Chan Zuckerberg Initiative premia il Glastonbury Group
Il Glastonbury Group è tra i destinatari dei premi del Data Insights Cycle 3. L’obiettivo dell’iniziativa è quello di sviluppare un modello di apprendimento automatico che identifichi sottopopolazioni cellulari rilevanti per una certa malattia e preveda un fenotipo/malattia di interesse a partire da dati RNA-seq a singola cellula (scRNA-seq) su larga scala.
La Chan Zuckerberg Initiative (CZI) ha recentemente invitato un terzo ciclo di ricercatori a presentare domanda per progetti della durata di 18 mesi, incentrati a sostenere esperti in ambito computazionale per l’avanzamento di strumenti e risorse che permettano di ottenere maggiori informazioni sulla salute e sulle malattie da set di dati biologici derivanti da singole cellule.
I vincitori del terzo ciclo del progetto sono stati annunciati il 23 luglio. Tra i 17 progetti premiati c’è anche la proposta presentata da Craig Glastonbury, Group Leader presso Human Technopole, in collaborazione con Nicole Soranzo, Senior Group Leader presso il Wellcome Sanger Institute e Responsabile del Genomics Research Centre – Population and Medical Genomics Programme di Human Technopole.
Il progetto, intitolato “Phenotypic prediction from population-scale single-cell RNA-seq” mira a sviluppare strumenti che consentano di prevedere patologie ad ampio spettro, tratti e biomarcatori a partire da dati ottenuti da singole cellule, identificando contemporaneamente i tipi di cellule implicate.
La disponibilità di studi di biobanche di singole cellule, unita a modelli addestrati su atlanti cellulari, rappresenta un’incredibile opportunità per lo sviluppo di strumenti che consentano la previsione delle malattie ad ampio spettro, prognosi euna comprensione più completa dell’eterogeneità della malattia risolta a livello di sottotipi e stati cellulari in singole cellule.
A tal fine, il Glastonbury Group svilupperà un strumenti che sfruttano i progressi del Multiple Instance Learning (MIL). Questo approccio consentirà di classificare in modo probabilistico i profili delle singole cellule dei donatori in base al loro stato di malattia o all’abbondanza di biomarcatori e per identificare simultaneamente i modelli e le metodologie MIL implicate, segnando un cambiamento paradigmatico nel consentire la previsione della malattia, la prognosi e la comprensione dell’eterogeneità delle singole cellule. In particolare, il Glastonbury Group sfrutterà i profili RNA-seq a singola cellula raccolti in 6.500 donatori di una biobanca britannica densamente fenotipizzati. Ciò consentirà di produrre un atlante che caratterizzerà il modo in cui i tipi di cellule/stati di attivazione sono implicati in specifiche malattie, la loro progressione e di identificare una serie di biomarcatori molecolari e metabolici.
“L’utilizzo dei dati di una singola cellula per un’accurata previsione e prognosi delle malattie migliorerà l’attuale comprensione meccanicistica di come le malattie, i tratti e i biomarcatori giocano un ruolo a livello di singole cellule e aprirà la strada a una comprensione più completa dell’eterogeneità delle malattie in una popolazione“, ha sottolineato Craig Glastonbury.
Condividi:
Ti potrebbe anche interessare:
-
Cambio di direzione dei treni ciliari e riconoscimento del carico
Uno studio del Pigino Group presso Human Technopole rivela che la conversione dal trasporto intraflagellare anterogrado a quello retrogrado richiede lo smontaggio completo dei treni anterogradi alla punta del ciglio e fornisce i meccanismi per il legame e il trasporto direzionale specifico dei carichi nelle ciglia.
-
Capire la patogenesi dell’encefalite da SARS-CoV-2
In collaborazione con un team internazionale di scienziati, i ricercatori di HT hanno identificato una mutazione missenso in un gene coinvolto nell’immunità intrinseca del cervello come causa genetica dell’encefalite del tronco encefalico da SARS-CoV-2. I risultati sono pubblicati sul Journal of Experimental Medicine.
-
Il machine learning rivela caratteristiche nascoste dei tessuti umani
I ricercatori di Human Technopole hanno sviluppato un modello di machine learning auto-supervisionato che combina istologia, espressione genica e variazione genetica per identificare e raggruppare automaticamente distinte sottostrutture tissutali, cellule e tratti patologici nei tessuti umani.
-
Dall’IA nuovi “campanelli d’allarme” per il tumore alla prostata
Uno studio di Human Technopole, dell’Institute of Cancer Research e del Royal Marsden NHS Foundation Trust di Londra ha mostrato che la presenza nel tumore alla prostata di cellule con differenze genetiche e di forma indica un maggiore rischio che la patologia si ripresenti, anche dopo dieci anni. Lo studio potrà aiutare i medici a personalizzare meglio il trattamento per questa patologia, adottando trattamenti più aggressivi in quei casi in cui emerga, grazie a questi parametri, un maggiore rischio di recidiva.
-
Le tecnologie “open” di HT per la comunità scientifica italiana
Human Technopole apre le Piattaforme Nazionali, strumentazioni e tecnologie all’avanguardia accessibili tramite bandi aperti alla comunità scientifica italiana. I progetti verranno selezionati da una commissione di esperti internazionali. Gli scienziati potranno accedere a cinque nuove strutture dedicate, catalizzatrici di open innovation nel settore delle scienze della vita, cruciale per la ricerca e la salute degli italiani.