uma posição para a categoria equiparada a Assistente de Investigação - PORTO

Funções a desempenhar: Esta é uma oferta de emprego para um Candidato a Doutoramento (DC) para a Rede Europeia de Formação "Natural Traces" (Projeto 101120165, Horizon Europe, ver https://cordis.europa.eu/project/id/101120165). O DC estará envolvido em investigação de ponta no contexto da utilização de ADN não humano no reconhecimento e interpretação forense. Trata-se de um domínio que tem sido objeto de investigação e debate significativos nos últimos anos. A Rede Europeia de Institutos de Ciências Forenses (ENFSI) publicou recomendações a favor de um quadro de decisão Bayesiano para a comunicação de resultados que envolve a interpretação das observações forenses através da lente dos rácios de verosimilhança (LR). Esta abordagem visa estabelecer uma metodologia comum a todas as disciplinas forenses, promovendo uma apresentação normalizada e quantitativa dos resultados para ajudar os responsáveis a avaliar o peso da evidência genética. No entanto, apesar do sucesso das metodologias Bayesianas em problemas onde a análise de ADN é efetuada para distinguir ou relacionar indivíduos da mesma espécie, desafios persistem na quantificação da prova em vários cenários da vida real envolvendo ADN não humano interespécies. Fatores como a escassez de dados, hipóteses múltiplas, elevada dimensionalidade e misturas de materiais vestigiais tornam o problema geral um desafio, tanto do ponto de vista estatístico como computacional. Neste contexto, a inteligência artificial e a aprendizagem automática oferecem uma grande oportunidade para a quantificação eficaz da prova num enquadramento Bayesiano, suportando a atividade e as decisões dos peritos forenses. Em particular, este projeto visa aplicar os métodos mais recentes de Inteligência Artificial, Redes Neuronais Profundas e análise Bayesiana, para desenvolver modelos descritivos e preditivos de dados de estrutura de comunidades de microbiomas e macrotraços. O DC estará diretamente envolvido no pacote de trabalho WP 5: “Forensic statistics and Bayesian thinking”, cujos objetivos são expressar o valor forense de evidências de vestígios biológicos, extrair dados forenses importantes de perfis (únicos e/ou misturas), apresentar valorações estatísticas (probabilidades ou razões de verossimilhança) para quantificar evidências de vestígios naturais.
Objetivos específicos deste projeto incluem:
1) Testar a adequação da Inteligência Artificial na discriminação de perfis do microbioma;
2) Testar a adequação de Redes Neuronais Profundas na discriminação de perfis do microbioma;
3) Testar a adequação da Inferência Bayesiana na discriminação de perfis do microbioma.

As tarefas específicas incluem:
? Análise de controlo de qualidade dos dados do microbioma;
? Avaliação da normalização de dados e das etapas de processamento da engenharia de características para fornecer modelos robustos e fiáveis.
? Caracterização de misturas (contaminação) de microbiomas no que respeita aos seus padrões temporais e espaciais;
? Aplicação de métodos de IA generativa, incluindo redes adversariais generativas, para aumentar os dados do microbioma;
? Aplicação de métodos Bayesianos para estabelecer relações causais entre o microbioma e os metadados disponíveis;
? Desenvolvimento de modelos de previsão baseados em modelos de Aprendizagem Automática e Redes Neuronais Profundas para diferentes conjuntos de dados de microbioma (por exemplo, amostras de eDNA, traços macroscópicos, traços de solo);
? Escrita de relatórios de progresso, artigos científicos, apresentação do trabalho em reuniões científicas, disponibilização de código fonte, devendo contribuir especificamente para os entregáveis 5.4, 5.6, 5.8 do Grant Agreement;
? Redação de uma tese de doutoramento e promoção do conhecimento científico. No final do mês 33, deverá ser entregue aos orientadores um documento completo de tese, para revisão e posterior submissão para efeitos de provas públicas no mês 36.