Projektbeschreibung
Erster umfassender Rahmen für die Multi-omik-Trajektorieninferenz
Die Natur versteht es hervorragend, Prozesse zu optimieren, z. B. die Zellentwicklung über dynamische Gennetze und die Verlagerung von Molekülen. Diese Prozesse nachzuvollziehen, ist eine gewaltige Aufgabe. Die Theorie des optimalen Transports, eine mathematische Formalisierung, die vor fast 250 Jahren entwickelt wurde, um den optimalen Transport und die optimale Zuweisung von Ressourcen zu erforschen, bietet einen vielversprechenden Weg. Die Anwendung optimaler Transportflüsse – bei denen Zellen als Teilchen behandelt werden, die sich auf einer Energielandschaft in einem „Omik“-Raum entwickeln – könnte Aufschluss über die Zellentwicklung geben. Bei den derzeitigen Ansätzen werden aber die biologischen Beziehungen zwischen den Genen nicht berücksichtigt. Ziel des ERC-finanzierten Projekts WOLF ist es, dieses Problem durch die Einbeziehung komplexer genetischer Beziehungen und die Verschmelzung mehrerer Omik-Datensätze zu lösen und neue Arten von nicht-euklidischen und multi-linearen optimalen Transportflüssen zu erstellen.
Ziel
"Single cell molecular profiling allows to map cellular development at an unprecedented level of detail. Optimal transport (OT) enables the analysis of this dynamical process as a trajectory inference problem, using OT flows. These flows treat cells as particles evolving on an energy landscape over an ""omics'' space (such as transcriptomic, epigenomic, proteomic and location). Learning this model from large scale omics datasets poses however formidable mathematical and computational challenges, which will be tackled by WOLF. The first one is the joint learning of both the gene embedding space and the energy landscape. Existing approaches use ad-hoc Euclidean embeddings, ignoring biological relationships between genes. WOLF will develop a new type of non-Euclidean OT flows, which takes into account complex genetic relations. The second challenge is the fusion of multiple omics dataset (for instance transcriptomics, proteomic and space) without having access to an explicit pairing between the cells across the omics. Multi-omics is the next frontier in developmental analysis, and the corresponding trajectories cannot be captured with existing OT flows. WOLF will develop a new class of multi-linear OT flows where interaction terms couple particles together across different omics. These advances will be integrated in an efficient computational package where the parameters of the models are learned using parallelizable OT flow solvers. Leveraging the connexion between OT flows and attention mechanisms in deep learning, these methods will be approximated using transformers architectures and optimized using implicit differentiation. These theoretical and numerical contributions will work hand in hand to offer the first comprehensive framework for multi-omics trajectory inference. This will unlock biological findings for the characterization of developmental molecular pathways and the understanding of disease mechanisms."
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles LernenDeep Learning
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Finanzierungsplan
HORIZON-ERC - HORIZON ERC GrantsGastgebende Einrichtung
75794 Paris
Frankreich