Hola,
¿eres nuevo aquí?

Registrate y conecta tu empresa con financiación pública, partners y proyectos.

PID2019-105595GB-I00

Financiado

MODELOS GRAFICOS EN LA GENOMICA CLINICA

LOS MODELOS MARKOVIANOS GRAFICOS (MMGS), TAMBIEN CONOCIDOS COMO MODELOS PROBABILISTICOS GRAFICOS (MPGS), PROPORCIONAN UNA REPRESENTACION MODULAR Y EFICIENTE DE UNA DISTRIBUCION MULTIVARIANTE, SU DESARROLLO HA TENIDO LUGAR GRACIAS... ver más

01/01/2019

UPF

58K€

Presupuesto del proyecto: 58K€

Líder del proyecto

UNIVERSITAT POMPEU FABRA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 321

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2019-01-01

0% 100%

Participantes

UPF

Lider

Proyectos interesantes

TIN2012-31377 ADQUISICION DE CONOCIMIENTO EN FARMACOPROTEOMICA MEDIANTE ME... 39K€ Cerrado

RTI2018-101481-B-I00 DESARROLLO DE UNA PLATAFORMA DE MEDICINA DE PRECISION PARA E... 92K€ Cerrado

eVai A novel bioinformatics SaaS platform to identify and classif... 2M€ Cerrado

SCREEN4CARE Shortening the path to rare disease diagnosis by using newbo... 26M€ Cerrado

NIMSB NOVA Institute for Medical Systems Biology 15M€ Cerrado

GenDrug Genetically anchored drug target discovery for neglected dis... 1M€ Cerrado

Últimas noticias

27-11-2024: Videojuegos y creaci... Se abre la línea de ayuda pública: Ayudas para la promoción del sector del videojuego, del pódcast y otras formas de creación digital

27-11-2024: DGIPYME En las últimas 48 horas el Organismo DGIPYME ha otorgado 1 concesiones

27-11-2024: FUNDACION-EOI En las últimas 48 horas el Organismo FUNDACION EOI ha otorgado 2 concesiones

Líder del proyecto

UNIVERSITAT POMPEU FABRA

Total investigadores 321

Presupuesto del proyecto 58K€

Descripción del proyecto LOS MODELOS MARKOVIANOS GRAFICOS (MMGS), TAMBIEN CONOCIDOS COMO MODELOS PROBABILISTICOS GRAFICOS (MPGS), PROPORCIONAN UNA REPRESENTACION MODULAR Y EFICIENTE DE UNA DISTRIBUCION MULTIVARIANTE, SU DESARROLLO HA TENIDO LUGAR GRACIAS A CONTRIBUCIONES CIENTIFICAS DE MULTIPLES AREAS DEL CONOCIMIENTO, INCLUYENDO LA TEORIA DE GRAFOS, LA ESTADISTICA, EL APRENDIZAJE AUTOMATICO Y LA INTELIGENCIA ARTIFICIAL, EN LOS ULTIMOS AÑOS, HA SIDO POSIBLE ADAPTAR ESTE TIPO DE MODELOS, Y SUS PROCEDIMIENTOS DE ESTIMACION Y APRENDIZAJE, A DATOS DE ALTA DIMENSION, COMO LOS QUE SE PRODUCEN EN EL AMBITO DE LA BIOLOGIA MOLECULAR Y, MAS CONCRETAMENTE, DE LA GENOMICA APLICADA A CUESTIONES DE RELEVANCIA CLINICA, LA CUAL PODEMOS DENOMINAR COMO LA GENOMICA CLINICA,EN ESTE PROYECTO, PROPONEMOS ABORDAR NUEVOS RETOS METODOLOGICOS EN LA APLICACION DE LOS MMGS AL CAMPO DE LA GENOMICA CLINICA Y, MAS CONCRETAMENTE, A LA IDENTIFICACION DE BIOMARCADORES PARA ENFERMEDADES RESPIRATORIAS Y MEDICINA PERINATAL A PARTIR DE MUESTRAS DE TEJIDOS SUBSIDIARIOS (PROXY), POR UNA LADO, LAS ENFERMEDADES RESPIRATORIAS AFECTAN EL PULMON, QUE ES UN ORGANO VITAL DE DIFICIL ACCESO PARA OBTENER MUESTRAS DE SU TEJIDO, POR OTRO LADO, LA RESPUESTA INFLAMATORIA FETAL INCREMENTA EL RIESGO DE DAÑO EN LOS ORGANOS DE LOS NEONATOS PREMATUROS EXTREMOS, PERO SU FRAGIL CONDICION ANTES Y DESPUES DEL NACIMIENTO COMPROMETE LAS INTERVENCIONES INVASIVAS PARA ACCEDER A LOS TEJIDOS DIANA,LA IDENTIFICACION DE BIOMARCADORES EN TEJIDOS SUBSIDIARIOS (PROXY), COMO LA SANGRE O LA PIEL DEL PACIENTE, ES UN RETO IMPORTANTE PORQUE SU DINAMICA MOLECULAR PUEDE SOLAMENTE REFLEJAR INDIRECTAMENTE LA PATOGENESIS DE LA ENFERMEDAD, EN ESTE PROYECTO PLANTEAMOS LA IDEA DE QUE LA IDENTIFICACION DE CAMINOS IMPORTANTES EN UN MMG A PARTIR DE DATOS DE SECUENCIACION EN MASA (BULK) PUEDE COMPLEMENTAR LAS TECNICAS ACTUALES DE ANALISIS DE EXPRESION DIFERENCIAL Y CO-EXPRESION MEDIANTE MMGS, PARA LA IDENTIFICACION DE BIOMARCADORES EN TEJIDOS SUBSIDIARIOS, ADEMAS, LA RECIENTE DISPONIBILIDAD DE DATOS DE SECUENCIACION DEL RNA EN CELULAS INDIVIDUALES (SINGLE-CELL) PARA UN NUMERO CADA VEZ MAYOR DE ORGANOS HUMANOS FACILITA LA EVALUACION FUNCIONAL DE BIOMARCADORES IDENTIFICADOS EN MUESTRAS EN MASA EN UN CONTEXTO CELULAR MAS REALISTA,MAS CONCRETAMENTE, DESARROLLAREMOS METODOS EFICIENTES PARA LA DECOMPOSICION DE LA COVARIANZA SOBRE LOS CAMINOS DE UN MMG DE ALTA DIMENSION Y ADAPTAREMOS LOS METODOS ACTUALES DE APRENDIZAJE AUTOMATICO DE MMGS DE ORDEN LIMITADO A DATOS DE SECUENCIACION DEL RNA EN CELULAS INDIVIDUALES, LA CONSECUCION DE ESTOS RETOS CONTRIBUIRA A LA GENERACION DE NUEVO CONOCIMIENTO MEDIANTE NUEVOS AVANCES METODOLOGICOS EN EL CAMPO DE LOS MMGS, A LA IMPLEMENTACION DE SOFTWARE LIBRE CON CODIGO ABIERTO DE LOS METODOS DESARROLLADOS Y A UNA MEJOR GESTION DE LAS ENFERMEDADES RESPIRATORIAS Y LA PREMATURIDAD EXTREMA, MODELOS GRAFICOS\BIOESTADISTICA\GENETICA\GENOMICA

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores