Opis projektu
Mapowanie sieci genów na poziomie pojedynczej komórki
Sekwencjonowanie RNA na poziomie pojedynczej komórki (ang. single-cell RNA sequencing, scRNA-seq) jest nową technologią, która umożliwia badanie transkryptomu poszczególnych komórek. Chociaż umożliwiła ona badanie sieci genów, technologia scRNA-seq nie uwzględnia potencjalnych ograniczeń biofizycznych. Celem finansowanego ze środków UE projektu scNet jest opracowanie algorytmu wnioskowania, który pozwoli na przewidywanie wpływu perturbacji związanych z delecją genu czynnika transkrypcyjnego. Wyniki projektu poszerzą naszą wiedzę na temat szlaków regulacyjnych w komórkach i rzucą światło na sposób wzajemnego oddziaływania na siebie różnych cząsteczek. Co ważne, projekt scNet pomoże w mapowaniu sieci komunikacji genowej na poziomie pojedynczej komórki, co do niedawna było niemożliwe ze względu na ograniczenia metodologiczne.
Cel
Regulatory processes within living cells have long been the topic of research interest and the key to understanding various diseases. The decades of studies resulted in a large body of knowledge on molecular interactions and regulatory pathways in the cells of model organisms ranging from microorganisms to mammals. Nevertheless, accurately inferring gene network topology at the scale of a whole cell has remained an intractable task until recently, mostly due to the large amount of single-cell data needed for such inference. In the last few years, single-cell RNA sequencing (scRNA-seq) technology enabled measuring transcriptome of high numbers of individual cells, which allowed observing a much grater share of the multidimensional parameter space of large gene networks and gave rise to multiple inference methods. However, none of the existing methods incorporates all relevant knowledge on biophysical constraints. This project aims to incorporate prior knowledge on the system; decomposition of measurement, extrinsic and intrinsic noise; and accurate representation of stochastic gene expression and its regulation into a Bayesian inference framework for identifying topology of a gene network and rate constants of its molecular interactions. The performance of the inference algorithm will be tested by evaluating its ability to predict the effects of transcription factor deletion perturbations. Enhancing gene network inference by accounting for the wealth of known biophysical constraints could provide insights into the gene regulatory processes that would enable advancement in developmental and evolutionary biology, biomedicine and bioengineering.
Dziedzina nauki
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
64289 Darmstadt
Niemcy