Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Explainable Machine Learning for Identifying the Full Heterogeneity of Peptidoforms and Proteoforms

Opis projektu

Poszukiwanie ukrytych białek dzięki spektrometrii mas

Proteomika, czyli badanie białek za pomocą spektrometrii mas, pozwala nam poznać funkcje komórek. Wiele form białek pozostaje niewykrytych ze względu na ich złożoność, co ogranicza nasze zrozumienie chorób i utrudnia poszukiwanie potencjalnych metod ich leczenia. Konwencjonalne modele uczenia maszynowego wykorzystywane w proteomice często nie są w stanie w pełni analizować widm masowych, a ich wyniki nie są łatwe do interpretacji. Brak przejrzystości utrudnia ich zastosowanie w warunkach klinicznych. Zespół finansowanego ze środków Europejskiej Rady ds. Badań Naukowych projektu explainProt ma na celu rozwiązanie tego problemu poprzez opracowanie przejrzystych, kompleksowych modeli uczenia maszynowego do analizy złożonych danych proteomicznych. Łącząc nowe techniki sekwencjonowania i urządzenia nanoporowe, zespół zamierza odkryć ukryte dotychczas białka i warianty strukturalne, przyspieszając badania w zakresie wykrywania chorób i odkrywania drobnoustrojów.

Cel

Mass spectrometry driven proteomics allows deep insights into the working of cells. Still, the vast majority of proteoforms, representing the full heterogeneity of molecular forms of protein products in a sample, currently remain undetected in proteomics experiments. This lack of information strongly restricts our knowledge of disease progression, possible biomarkers, and therapeutic targets across a large number of diseases. Several machine learning approaches have been developed for proteomics data, but not being trained end-to-end, they cannot capture the full wealth of proteomic mass spectra and commonly remain unexplained black boxes. Within explAInProt, my team and I will develop representations of spectra that allow deploying explainable, end-to-end machine learning models on the wealth of proteomic data available, regarding both bottom-up and topdown spectra to identify novel protein variants. Explanations will allow identifying the origin of predictions and allow reducing bias and building up the trustworthiness of AI systems required for clinical applications. To verify results, we will pioneer orthogonal real-time strategies based on selective sequencing approaches and calling of amino acids that we will introduce for nanopore sequencing devices as a complementary acquisition method. All combined, this will allow to drastically increase our knowledge about the current dark matter of mass spectrometry driven proteomics: those proteins and peptides that are non-canonically modified, non-tryptic, have potentially multiple amino acid substation, or no close match in databases or result from structural variants such as fusion proteins that they remain undetected in current analyses. We will highlight applicability in two areas of particular concern in current approaches: the detection of structural variants in proteomic mass spectra and the characterization of novel microbial organisms without sufficient database information.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) ERC-2023-COG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

HASSO-PLATTNER-INSTITUT FUR DIGITAL ENGINEERING GGMBH
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 1 992 500,00
Adres
PROF DR HELMERT STRASSE 2-3
14482 POTSDAM
Niemcy

Zobacz na mapie

Region
Brandenburg Brandenburg Potsdam
Rodzaj działalności
Research Organisations
Linki
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

€ 1 992 500,00

Beneficjenci (1)

Moja broszura 0 0