Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Integrated Mechanistic Modelling and Analysis of Large-scale Biomedical Data

Descrizione del progetto

Trattamento del cancro con modellazione avanzata

Gli attuali trattamenti del cancro si basano sulla comprensione degli intricati processi di segnalazione all’interno delle cellule tumorali e delle loro interazioni con le cellule immunitarie. Tuttavia, i modelli esistenti si concentrano su percorsi limitati e utilizzano dati di linee cellulari che rappresentano male i tessuti tumorali reali. Ciò ostacola l’individuazione di bersagli farmacologici efficaci. In questo contesto, il progetto INTEGRATE, finanziato dal CER, mira a trasformare tale panorama. Combinando la modellazione meccanicistica con l’apprendimento automatico, INTEGRATE svilupperà metodi di calcolo scalabili per analizzare dati biomedici su larga scala. Utilizzando strumenti come l’elaborazione del linguaggio naturale e dei segnali, il progetto collegherà i dati omici e fenotipici derivati dai pazienti. Questo approccio promette di perfezionare i progetti degli studi clinici, di far progredire la medicina di precisione e di aprire la strada alla creazione di gemelli digitali nella ricerca sul cancro.

Obiettivo

Modern cancer therapeutics target signalling processes within the cancer cells and the interaction of cancer and immune cells. A comprehensive understanding of these signalling processes is therefore essential to identify drug targets, plan clinical trials, and to select suitable drugs, drug combinations and drug dosages for a specific patient. Yet, most of the available mathematical models capture only a small number of molecular species and pathways, thereby ignoring important crosstalk and feedback loops. Furthermore, these models are usually based on experimental data for cell lines, which behave differently from complex cancer tissues.

In INTEGRATE, I will develop computational methods for the full process of data-driven modelling of signalling processes in cancer, ranging from model development to parameterisation all the way to uncertainty analysis. To this end, I will combine methods from the fields of mathematical modelling, machine learning, and signal processing with established approaches in systems biology. The model development will employ natural language processing and an automatic testing framework. For federated model inference, I will develop scalable mini-batch optimisation and marginalisation based uncertainty quantification. To refine models, I will exploit tools from signal processing, such as blind identification of latent variables. I will apply the developed scalable mechanistic modelling approach to integrate large-scale biomedical data for molecular phenotyping studies and clinical trials across sites. This will provide mechanistic models reconciling the available data.

The study will, for the first time, combine mechanistic modelling and machine learning for the integrated analysis of patient-derived omics and phenotypic data. By linking these data sources, INTEGRATE will deepen our understanding of biological signal processing and provide the basis for the development of digital twins.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2023-COG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

RHEINISCHE FRIEDRICH-WILHELMS-UNIVERSITAT BONN
Contributo netto dell'UE
€ 1 854 546,00
Indirizzo
REGINA PACIS WEG 3
53113 Bonn
Germania
Regione
Nordrhein-Westfalen Köln Bonn, Kreisfreie Stadt
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
€ 1 854 546,00

Beneficiari (1)