboma. Così, ho adottato tecniche di Intelligenza Artificiale per rilevare le iridi affette da Coloboma, ho dimostrato che gli algoritmi biometrici tradizionali falliscono in presenza di questa malattia, come quelli proposti da Daugman e Canny. Così, ho sviluppato un algoritmo che estende l'algoritmo di Daugman largamente adottato e consente anche alle persone affette da questa malattia di essere riconosciute dai sistemi biometrici. In modo tale da non poter essere dall'accesso a servizi protetti basati sul rilevamento dell'iride. Inoltre, ho sperimentato modelli e tecniche di Intelligenza Artificiale per la detection di malattie oncologiche. In particolare, per quanto riguarda la Leucemia definisco un processo volto a rilevare un insieme di geni differenzialmente espressi in termini di livello di metilazione, cioè geni che in diverse condizioni hanno un livello di espressione significativamente diverso come nella Leucemia mieloide acuta (AML) e leucemia linfoide acuta (AML). Il repertamento dei campioni di espressione genica implica la selezione e la classificazione delle caratteristiche. A questo scopo sono stati utilizzati modelli di Deep Learning (ad esempio, tecniche di selezione delle caratteristiche e metodi di classificazione). Viene inoltre proposta una metodologia per la classificazione del melanoma adottando diverse tecniche di Deep Learning applicate al dataset di immagini ISIC costituito da diversi tipi di malattie della pelle, incluso il melanoma su cui viene applicata una specifica fase di pre-processing. I risultati delle tecniche adottate (es. ResNet, 2D CNN e SOM) vengono confrontati per selezionare la migliore rete neurale per il riconoscimento e la classificazione del melanoma e valutare l'impatto della fase di pre-elaborazione delle immagini. Propongo anche un'applicazione di realtà aumentata a supporto della diagnosi di melanoma. Essa sfrutta sia tecniche di Intelligenza Artificiale che tecniche di elaborazione delle immagini. Descrivo in dettaglio il processo in tempo reale proposto per visualizzare le informazioni del nevo e valutato le prestazioni in tempo reale e l'usabilità dell'app. I principali risultati degli approcci proposti sono incoraggianti e suggeriscono che possono essere presi in considerazione nella pratica clinica. In futuro, ho intenzione di utilizzare modelli e tecniche di intelligenza artificiale e di elaborazione delle immagini per analizzare le immagini di risonanza magnetica del cervello per rilevare la progressione del morbo di Parkinson. Inoltre, i risultati ottenuti nel caso del Coloboma dell’occhio potrebbe essere estesi e studiati in altre malattie oftalmiche. [a cura dell'Autore] 2020 - 2021 2022-05-06T00:00:00Z http://elea.unisa.it/xmlui/handle/10556/7441 New metal catalysts for Ring-Opening Polymerization of cyclic esters Impemba, Salvatore I problemi ambientali ed economici legati ai polimeri derivanti da fonti petrolchimiche hanno spinto la ricerca accademica verso lo sviluppo di alternative green e degradabili rispetto alle plastiche convenzionali. I poliesteri alifatici possono essere considerati un’alternativa sostenibile rispetto ai polimeri convenzionali di origine petrolifera. La polimerizzazione per apertura di anello di esteri ciclici (ROP) catalizzata da complessi metallici permette di ottenere poliesteri alifatici con masse molecolari controllate usando blande condizioni di reazione ed si evita la formazione di piccole molecole come sottoprodotti.1 Nel mio progetto di dottorato mi sono focalizzato sullo sviluppo di nuovi sistemi catalitici per la ROP di esteri ciclici basati su complessi metallici del gruppo IV o Al. I metalli scelti sono non tossici, biocompatibili ed economici, caratteristiche molto ricercate in campo accademico, industriale e medico. 2 In particolare in questo progetto ho sviluppato nuovi catalizzatori nel quale il metallo è supportato da leganti lineari bidentati, tetradentati e tridentati contenenti funzioni ammidiche accoppiate con gruppi tioeteri (NS, NSSN e NSO). Ho concentrato la mia attenzione su questo tipo di leganti perché è stato dimostrato che i leganti donatori di ammidi sono leganti adatti per i primi metalli di transizione. Vale la pena notare che l'efficienza dei complessi del gruppo IV e Al con leganti ammidici nella ROP degli esteri ciclici è stata a malapena esplorata.3 Leganti e complessi sintetizzati sono stati caratterizzati mediante spettroscopia di massa e NMR e, quando possibile, mediante analisi di diffrazione di raggi X. Le prestazioni catalitiche dei complessi nella ROP di esteri ciclici, come L-Lattide, sono state ampiamente studiate e tutti, sia quelli del gruppo IV che quelli di Al, hanno dimostrato di essere attivi nella polimerizzazione. I poliesteri ottenuti sono stati caratterizzati mediante spettroscopia NMR, cromatografia a permeazione di gel (GPC) e calorimetria a scansione differenziale (DSC). [a cura dell'Autore]; The environmental and economic problems related to the petrochemical-derived polymers have driven the academic research toward the development of green and degradable alternatives to conventional plastics. The aliphatic polyesters can be considered a sustainable alternative to conventional polymer of petrochemical origin. The ring opening polymerization (ROP) of cyclic esters catalyzed by metal complexes allows obtaining aliphatic polyesters with controlled molecular masses using mild reaction conditions and avoids the formation of small molecule byproducts.1 In my PhD project I focused on developing new catalytic systems for the ROP of cyclic esters based on group IV or Al metal complexes. The chosen metals are nontoxic, biocompatible and non-expensive, characteristics much sought after in the academic, industrial and medical fields.2 In particular in this project I developed new catalysts in which the metal is supported by linear bidentate, tetradentate and tridentate ligands that exhibit amide functions coupled with thioether groups (NS, NSSN and NSO). I have focused my attention on this type of ligands because amide donor ligands have been proven to be well-suite ligands for early transition metals. It is worth to note that the efficiency of group IV and Al complexes with amide ligands in the ROP of cyclic esters was barely explored.3 Synthetized ligands and complexes were characterized by Mass and NMR spectroscopy, and when possible, by X-ray diffraction analysis. The catalytic performances of the complexes in the ROP of cyclic esters, such as L-Lactide, were extensively investigated and all, both those of group IV and Al, have been shown to be active in the polymerization. The obtained polyesters were characterized by NMR spectroscopy, gel permeation chromatography (GPC) and differential scanning calorimetry (DSC). [edited by Author] 2020 - 2021 2022-05-28T00:00:00Z