Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Genealogical and statistical methods for large-scale genomic analysis

Opis projektu

Skalowalne metody genealogiczne i statystyczne do analizy genomicznej

Duże badania z zakresu zdrowia i genetyki obejmują obecnie dane genomiczne, zdrowotne i środowiskowe milionów osób, co stwarza ogromne wyzwania obliczeniowe i statystyczne. Finansowany przez ERBN projekt ARGgen pozwoli na opracowanie skalowalnych metod analizy tych zbiorów danych w sposób bardziej wydajny i dokładny. Projekt umożliwi rekonstrukcję wielkoskalowych grafów genealogicznych przedstawiających zależności ewolucyjne pomiędzy współczesnymi i starożytnymi genomami. Zostaną one także wykorzystane do udoskonalenia analiz genomicznych, modelowania pochodzenia genetycznego i badania historii ewolucji człowieka. W ramach projektu zostaną również opracowane metody uczenia maszynowego umożliwiające wyodrębnianie informacji o funkcjach biologicznych z danych genomicznych, analizę wielu cech i przodków oraz wsparcie analiz międzybiobankowych. Metody te zostaną udostępnione jako wysokiej jakości oprogramowanie typu open-source, które umożliwi badaczom analizę coraz większych i bardziej zróżnicowanych zestawów danych genomicznych.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2025-COG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

THE CHANCELLOR, MASTERS AND SCHOLARS OF THE UNIVERSITY OF OXFORD
Wkład UE netto
€ 1 999 980,00
Adres
WELLINGTON SQUARE UNIVERSITY OFFICES
OX1 2JD Oxford
Zjednoczone Królestwo
Region
South East (England) Berkshire, Buckinghamshire and Oxfordshire Oxfordshire
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
€ 1 999 980,00

Beneficjenci (1)