Description du projet
L’apprentissage profond permet de concevoir des récepteurs immunitaires adaptatifs spécifiques aux épitopes
Contrairement au système immunitaire inné, le système immunitaire adaptatif est hautement spécialisé. Il cible l’agent pathogène spécifique à l’origine d’une infection et s’en «souvient» pour une protection de longue durée. Cette attaque ciblée repose sur les récepteurs de l’immunité adaptative (AIR) et leurs interactions avec des parties spécifiques des antigènes appelées épitopes. Les méthodes actuelles de cartographie des épitopes sont coûteuses et à faible débit. Le projet AIRstructure, financé par le CER, s’attaquera à ces problèmes en tirant parti de l’expertise des chercheurs dans la modélisation des interactions protéine-protéine, y compris les interactions AIR-antigène, et dans l’apprentissage profond géométrique. Les modèles précis et à haut débit qui en résulteront permettront la modélisation structurelle des interactions entre les AIR et les antigènes, la conception d’AIR spécifiques aux épitopes et la prédiction de la spécificité basée sur la structure pour l’exploration de vastes répertoires d’AIR.
Objectif
B- and T- cell adaptive immune receptor (AIR) repertoires are highly diverse, enabling response to a wide range of pathogens. While sequencing of an individual's immune repertoires is becoming common, our ability to convert these datasets into comprehensive antigen exposure information to inform clinical decisions is limited. The major challenges are to identify the antigens recognized by B-cell and T-cell immune receptors (BCRs/antibodies and TCRs), model their structures and determine their epitopes. Experimental approaches for epitope mapping are costly and low-throughput. While deep learning-based models have revolutionized structural biology by predicting highly accurate structures of proteins and protein complexes, they rely on multiple sequence alignments (MSAs) that are not available for the AIR-antigen interactions. Recently, my group has designed geometric deep learning models for AIR structure modeling and for epitope prediction without MSA.
In this project, I will build on my expertise in modeling protein-protein interactions, including AIR-antigen, and in geometric deep learning to develop accurate and high-throughput models that address the specific challenges of AIR-antigen systems.
My main goals are to develop deep learning-based models for: (i) accurate and high-throughput end-to-end structure modeling of AIR-antigen interactions; (ii) design of epitope-specific AIRs for targeting broadly neutralizing epitopes and optimized antigenicity profiles; and (iii) structure-based specificity prediction for mining large AIR repertoires.
These approaches will advance the analysis of immune repertoires, improve our understanding of immune response, and enable designing vaccines and therapeutics with broad specificity and resistance to antigenic mutations. Moreover, the methods will empower the cancer epitope discovery and the detection of autoimmune receptors.
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).
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.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
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.
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.
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.
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-COG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
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.
91904 JERUSALEM
Israël
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.