Innovative Projects Realized

Apprentissage machine quantique pour la prédiction de l’efficacité de nouveaux médicaments anti-inflammatoires : application pour la prédiction de l’affinité d’inhibiteurs de l’enzyme 5-lipoxygénase

Le développement d’une molécule de la conception jusqu’à l’obtention d’un médicament est un processus couteux. Dans ce processus, la première étape consiste à synthétiser une série de molécules qui inhibent une action biologique particulière, généralement médiée par un récepteur ou une enzyme. Les essais biologiques et cliniques peuvent être les étapes les plus couteuses de tout le processus de conception d’un médicament. Le recours à l’intelligence artificielle pour la modélisation moléculaire pourra réduire considérablement le temps et par conséquence les couts de cette importante étape de la découverte d’un médicament.
Parmi les cibles thérapeutiques d’intérêt, les lipoxygénases sont des enzymes cliniquement pertinentes qui sont responsables du métabolisme de l’acide arachidonique par l’insertion d’un atome d’oxygène. Parmi les pathologies liées aux métabolites générés par les lipoxygénases, on peut citer l’athérosclérose, l’asthme, la polyarthrite rhumatoïde et le cancer. En particulier, la 5-lipoxygénase (5-LO) semble être liée à ces maladies à composante inflammatoire, notamment les maladies des voies respiratoires telles que l’asthme et la rhinite.
Dans ce projet, nous proposons d’utiliser l’apprentissage automatique quantique pour simuler rapidement et avec précision l’affinité des inhibiteurs de la 5-LO. Cette approche représente une alternative prometteuse aux méthodes expérimentales traditionnelles, en accélérant la découverte de nouveaux traitements.

Hybrid AI Pipelines for Compression and Retrieval in Long-Term Financial Decision-Making

This proposal aims to address a growing challenge in Canada’s financial technology sector that is to analyze ultra-long-term, unstructured financial documents in private markets for explainable decision making. Canadian investors play a significant role in the global private capital market which is estimated by industries to exceed USD $20 trillion by 2030. Unlink public markets, where data is standardized and accessible, private investments rely heavily on thousands of long and inconsistently structured documents with redundant sections and content. Analysts spend 15–20 hours per week manually extract, verify and interpret KPIs and risk metrics from these documents. Top private-equity firms begin to adopt and deploy AI for speed, and cost-effectiveness but acknowledge the risks caused by current AI models that truncate long-term data, use simple aggregation, missing critical anomalies along long trends over decades. This opacity reduces transparency and trust, hence hampers investment decisions and risk economic inefficiencies in Canada’s private market which supports Canada’s pension funds. This project advances new technical knowledge at the interaction of AI, finance and software engineering. 1) Redundancy-Aware Token Compression. A method for compressing long and redundant financial documents while preserving multi-quarter, multi -year trends and identifying anomaly essential in decision making. 2) Multi-Resolution Document Analysis Pipelines. A processing pipeline that extracts key insights using key-value query framework developed byAltQ.ai at multiple timescales including sentence-level, section-level, document-level to support trend detection and anomaly alerts over long time span of decades. 3) Financial-Domain Metrics and Benchmarking. The definition of financial-specific metrics and indexing surpass SOTA’s limitation in uniformed chucking of long documents. setting the benchmark validates over thousands of datasets. 4) Explainable and Human-AI Collaboration Design. The design that embraces explanation and human-AI collaboration ensures compliance with Canadian and global regulatory frameworks for data and AI governance in finance.

Analyse sémiologique des stratégies d’oralité et des structures narratives dans Allah n’est pas obligé et Monkey Beach 

Ce projet de recherche porte sur l’analyse de deux romans, Allah n’est pas obligé de l’écrivain ivoirien Ahmadou Kourouma et Monkey Beach de l’autrice autochtone canadienne Eden Robinson. L’objectif est d’étudier comment ces auteurs utilisent des formes orales (comme les récits parlés, les proverbes, ou les dialogues familiers) et des structures narratives particulières pour raconter des histoires marquées par la guerre, la mémoire, la famille ou la culture. Grâce à une approche appelée « analyse sémiologique », le projet cherchera à mieux comprendre comment les mots, les sons et les formes de récit transmettent des émotions, des messages et des identités culturelles. Ce travail pourra servir à enrichir les outils d’analyse littéraire, à mieux valoriser les récits issus de contextes marginalisés, et à encourager une meilleure reconnaissance des voix culturelles diverses dans la société.

