Los Premios de Investigación de Google para América Latina (LARA) destacaron a 24 ganadores de Latinoamérica, dentro de los cuales hay 3 proyectos liderados por investigadores locales.
En una nueva edición de los Premios de Investigación de Google para América Latina “LARA” (Latin America Research Awards) se anunciaron los 24 proyectos seleccionados de 2021, entre los cuales aparecen tres liderados por equipos de investigadores argentinos, cuyos trabajos estuvieron enfocados en analizar aspectos genéticos y evolutivos de cepas autóctonas del COVID-19 en barrios vulnerables de la ciudad de Buenos Aires; construir modelos causales altamente interpretables a partir de noticias periodísticas; y el aprendizaje de incrustaciones moleculares para la reutilización de fármacos.
Los proyectos argentinos ganadores
Los trabajos argentinos se destacan por pertenecer a las áreas de aprendizaje automático y salud. A continuación, el detalle.
- Genómica y metagenómica del virus SARS-CoV-2 en Argentina. Análisis exhaustivo de aspectos genéticos y evolutivos de cepas autóctonas: liderado por Mariana Viegas y Mercedes Soledad Nabaes Jodar, el objetivo es analizar la transmisión y evolución del SARS-CoV-2 en barrios vulnerables de la ciudad de Buenos Aires. La hipótesis plantea que el contacto estrecho de sus habitantes por limitaciones de espacio promovería una transmisión y evolución distintiva que requería ser estudiada en particular. Dadas las condiciones socioeconómicas de estas comunidades, se podría presentar una epidemiología genómica única, así como el desarrollo de un microbioma nasofaríngeo singular.
- Aprendizaje de modelos causales a partir de medios digitales: encabezado por Ana Gabriela Maguitman y Mariano Maisonnave en el Instituto de Ciencias e Ingeniería de la Computación (ICIC, CONICET – Universidad Nacional del Sur) de Bahía Blanca, Argentina, el objetivo del proyecto es construir modelos causales altamente interpretables a partir de noticias periodísticas. Para lograrlo, las primeras etapas del proyecto estuvieron orientadas a la aplicación de técnicas de recuperación de información, procesamiento de lenguaje natural y aprendizaje automático para extraer eventos y otras variables relevantes de un gran volumen de textos de noticias. Además, desarrollaron una plataforma que combina distintas técnicas de aprendizaje causal para ser aplicada sobre las variables extraídas de las noticias.
- Aprendizaje de Representaciones Moleculares Vectoriales para el Reposicionamiento de Fármacos: presentado por Axel Soto y María Virginia Sabando, el proyecto tiene como objetivo estudiar y desarrollar representaciones moleculares novedosas para compuestos químicos y su uso para diferentes tareas, tales como el modelado QSAR, la reutilización de fármacos y la aplicación de modelos generativos para diseño de novo.
