Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

Genealogical and statistical methods for large-scale genomic analysis

Descripción del proyecto

Métodos genealógicos y estadísticos escalables para el análisis genómico

En la actualidad, los grandes estudios de salud y genética contienen datos genómicos, de salud y ambientales de millones de individuos, lo que plantea desafíos computacionales y estadísticos importantes. El equipo del proyecto ARGgen, financiado por el CEI, desarrollará métodos escalables para analizar estos conjuntos de datos de forma más eficiente y precisa. Reconstruirá gráficos genealógicos a gran escala para representar las relaciones evolutivas entre genomas modernos y antiguos, y los utilizará para mejorar los análisis genómicos, modelar la ascendencia genética y estudiar la historia evolutiva humana. En el proyecto también se desarrollarán métodos de aprendizaje automático para extraer información sobre la función biológica a partir de datos genómicos, analizar múltiples rasgos y linajes, y respaldar los análisis entre diferentes biobancos. Estos métodos se publicarán como «software» de código abierto de alta calidad, lo que permitirá a los investigadores analizar conjuntos de datos genómicos cada vez más grandes y diversos.

Objetivo

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.

Ámbito científico (EuroSciVoc)

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

HORIZON-ERC - HORIZON ERC Grants

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) ERC-2025-COG

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

THE CHANCELLOR, MASTERS AND SCHOLARS OF THE UNIVERSITY OF OXFORD
Aportación neta de la UEn
€ 1 999 980,00
Dirección
WELLINGTON SQUARE UNIVERSITY OFFICES
OX1 2JD Oxford
Reino Unido
Región
South East (England) Berkshire, Buckinghamshire and Oxfordshire Oxfordshire
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
€ 1 999 980,00

Beneficiarios (1)