Approche d’Apprentissage Quantique pour la Découverte d’Inhibiteurs de la 5-Lipoxygénase : Vers de Nouveaux Agents Anti-inflammatoires

Le développement de nouveaux médicaments constitue un processus long, coûteux et complexe, s’étendant de l’identification de composés bioactifs jusqu’à leur mise sur le marché. L’une des premières étapes de ce processus consiste à concevoir et synthétiser des molécules capables de moduler une activité biologique spécifique, généralement en interagissant avec une enzyme ou un récepteur cible. Ces dernières années, l’intelligence artificielle (IA) a émergé comme un levier puissant pour optimiser et automatiser cette phase cruciale, en permettant une réduction significative des délais et des coûts associés à la découverte de candidats thérapeutiques.
Parmi les cibles enzymatiques d’intérêt, les lipoxygénases occupent une place importante en raison de leur rôle dans le métabolisme de l’acide arachidonique, catalysant l’incorporation d’un atome d’oxygène dans cette molécule. Les produits de cette réaction sont impliqués dans diverses pathologies inflammatoires et chroniques, telles que l’asthme, l’athérosclérose, la polyarthrite rhumatoïde ou certains cancers. En particulier, la 5-lipoxygénase (5-LO) joue un rôle central dans plusieurs processus inflammatoires, en faisant une cible thérapeutique de choix. Dans ce contexte, le recours à des outils informatiques pour générer de nouvelles molécules constitue une alternative précieuse aux méthodes expérimentales traditionnelles, en réduisant les coûts associés au développement de nouveaux agents thérapeutiques ciblant la 5-LO.

Next Generation Cybersecurity – Guiding Human-AI Collaborative Intelligence & Work Transformation in Security Operations Centre (SOC) – eSentire – U. Waterloo

Our research focuses on the critical intersection of artificial intelligence and cybersecurity operations, specifically examining how AI tools can be effectively integrated into Security Operations Centre (SOC) workflows. As cyber threats become increasingly complex, we investigate the delicate balance between leveraging AI automation and maintaining human expertise in threat detection and response.

Using Cognitive Task Analysis (CTA) as our primary methodological framework, we study how SOC operators process information and make decisions during security incidents. Our work addresses key challenges in human-AI collaboration, including automation bias, skill degradation, and the risk of reduced situational awareness that can occur when operators over-rely on automated systems.

We advocate for adaptive automation approaches where control dynamically shifts between human operators and AI agents based on task demands and context. This research is particularly relevant given recent advances in large language models for cybersecurity applications and growing concerns about operator burnout in high-stress SOC environments.

Our goal is to develop evidence-based guidelines for implementing AI support systems that enhance rather than replace human judgment, ensuring that technological advancement strengthens cybersecurity operations while preserving the critical thinking skills that human operators bring to complex threat scenarios.

Cartographier pour préserver : l’IA au service des milieux humides du Québec

Les milieux humides assurent des fonctions écologiques essentielles : préservation de la biodiversité, séquestration du carbone, régulation des inondations et purification de l’eau. Pourtant, ces écosystèmes sont en déclin rapide, disparaissant à un rythme trois fois plus élevé que les forêts, sous la pression de l’urbanisation, de l’agriculture intensive et de l’extraction des ressources. Bien que de vastes bases de données issues de la télédétection soient disponibles pour leur cartographie, les méthodes traditionnelles de traitement restent limitées, souvent inefficaces pour répondre aux besoins des gestionnaires et des décideurs. C’est dans ce contexte que s’inscrit le projet de recherche mené en partenariat entre l’équipe du professeur Mostafavi du Centre de recherche en données et intelligence géospatiale (CRDIG) et Canards Illimités Canada. Ce projet vise à explorer et à intégrer des approches avancées d’intelligence artificielle (IA) — notamment l’apprentissage profond — pour améliorer l’identification, la délimitation, la classification et la cartographie des milieux humides. L’objectif est de générer des cartes précises, à jour et adaptées aux spécificités écologiques du Québec, afin de renforcer les efforts de conservation et de planification territoriale du partenaire et, plus largement, de soutenir une gestion durable de ces écosystèmes vitaux.

The effect of an automated horse feeder on horse behaviour and welfare

Free-ranging horses forage for 16-20 h/d, travel up to 20 miles and interact with conspecifics as they choose. Conversely, domesticated horses are often kept in individual stalls, meal-fed, turned out for short durations and not given a choice with whom they interact. These living conditions challenge efforts to mimic horses’ natural feeding rhythms and balance nutritional intake. One solution is to provide ad libitum hay to horses, but this may lead to obesity, prevalent in westernized societies, and increased risk of metabolic diseases. Weight management strategies involve keeping horses in confined environments with reduced access to forage. To address this challenge, automated feeding devices allow frequent feeding mirroring natural patterns while reducing caloric intake and the labour required to care for horses.
The Nordic AutoFeeder© (NAF), is designed to reduce labour on farm while providing frequent feedings throughout the day. This study will investigate how social behaviours among horses may be affected by the NAF and if the distance walked each day differs compared to ad libitum feeding. These evidence-based outcomes will enable them to provide recommendations to their customers on feeding time budgets and promote their product with confidence.

