Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Genealogical and statistical methods for large-scale genomic analysis

Descrizione del progetto

Metodi genealogici e statistici scalabili per l'analisi genomica

Oggi, i grandi studi sulla salute e sulla genetica contengono dati genomici, sanitari e ambientali di milioni di individui, il che crea notevoli sfide a livello computazione e statistico. Il progetto ARGgen, finanziato dal CER, svilupperà metodi scalabili per analizzare questi set di dati in modo più efficiente e accurato. Il progetto ricostruirà grafici genealogici su larga scala per rappresentare le relazioni evolutive tra genomi moderni e antichi e li utilizzerà per migliorare le analisi genomiche, modellare l'ascendenza genetica e studiare la storia evolutiva umana. Il progetto svilupperà inoltre metodi di apprendimento automatico al fine di estrarre informazioni sulla funzione biologica dai dati genomici, analizzare molteplici tratti e ascendenze e supportare analisi tra diverse biobanche, tecniche che saranno rese disponibili in qualità di software open source di alta qualità, consentendo ai ricercatori di analizzare set di dati genomici sempre più ampi e diversificati.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2025-COG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

THE CHANCELLOR, MASTERS AND SCHOLARS OF THE UNIVERSITY OF OXFORD
Contributo netto dell'UE
€ 1 999 980,00
Indirizzo
WELLINGTON SQUARE UNIVERSITY OFFICES
OX1 2JD Oxford
Regno Unito
Regione
South East (England) Berkshire, Buckinghamshire and Oxfordshire Oxfordshire
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
€ 1 999 980,00

Beneficiari (1)