Descrizione del progetto
Strumenti statistici che aiutano a svelare i rapporti tra dati omici e tratti
Gli scienziati raccolgono gruppi di dati -omici per capire meglio l’evoluzione dei tratti nel tempo. La genomica, per esempio, è lo studio dell’intero genoma o di tutti i geni di un organismo, e la trascrittomica è lo studio del trascrittoma, l’insieme completo delle trascrizioni dell’RNA prodotte dal genoma. I ricercatori analizzano poi questi insiemi di dati con tratti di interesse misurati nel tempo in studi a lungo termine. Il progetto ISULO, finanziato dall’UE, sta sviluppando metodi statistici avanzati per analizzare simultaneamente questi due tipi di dati e per esplorare le interrelazioni tra gli insiemi di dati -omici per nuove importanti spunti sull’evoluzione.
Obiettivo
In medicine and agronomy, there is a growing interest in identifying biological mechanisms involved in the evolution of traits along time. Nowadays, this challenging objective is achieved through the acquisition of high-dimensional –omic datasets from various biological levels, and with the collection of phenotype measures along time on the same individuals, so-called longitudinal data. A new research focus is emerging with the objective to analyze jointly these two types of data. In this project, we propose to develop innovative statistical methods to simultaneously analyze these types of data and to deal with their respective characteristics. Novel methodologies will be developed by combining statistical concepts from linear mixed model and variable selection in a Bayesian framework, and by incorporating or inferring biological relationships. The first aim will focus on the analysis of one or more longitudinal outcomes with one –omic data. Flexible modeling for approximating time-varying covariate effects combined with variable selection approaches will be proposed. Thus, a better understanding of the relationships along time between the outcomes and the relevant covariates will be reached. The second objective is to investigate the integration of multiple –omic datasets for explaining one univariate outcome, then one longitudinal response variable, and finally multivariate longitudinal outcomes. Bayesian hierarchical modeling with prior distributions allowing to capture relationships among –omic datasets will be investigated and new relationships among –omic datasets will be explored. The developments and findings of this project research will greatly contribute to the statistical and biological domains. New generic statistical methods will be developed and will be available for transversal applications in various fields. Finally, this project will highlight the added value brought by a collaborative and interdisciplinary work with experienced researchers.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Parole chiave
Programma(i)
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) H2020-MSCA-IF-2018
Vedi altri progetti per questo bandoMeccanismo di finanziamento
MSCA-IF -Coordinatore
75016 Paris
Francia