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

Genealogical and statistical methods for large-scale genomic analysis

Projektbeschreibung

Skalierbare genealogische und statistische Methoden zur Genomanalyse

Große Gesundheits- und Genetikstudien enthalten mittlerweile Genom-, Gesundheits- und Umweltdaten von Millionen Menschen, was große rechnerische und statistische Herausforderungen mit sich bringt. Das Team des ERC-finanzierten Projekts ARGgen wird skalierbare Methoden entwickeln, um diese Datensätze effizienter und genauer analysieren zu können. Es wird groß angelegte genealogische Graphen rekonstruieren, um evolutionäre Beziehungen zwischen modernen und alten Genomen darzustellen und diese zur Verbesserung genomischer Analysen, zur Modellierung der genetischen Abstammung und zur Erforschung der Evolutionsgeschichte des Menschen zu nutzen. Das Projektteam wird außerdem Methoden des maschinellen Lernens entwickeln, um Informationen über biologische Funktionen aus Genomdaten zu extrahieren, multiple Merkmale und Abstammungen zu analysieren sowie biobankübergreifende Analysen zu unterstützen. Diese Methoden werden als hochwertige quelloffene Software veröffentlicht und ermöglichen es den Forschungsgruppen, immer größere und vielfältigere Genomdatensätze zu analysieren.

Ziel

Biobank datasets, containing genomic, environmental, and health data for millions of individuals, have provided insights into disease susceptibility, biological mechanisms, and human evolution, facilitating applications such as drug development and genetic risk prediction. However, these datasets present significant challenges: processing their large volumes is computationally very demanding, and modeling the heterogeneity they contain poses substantial statistical obstacles. These issues risk leaving genomic datasets underutilized or amplifying existing biases, such as those linked to genetic ancestry.

To address these challenges, this proposal will develop scalable statistical methods to reduce computational costs, improve the modeling of genetic ancestry, and increase accuracy and statistical power across several genomic analyses. We will focus on three specific aims. First, we will develop scalable methods to reconstruct large-scale genome-wide genealogical graphs, capturing evolutionary relation-ships and enabling applications such as simulation, phasing, imputation, and data sharing. Second, we will extend this framework to analyze both ancient and modern genomes, using genealogical graphs to define new ancestry descriptors and study human evolutionary history at fine resolution. Finally, we will create Bayesian machine learning approaches to improve the detection of trait- and disease-associated variants, model multiple traits and ancestries, learn biological function from raw genomic data, and enable distributed cross-biobank analyses. We will implement these models as high-quality, freely available open-source software.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) ERC-2025-COG

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

Gastgebende Einrichtung

THE CHANCELLOR, MASTERS AND SCHOLARS OF THE UNIVERSITY OF OXFORD
Netto-EU-Beitrag
€ 1 999 980,00
Adresse
WELLINGTON SQUARE UNIVERSITY OFFICES
OX1 2JD Oxford
Vereinigtes Königreich
Region
South East (England) Berkshire, Buckinghamshire and Oxfordshire Oxfordshire
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
€ 1 999 980,00

Begünstigte (1)