Développement de modèles d’apprentissage pour la prédiction des routes de livraison conviviales pour les livreurs via l’intégration de leurs connaissances : étude de cas à Montréal

Ce projet vise à améliorer la qualité des itinéraires de livraison proposés aux livreurs dans les villes, en tenant compte de leurs préférences, habitudes et connaissances du terrain. Grâce à l’intelligence artificielle et à l’analyse de données réelles collectées à Montréal, la stagiaire développera des modèles capables de prédire des tournées de livraison plus adaptées à la réalité, faciles à suivre et moins sujettes aux modifications humaines. Ce travail permettra d’optimiser les opérations logistiques, de réduire les coûts et les émissions polluantes, tout en rendant le travail des livreurs plus fluide et agréable. Le projet contribuera ainsi à une logistique urbaine plus intelligente, durable et centrée sur l’humain.

Advanced Optimal Production Scheduling for Salt Manufacturing at Compass Minerals

This project develops a decision-support tool to improve production scheduling at Compass Minerals’ salt plant in Goderich, Ontario. The plant makes multiple grades of salt on connected production lines, facing changing demand and tight operational limits. Currently, schedules are created manually or with simple rules, which limits flexibility and efficiency. We aim to build an optimization model that generates efficient, realistic schedules while accounting for constraints like demand, equipment capacity, changeover times, and inventory. To handle uncertainty, we will use stochastic programming techniques. The final tool will be tested with plant data and refined with input from plant staff. It is expected to improve scheduling, reduce costs, and help the plant respond better to changes in demand, supporting both profitability and sustainability.

Modulating chromatin remodeling to reverse immune evasion in ovarian cancer

Immunotherapy has achieved remarkable responses in cancers that were once fatal. However, Ovarian Cancer (OC) clinical trials have shown disappointing responses with immune checkpoint blockade (ICB). Our research team is studying how to target the factors influencing interactions between OC and immune cells to improve the treatment of OC. One particular target is the SWI/SNF complex, involved in modifying the structure of DNA. Previously, we discovered that inhibiting this complex increases the ability of OC cells to be recognized by the immune system. Another protein target, called DNA methyltransferase (DNMT), has also been shown, when inhibited, to increase the expression of immune-related genes. Based on these findings, targeting both factors is a logical therapeutic strategy to sensitize OC to immunotherapy for a more effective response. Therefore, we propose to combine DNMT and SWI/SNF inhibitors with ICB. The JGH Foundation is a non-profit organization committed to advancing research and advocacy in OC. Through this collaboration, the Foundation seeks to address the urgent need for innovative treatment strategies, particularly for women with chemoresistant disease. This proposal offers the potential for the JGH to be leaders in developing novel immune-based treatment approaches to improve the lives of women affected by OC.

Combining Music and Non-Invasive Brain Stimulation to Improve Gait in Parkinson’s Disease

Parkinson’s disease (PD) is a progressive neurological condition that affects movement, often leading to slower walking, difficulty maintaining rhythm, and increased risk of falls. This project investigates whether combining two approaches—transcranial direct current stimulation (tDCS), a form of non-invasive brain stimulation, and rhythmic auditory stimulation using music—can help improve walking in individuals with PD. The study is divided into two phases. In the first phase, we will examine the immediate effects of a single session of tDCS over the supplementary motor area (a brain region involved in planning movement) combined with beat-based music while walking. In the second phase, we will explore whether multiple sessions of this combined stimulation lead to longer-lasting improvements in gait. By comparing outcomes from individuals with PD and healthy older adults, we aim to better understand the specific benefits of this intervention. The results may support the development of accessible, low-cost strategies to improve mobility and quality of life in people living with Parkinson’s disease, while also enhancing our understanding of how rhythmic and brain-based interventions influence motor control.

Population Viability Analysis of Blanding’s Turtles in Nova Scotia

Freshwater turtles are one of the most at-risk vertebrate groups, with nearly two-thirds of species facing extinction risk. Nest predation by mammals is a major threat to freshwater turtles, which has resulted in community-based nest protection efforts in many regions around the world, including Nova Scotia, Canada. Although widely implemented, the efficacy of nest protection programs have been questioned, especially for long-lived species such as freshwater turtles. While many agree that protecting nests improves survival of eggs and hatchling life stages, and thereby increasing recruitment into the population, it is not yet clear whether these individuals reach adulthood to reproduce and reduce chronic rates of population decline. As a result, conservation organizations face a critical knowledge gap when prioritizing recovery actions. We aim to develop an updated population viability analysis (PVA) to evaluate how nest protection efforts improve long-term viability of the endangered Blanding’s Turtle (Emydoidea blandingii) in Nova Scotia, Canada using a unique 20-year community-based dataset. Such assessments are necessary for guiding future community engagement and managing species of conservation concern, both within canada and globally.