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

Generative Artificial Intelligence in Population Genetics

Projektbeschreibung

KI-Tool deckt demografische Entwicklungen von Populationen und Arten auf

Naturschutz- und Zuchtprogramme sind auf die Kenntnis der demografischen Entwicklung angewiesen, um wildlebende und domestizierte Arten wirksam zu schützen und zu erforschen. Die Ableitung demografischer Entwicklungen aus genetischen Daten ist jedoch aufgrund der Nichtidentifizierbarkeit von Modellen schwierig, da unterschiedliche Entwicklungen zu denselben genetischen Mustern führen können. Dieses Problem wird durch die Verwendung zusammenfassender Statistiken anstelle vollständiger genetischer Daten noch verschärft. Das im Rahmen der Marie-Skłodowska-Curie-Maßnahmen geförderte Projekt PopGenAI wird sich mit der Nichtidentifizierbarkeit bei demografischen Schlussfolgerungen befassen und zu diesem Zweck ein innovatives generatives KI-Tool entwickeln. Dieses Instrument zeigt, welche historischen Szenarien sich von bestimmten Zusammenfassungen genomischer Populationsdaten unterscheiden lassen, und liefert neue Erkenntnisse über den Genfluss zwischen kürzlich auseinandergetrennten und domestizierten Arten.

Ziel

Understanding the demographic history of populations and species is essential, as it plays a critical role in conservation and breeding programmes for both wild and domesticated species. However, inferring demographic history from genetic data faces the problem of model non-identifiability, where different demographic histories fit the genetic data equally well. This issue is amplified by the use of summary statistics instead of complete genetic data. Addressing the model non-identifiability problem is fundamental for improving the precision of demographic inference, particularly in complex cases involving multiple independent admixture events or barriers to gene flow.

This project aims to resolve the problem of model non-identifiability in demographic inference by developing a generative artificial intelligence (AI) tool that can uncover histories that are indistinguishable when a particular summary statistic is used. This generative AI will serve three core purposes: (1) identify non-identifiable demographic histories, helping researchers better understand the range of possible historical events that could explain the data; (2) apply this tool to clarify complex demographic histories in domesticated species, such as cattle, providing more accurate insights into their genetic background and informing breeding programmes to maintain genetic diversity; and (3) detect barriers to gene flow in recently diverged species, offering deeper insights into local adaptation and speciation processes valuable for conservation.

By addressing the model non-identifiability problem and applying this approach to key biological questions, this project has the potential to transform the study of demographic history in population genetics and open new perspectives for research on species evolution and adaptation.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) HORIZON-MSCA-2024-PF-01

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

Koordinator

THE UNIVERSITY OF EDINBURGH
Netto-EU-Beitrag
€ 276 187,92
Adresse
OLD COLLEGE, SOUTH BRIDGE
EH8 9YL Edinburgh
Vereinigtes Königreich
Region
Scotland Eastern Scotland Edinburgh
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
Keine Daten

Partner (1)