Description du projet
Une approche d’apprentissage automatique pour déterminer les règles de la transdifférenciation cellulaire
L’identité cellulaire est déterminée par l’expression propre au type de cellule des facteurs de transcription (FT), alors que le paysage épigénétique de la cellule est maintenu par les protéines de régulation épigénétique (RE). De nouvelles données indiquent la coopération de différents FT et RE dans l’établissement du spectre de différents types de cellules et d’états de cellules dans le corps humain. Le projet SingleCellAI, financé par l’UE, développe une approche d’apprentissage automatique pour la prédiction in silico de cocktails FT/RE qui peuvent reprogrammer tout type de cellule en tout autre type de cellule, créant un algorithme de transdifférenciation cellulaire. L’étude formera un modèle d’apprentissage automatique sur des ensembles de données de séquençage unicellulaire CRISPR à large échelle. L’approche axée sur les données sera validée de manière expérimentale dans le contexte du système hématopoïétique humain.
Objectif
Cellular identity is controlled by cell type specific expression of transcription factors (TFs), and it is reflected in the cell’s epigenetic landscape maintained by epigenetic regulator proteins (ERs). Functional dissection of cellular identity has focused mainly on a small number of lineage-defining master regulators, yet there is increasing evidence that multiple TFs and ERs work together to establish and retain the vast number of different cell types and cell states in the human body. For a more quantitative understanding of cellular identity, and of the complexities of its regulation, I propose to develop a machine-learning approach for in silico prediction of TF/ER cocktails that can transdifferentiate any human cell type into any other cell type, thus defining an operational rulebook of cellular transdifferentiation. To this end, I will train a machine-learning model called generative adversarial networks (GANs) on large-scale CRISPR single-cell sequencing (CROP-seq) datasets generated in the host lab. Exploiting unique features of the deep-learning generative approach, the resulting model will be able to generalize the learned genetic perturbations across cell types in silico. I will experimentally validate several of these predicted TF/ER transdifferentiation cocktails in the context of the human hematopoietic system. Importantly, the proposed approach is hypothesis-free and data-driven, exploiting recent advances in machine learning to infer fundamental aspects of the regulation of cellular identity from high-throughput functional CRISPR single-cell sequencing data.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences naturelles sciences biologiques biochimie biomolécule protéines
- sciences naturelles informatique et science de l'information intelligence artificielle intelligence artificielle générative
- sciences naturelles informatique et science de l'information intelligence artificielle apprentissage automatique apprentissage profond
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
MSCA-IF-EF-ST - Standard EF
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2018
Voir tous les projets financés au titre de cet appelCoordinateur
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
1090 Wien
Autriche
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.