Descrizione del progetto
Genomica computazionale: un approccio di base alla bioinformatica
Sfruttando le tecnologie di sequenziamento di nuova generazione ad alto rendimento e la bioinformatica, gli scienziati hanno risposto a domande mirate su come determinate sequenze di DNA controllino alcuni aspetti della biologia. Tuttavia, così come il progetto genoma umano era un progetto di ricerca fondamentale che non si rivolgeva a una malattia o a una popolazione specifica, la genomica computazionale deve orientarsi verso un’analisi fondamentale dal basso verso l’alto delle informazioni nascoste nei voluminosi archivi di dati sulle sequenze ben selezionati. Il progetto GeCo, finanziato dal Consiglio europeo della ricerca, accelererà questo processo. Fornirà astrazioni di dati e soluzioni tecnologiche, migliorando la cooperazione tra reti cliniche e di ricerca. GeCo consentirà inoltre l’accesso aperto a nuovi archivi di dati elaborati e creerà un metodo replicabile per la gestione dei dati genomici con una tecnologia di facile utilizzo a supporto di clinici e biologi.
Obiettivo
Next-generation sequencing technology has dramatically reduced the cost and time of reading the DNA. Huge investments are targeted to sequencing the DNA of large populations, and repositories of well-curated sequence data are being collected. Answers to fundamental biomedical problems are hidden in these data, e.g. how cancer arises, how driving mutations occur, how much cancer is dependent on environment. But genomic computing has not comparatively evolved. Bioinformatics has been driven by specific needs and distracted from a foundational approach; hundreds of methods solve individual problems, but miss the broad perspective.
The objective of GeCo is to rethink genomic computing through the lens of basic data management. We will first design the data model, using few general abstractions that guarantee interoperability between existing data formats. Next, we will design a new-generation query language inspired by classic relational algebra and extended with orthogonal, domain-specific abstractions for genomics. Query processing will trace metadata and computation steps, opening doors to the seamless integration of descriptive statistics and high-level data analysis (e.g. DNA region clustering and extraction of regulatory networks).
Genomic computing is a “big data” problem, therefore we will also achieve computational efficiency by using parallel computing on both clusters and public clouds; the choice of a suitable data model and of computational abstractions will boost performance in a principled way. The resulting technology will be applicable to individual and federated repositories, and will be exploited for providing integrated access to curated data, made available by large consortia, through user-friendly search services. Our most far-fetching vision is to move towards an Internet of Genomes exploiting data indexing and crawling. The PI’s background in distributed data, data modelling, query processing and search will drive a radical paradigm shift.
Campo scientifico
Programma(i)
Argomento(i)
Meccanismo di finanziamento
ERC-ADG - Advanced GrantIstituzione ospitante
20133 Milano
Italia