Description du projet
L’évolution du phénotype cellulaire avec la multiomique
Les données de la génomique, la transcriptomique, la protéomique et la métabolomique fournissent une vue d’ensemble des processus biologiques et des fonctions cellulaires. La multiomique saisit l’interaction dynamique entre différents niveaux moléculaires et leur impact sur les phénotypes cellulaires. Cette approche globale est essentielle à la compréhension des systèmes biologiques complexes, à la découverte des mécanismes des maladies et au développement de thérapies ciblées. Le projet MULTIview-CELL, financé par le CER, se propose d’intégrer des données multiomiques à haut débit de cellules uniques afin de comprendre l’évolution phénotypique des cellules dans l’espace et dans le temps. L’étude concentrera ses recherches sur les cellules souches musculaires et les régulateurs moléculaires qui déterminent les trajectoires cellulaires. Il entend ainsi faire progresser la biologie fondamentale et apporter de nouvelles informations concernant la différenciation cellulaire.
Objectif
The introduction of high-throughput single-cell sequencing has produced a flood of data at the resolution of the single cell, including spatiotemporal information and different molecular facets of a cell, a.k.a. multi-omics. Their integration through MultiModal Learning (MML), aimed at combining multiple complementary views, offers great promise to understand the spatiotemporal phenotypic evolution of a cell and its molecular regulators. However, integrating multi-omics data across space and time is a huge computational challenge requiring radically new MML approaches.
MULTIview-CELL will infer multimodal spatiotemporal phenotypic cell trajectories by combining back-translation, to allow the unsupervised dimensionality reduction of multimodal data, with a new Optimal Transport distance, allowing the spatiotemporal pairing of cells (Aim1). MULTIview-CELL will then pinpoint the molecular regulators of such trajectories by combining new Graph Convolutional Networks with topological evolutions and Heterogeneous Multilayer Graphs, allowing the integration of graphs inferred from multimodal data (Aim2). Finally, all developed methods will be implemented in open-source software, with an emphasis on GPU-friendly scalable computations, a unique feature among existing single-cell tools (Aim3).
These core contributions will impact Machine Learning, but more importantly, will have profound biological implications. The application of the tools developed to cutting-edge single-cell data from muscle stem cells will lead to new biological hypotheses on their heterogeneity and crosstalk, to be validated through wet-lab experiments (Transversal Tasks). In addition, by allowing to answer longstanding questions on the spatiotemporal phenotypic evolution of a cell, MULTIview-CELL will catalyze the generation of crucial knowledge in fundamental biology and it will be key to preventing disease onset or therapy resistance, thus impacting health, society and economy.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Programme(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thème(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) ERC-2023-STG
Voir d’autres projets de cet appelRégime de financement
HORIZON-ERC - HORIZON ERC GrantsInstitution d’accueil
75794 Paris
France