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

Unravelling Signalling Heterogeneity using DEEP Learning and MECHANIstic Modelling

Description du projet

Approches computationnelles avancées pour étudier la signalisation cellulaire

La signalisation permet aux cellules de répondre à des signaux externes, mais les réponses variables d’une cellule à l’autre compliquent le traitement des maladies. Cette variabilité, attribuée à des facteurs complexes aux niveaux systémique et moléculaire, rend difficile la compréhension et la prévision des réponses. Pour y remédier, le projet DeepMechanism, financé par le CER, propose des méthodes informatiques innovantes qui combinent l’apprentissage profond et la modélisation mécaniste. Ces méthodes visent à prédire les réponses de signalisation en analysant les états cellulaires et les processus de phosphorylation, tout en intégrant les connaissances biologiques pour obtenir des modèles plus simples. Cette approche permet d’étudier les facteurs d’hétérogénéité dans la signalisation des récepteurs tyrosine kinase et des sarcomes de rat dans le cancer, avec des applications potentielles dans les organoïdes dérivés de patients. La recherche proposée pourrait considérablement améliorer la compréhension de la régulation de la signalisation et a le potentiel pour de vastes applications dans les systèmes biologiques et autres.

Objectif

Signalling enables cells to respond to external cues, but the inherent heterogeneity of individual cell responses,
essential for multicellular organization, complicates disease treatment. Heterogeneity arises from drivers at
system and molecular scales, intertwined through feedback loops, making quantitative understanding and
prediction challenging. I will address this by pioneering transformative computational methods that predict
phospho-signalling responses by integrating deep learning with mechanistic modelling to integrate
systems and molecular scales.

By using unbiased pattern recognition of deep learning models, I will learn cell states and simple
phosphorylation rate laws. These will be combined with mechanistic models, integrating biological
knowledge, to build simple and interpretable models that predict signalling responses from baseline omics
profiles across distinct time-resolved and perturbational conditions. I will apply these methods to investigate
drivers of heterogeneity in receptor tyrosine kinase (RTK) and rat sarcoma (RAS) signalling, in response to
growth factors and targeted inhibitors in cancer cell lines. I will validate the approach by reprogramming
patient-derived organoids using model-proposed inhibitor combinations.

The proposed research will advance our fundamental understanding of signalling regulation and co-regulation
with cellular states. Given the vital role of RTK and RAS signalling in human health, it also holds the potential
for translational impact. More broadly, the proposed computational methods are versatile and could be applied
to a broad range of biological and non-biological systems.

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

THE FRANCIS CRICK INSTITUTE LIMITED
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.

€ 1 499 466,00
Adresse
1 MIDLAND ROAD
NW1 1AT London
Royaume-Uni

Voir sur la carte

Région
London Inner London — West Camden and City of London
Type d’activité
Research Organisations
Liens
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.

€ 1 499 466,00

Bénéficiaires (1)

Mon livret 0 0