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

PeptimAIze: Revolutionazing Peptide Design through Multi-Property Optimization and Explainable AI

Opis projektu

Innowacyjny model uczenia głębokiego do efektywnego projektowania peptydów

Interakcje białko-białko (PPI) mają kluczowe znaczenie dla wielu procesów fizjologicznych i patologicznych zachodzących w organizmie człowieka, co czyni je obiecującymi celami w leczeniu chorób, takich jak infekcje bakteryjne i nowotwory. Jednak wykorzystanie terapeutyczne i odkrywanie peptydów jest utrudnione przez niekorzystne właściwości fizykochemiczne oraz nieefektywne i wymagające dużych nakładów metody. Projekt PeptimAIze, realizowany przy wsparciu programu działania „Maria Skłodowska-Curie”, zajmuje się opracowaniem modelu uczenia głębokiego wyspecjalizowanego w generowaniu peptydów terapeutycznych hamujących PPI. W tym celu zespół projektu uzupełni luki w obecnych podejściach uczenia głębokiego do projektowania peptydów poprzez opracowanie modelu o zwiększonej interpretowalności. Model ten pozwoli przezwyciężyć istniejące ograniczenia, a jednocześnie będzie wydajniejszy i bardziej dostępny.

Cel

PeptimAIze aims to develop a deep learning model capable of generating therapeutic peptides for inhibiting protein-protein interactions (PPIs). Many PPIs are essential to key physiological and pathological processes, making these interactions ideal targets for selective intervention in several human diseases, including cancer and bacterial infections. However, the therapeutic potential of peptides is often limited by unfavorable physicochemical properties, such as low solubility and poor bioavailability. Current peptide discovery approaches are time- and resource-intensive, generating significant waste through iterative and labour-intensive screening of compound batches across multiple optimisation rounds to experimentally achieve the desired physicochemical properties. While deep learning and generative models have recently emerged for on-demand peptide design, most focus on a single aspect, typically binding affinity, disregarding physicochemical properties and experimental validation. PeptimAIze addresses these gaps by developing a multi-objective deep learning model based on protein language processing that designs peptides by co-optimising binding to the target and the physicochemical properties necessary for optimal administrability and bioavailability. The model will incorporate explainable AI techniques to enhance interpretability and reveal which amino acids in the peptide sequence are associated with the tuning of each considered property. A key step will be the wet-lab validation of the model on targets responsible for vital bacterial functions (Doc/Phd) and cancer development (p53/MDM2 and Bcl-xL/Bak), demonstrating real-world lab applicability. To maximise impact and usability, the model will be deployed through an intuitive, user-friendly app, enabling researchers in academia and industry to design peptides with tailored properties.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2025-PF

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

IMPERIAL COLLEGE OF SCIENCE TECHNOLOGY AND MEDICINE
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 260 347,92
Adres
SOUTH KENSINGTON CAMPUS EXHIBITION ROAD
SW7 2AZ London
Zjednoczone Królestwo

Zobacz na mapie

Region
London Inner London — West Westminster
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych