Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

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

Description du projet

Faire progresser l’évaluation des risques liés aux micro et nanoplastiques

Les micro et nanoplastiques (MNP) présentent des risques importants pour la santé humaine, en affectant potentiellement le système gastrointestinal, toutefois leur petite taille et leur présence généralisée compliquent l’étude de leur toxicité. Par ailleurs, les méthodes traditionnelles d’évaluation des risques sont coûteuses et prennent du temps, ce qui souligne la nécessité d’approches innovantes. Dans ce contexte, le projet PlasTox, financé par le CER, entend améliorer notre compréhension des risques liés aux MNP en combinant des techniques expérimentales, informatiques et d’apprentissage automatique. Il développera un cadre pour caractériser les MNP à l’aide de l’imagerie spectrale et d’essais biologiques, en intégrant ces données à des modèles d’apprentissage automatique pour prédire la toxicité. En s’appuyant sur l’apprentissage profond, PlasTox vise à découvrir les voies toxicologiques et à créer des modèles prédictifs pour évaluer les impacts sur la santé humaine, révolutionnant ainsi l’évaluation des risques et la recherche en toxicologie.

Objectif

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.

Champ scientifique (EuroSciVoc)

CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.

Vous devez vous identifier ou vous inscrire pour utiliser cette fonction

Mots‑clés

Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

Thème(s)

Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.

Régime de financement

Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.

HORIZON-ERC - HORIZON ERC Grants

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.

(s’ouvre dans une nouvelle fenêtre) ERC-2024-STG

Voir tous les projets financés au titre de cet appel

Institution d’accueil

UNIVERSITY COLLEGE DUBLIN, NATIONAL UNIVERSITY OF IRELAND, DUBLIN
Contribution nette de l'UE

La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.

€ 1 499 949,00
Coût total

Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.

€ 1 499 949,00

Bénéficiaires (1)

Mon livret 0 0