Opis projektu
Pierwsza kompleksowa platforma do wnioskowania trajektorii multiomicznych
Natura doskonale radzi sobie z optymalizacją procesów, w tym dotyczących rozwoju komórek poprzez dynamiczne sieci genów i translokację cząsteczek. Zrozumienie tych procesów jest jednak bardzo trudne. Obiecujące rozwiązanie oferuje teoria optymalnego transportu, matematyczna formalizacja opracowana prawie 250 lat temu w celu badania optymalnego transportu i alokacji zasobów. Zastosowanie optymalnych przepływów transportowych poprzez potraktowanie komórek jako cząstek ewoluujących w krajobrazie energetycznym w przestrzeni „omicznej” może rzucić światło na rozwój komórek. Jednak obecne podejścia pomijają biologiczne relacje między genami. Finansowany przez ERBN projekt WOLF przewiduje rozwiązanie tego problemu poprzez uwzględnienie złożonych relacji genetycznych i połączenie wielu zbiorów danych omicznych, opracowując nowe typy nieeuklidesowych i wieloliniowych optymalnych przepływów transportowych.
Cel
"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."
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.
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.
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
75794 Paris
Francja