Descrizione del progetto
Un approccio probabilistico all’analisi statistica della filogenetica
L’analisi statistica dei modelli filogenetici è attualmente una delle aree di ricerca più attive nella biologia computazionale, con ampie applicazioni nella teoria dell’evoluzione, dell’epidemiologia e della medicina legale. Gli approcci computazionali all’inferenza esistenti basati sui metodi Monte Carlo basati su Catena di Markov (MCMC) non sono così efficienti come gli algoritmi di inferenza Monte Carlo sequenziali (SMC). L’obiettivo del progetto PhyPPL, finanziato dall’UE, è quello di applicare la programmazione probabilistica per generare automaticamente modelli di inferenza SMC per quei problemi filogenetici difficili da risolvere con metodi MCMC. In particolare, il progetto concepirà algoritmi di inferenza statistica per modelli di diversificazione complessi con topologia ad albero variabile e un processo di ramificazione dipendente dal tratto. Per dimostrare il potenziale dei nuovi algoritmi, il progetto li utilizzerà per tracciare l’impatto dell’orogenesi andina sulla biodiversità neotropicale.
Obiettivo
Statistical analysis of phylogenetic models is one of the most active areas of research in computational biology today with wide applications in the Theory of Evolution, epidemiology, forensics, etc. Current phylogenetic software packages limit the user to the set of phylogenetic models and inference strategies that have been pre-programmed in the tool. Inference under certain important phylogenetic models is very difficult with the Markov chain Monte-Carlo strategy implemented in current packages for phylogenetic analysis. The new paradigm of probabilistic programming, coming from computational statistics and theoretical computer science, solves the model expression problem and enables the user to implement novel inference methods. We utilize probabilistic programming to automatically generate Sequential Monte Carlo (SMC) inference machinery for MCMC-hard problems in phylogentics. SMC algorithms may be more efficient, provide unbiased solutions, and provide likelihoods estimates for model comparison.
The goal of the proposed research is to carry out some of the first applications of probabilistic programming to real-world problems of empirical interest in evolutionary biology. The objectives are (1) to design and implement statistical inference machinery for complex diversification models with variable tree topology and a trait-dependent branching process under probabilistic programming, (2) to do a pilot study on the applicability of this inference machinery by studying the effect of the orogeny of the Andes on Neotropical biodiversity, and (3) contribute to the design and implementation of a novel probabilistic programming language for phylogenetics, TreePPL, by utilizing the insights gained from (1) and (2).
We also propose dissemination and communication measures that target scientists and the general public throughout Europe and in particular new and aspiring EU member states.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
- scienze naturaliinformatica e scienze dell'informazionesoftware
- scienze naturalimatematicamatematica puratopologia
- scienze naturaliscienze biologichebiologia evoluzionistica
- scienze naturaliinformatica e scienze dell'informazionescienze computazionali
- scienze naturaliscienze biologicheecologiaecosistemi
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Programma(i)
Argomento(i)
Meccanismo di finanziamento
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinatore
SE 114 18 Stockholm
Svezia