Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Unravelling Signalling Heterogeneity using DEEP Learning and MECHANIstic Modelling

Opis projektu

Zaawansowane metody obliczeniowe wspierają badania sygnalizacji komórkowej

Sygnalizacja umożliwia komórkom reagowanie na sygnały zewnętrzne, ale zróżnicowane odpowiedzi różnych komórek utrudniają leczenie chorób. Ta zmienność, przypisywana złożonym czynnikom zarówno na poziomie układowym, jak i molekularnym, utrudnia zrozumienie i przewidywanie reakcji. Zespół finansowanego ze środków Europejskiej Rady ds. Badań Naukowych projektu DeepMechanism proponuje opracowanie innowacyjnych metod obliczeniowych, które łączą uczenie głębokie i modelowanie mechanistyczne. Metody te mają na celu przewidywanie odpowiedzi sygnalizacyjnych poprzez analizę stanów komórek i procesów fosforylacji, uwzględniając wiedzę biologiczną w celu uzyskania prostszych modeli. Podejście to pozwala na badanie czynników powodujących zróżnicowanie sygnalizacji receptorowej kinazy tyrozynowej i mięsaka szczura w przebiegu choroby nowotworowej, z potencjalnymi zastosowaniami w organoidach pochodzących od pacjentów. Proponowane badania mogą znacznie poprawić zrozumienie regulacji sygnalizacji i mogą przełożyć się na wiele rozwiązań opartych na systemach biologicznych i innych.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2024-STG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

THE FRANCIS CRICK INSTITUTE LIMITED
Wkład UE netto
€ 1 499 466,00
Koszt całkowity
€ 1 499 466,00

Beneficjenci (1)