Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS

Machine Learning Combined with Spectral Imaging for Inferring the Toxicity of Micro- and Nanoplastics

Projektbeschreibung

Fortschritte bei der Risikobewertung von Mikro- und Nanokunststoffen

Mikro- und Nanokunststoffe stellen erhebliche Gefahren für die Gesundheit des Menschen dar, da sie das gastrointestinale System beeinträchtigen können. Jedoch erschweren ihre geringe Größe und ihr weitverbreitetes Vorkommen die Bewertungen der Toxizität. Traditionelle Risikobewertungsmethoden sind kostenintensiv und zeitraubend, wodurch der Bedarf an innovativen Ansätzen hervorgehoben wird. In diesem Zusammenhang versucht das Team des ERC-finanzierten Projekts PlasTox, unser Verständnis von Risiken durch Mikro- und Nanokunststoffe mithilfe der Kombination aus experimentellen Verfahren, computergestützten Ansätzen und Methoden des maschinellen Lernens zu verbessern. Es wird einen Rahmen zur Charakterisierung von Mikro- und Nanokunststoffen mithilfe von Spektralbildgebung und Bioassays entwickeln, wobei diese Daten mit Modellen des maschinellen Lernens verknüpft werden, um die Toxizität vorherzusagen. Durch den Einsatz von Deep Learning werden innerhalb von PlasTox toxikologische Pfade aufgedeckt und Vorhersagemodelle erstellt, um die Auswirkungen auf die menschliche Gesundheit zu bewerten und auf diese Weise die Risikobewertung und die Toxikologieforschung zu revolutionieren.

Ziel

The project aims to advance our understanding of potential risks posed by micro- and nanoplastics (MNPs) to human gastrointestinal health through a combination of quantitative, experimental, and computational approaches, leveraging powerful machine learning (ML) algorithms and versatile spectral imaging techniques. Towards this goal, the project will first deliver a framework to extensively characterise MNPs using multiple spectral imaging techniques covering from micro- to nanoscale coupled with complementary instruments. The fused characterisation data will be combined with experimental in vitro bioassays to develop ML models, enabling the prediction of toxicity patterns and unveiling key drivers of MNP toxicity. Harnessing the broad literature data, a knowledge-based deep learning approach will be employed to unlock mechanistic insights into toxicological pathways. The most ambitious part of the proposal is to integrate previously acquired knowledge to develop innovative predictive models for predicting human health impacts of MNPs based on their physicochemical properties. This will be achieved through two independent pathways: one built on insights from in vitro experiments and another rooted in extensive literature data. The ground-breaking approaches hold the potential to revolutionise the characterisation and risk assessment of MNPs, significantly reducing reliance on expensive in vitro and in vivo experiments.

This project offers a unique integration of approaches, competencies and resources in environmental science, life science, analytical chemistry, machine learning, and computer vision and technological developments of spectral imaging instruments. The outcomes could yield potential breakthroughs in numerous key applications of tremendous human, technological, and environmental importance, such as toxicological screening of drugs, safety assurance and environmental hazard monitoring and open a whole new field of research in toxicology.

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. Siehe: Das European Science Vocabulary.

Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen

Schlüsselbegriffe

Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).

Programm/Programme

Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.

Thema/Themen

Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.

Finanzierungsplan

Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.

(öffnet in neuem Fenster) ERC-2024-STG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

UNIVERSITY COLLEGE DUBLIN, NATIONAL UNIVERSITY OF IRELAND, DUBLIN
Netto-EU-Beitrag

Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.

€ 1 499 949,00
Gesamtkosten

Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.

€ 1 499 949,00

Begünstigte (1)

Mein Booklet 0 0