Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

Genealogical and statistical methods for large-scale genomic analysis

Description du projet

Méthodes généalogiques et statistiques évolutives pour l’analyse génomique

Les grandes études de santé et de génétique contiennent désormais des données génomiques, sanitaires et environnementales issues de millions d’individus, ce qui crée d’importants défis informatiques et statistiques. Le projet ARGgen financé par le CER développera des méthodes évolutives pour analyser ces jeux de données plus efficacement et plus précisément. Il reconstruira des graphes généalogiques à grande échelle pour représenter les relations évolutives entre génomes modernes et anciens, et les utilisera pour améliorer les analyses génomiques, modéliser l’ascendance génétique et étudier l’histoire évolutive humaine. Le projet développera également des méthodes d’apprentissage automatique afin d’extraire des informations sur la fonction biologique à partir des données génomiques, d’analyser plusieurs caractères et ascendances, et de soutenir les analyses inter-biobanques. Ces méthodes seront publiées sous forme de logiciels open source de haute qualité, permettant aux chercheurs d’analyser des jeux de données génomiques de plus en plus vastes et diversifiés.

Objectif

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.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

HORIZON-ERC - HORIZON ERC Grants

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) ERC-2025-COG

Voir tous les projets financés au titre de cet appel

Institution d’accueil

THE CHANCELLOR, MASTERS AND SCHOLARS OF THE UNIVERSITY OF OXFORD
Contribution nette de l'UE
€ 1 999 980,00
Adresse
WELLINGTON SQUARE UNIVERSITY OFFICES
OX1 2JD Oxford
Royaume-Uni
Région
South East (England) Berkshire, Buckinghamshire and Oxfordshire Oxfordshire
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
€ 1 999 980,00

Bénéficiaires (1)