Decoding the Multi-facets of Cellular Identity from Single-cell Data
Advances in technologies that measure gene expression at single-cell resolution have revolutionized our understanding of the heterogeneity, structure and dynamics of tissues and whole organisms in health and disease. Yet, in most...
ver más
MULTIview-CELL
Integration of single-cell multi-omics data across space and...
1M€
Cerrado
PID2021-126718OA-I00
NUEVA APROXIMACION COMPUTACIONAL PARA LA CARACTERIZACION DE...
115K€
Cerrado
SIMBAD
Statistical Inference from Multiscale Biological Data: theor...
741K€
Cerrado
PTQ-08-03-07929
Desarrollo de una Herramienta de Análisis de Vías de Señaliz...
50K€
Cerrado
TIN2015-71079-P
MODELOS MARKOVIANOS GRAFICOS DE ORDEN LIMITADO EN LA GENOMIC...
43K€
Cerrado
PID2021-124757NB-I00
DESARROLLO DE MODELOS QUANTITATIVOS PARA ENTENDER LA EVOLUCI...
284K€
Cerrado
Últimas noticias
30-11-2024:
Cataluña Gestión For...
Se ha cerrado la línea de ayuda pública: Gestión Forestal Sostenible para Inversiones Forestales Productivas para el organismo:
29-11-2024:
IDAE
En las últimas 48 horas el Organismo IDAE ha otorgado 4 concesiones
29-11-2024:
ECE
En las últimas 48 horas el Organismo ECE ha otorgado 2 concesiones
Descripción del proyecto
Advances in technologies that measure gene expression at single-cell resolution have revolutionized our understanding of the heterogeneity, structure and dynamics of tissues and whole organisms in health and disease. Yet, in most single-cell experiments tissue structure, temporal trajectories, and their underlying mechanisms are lost or not directly accessible. Despite experimental advances, major gaps remain in understanding how tissues orchestrate multicellular functions. In recent years, we and others focused on computationally recovering single facets of single-cell data, such as tissue structure or differentiation trajectories. However, each cell encodes multiple layers of information about its type, location, and various biological processes. Disentangling these signals from large-scale, high-dimensional single-cell data is a major challenge. Building on my expertise in network reconstruction, probabilistic spatial inference and spectral analysis of single-cell data, I will take a unique approach to this challenge by developing computational methodologies combining machine learning and dynamical systems approaches to: (1) tease apart multiple cellular facets encoded in single-cell data; (2) infer interactions between these facets and mechanisms shaping spatiotemporal expression across them; (3) derive generative models to sample and predict unobserved cell states and design optimal perturbations, providing an interpretable platform to study conditions leading to a physiological disruption and therapies aimed at reversing it. My research program will tackle the core challenge in the single-cell era - transforming this exponentially growing, complex data into insight and principles for the underlying biology of multicellular systems. It will advance our understanding and control of collective tissue behavior, and uncover the multiple facets of cellular identity in health and disease, and thus expected to be valuable for both basic and translational research.
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.