Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

GROVER

Financiado

Natural Language Processing to learn the language of the Human Genome

Natural language processing (NLP) models trained on text without explicit supervision can have groundbreaking performance. They can develop a notion for grammar, syntax, and semantics, thus learning the structure of language. Howe... ver más

31/08/2026

TUD

174K€

Presupuesto del proyecto: 174K€

Líder del proyecto

TECHNISCHE UNIVERSITAET DRESDEN No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo HORIZON EUROPE notifico la concesión del proyecto el día 2023-05-08

HORIZON-MSCA-2022-PF-01-01: MSCA Postdoctoral Fellowships 2022 ExpectedOutcome:

I+D

Cerrada hace 2 años

0% 100% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

1 Participantes

TUD

173.85K€ | Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

IndexThePlanet Planetary-scale indexing of sequencing data 2M€ Cerrado

TIN2012-38536-C03-03 ANALISIS DE TENDENCIAS MEDIANTE TECNICAS DE OPINION SEMANTIC... 84K€ Cerrado

TIN2017-89351-R FINANCIAL TEXT ANALYTICS IN SPANISH: TOOLS AND LANGUAGE RESO... 42K€ Cerrado

FFI2017-86379-P EL CORPUS ESLORA DE ESPAÑOL ORAL: ENRIQUECIMIENTO, ANALISIS... 61K€ Cerrado

TIN2017-90773-REDT RED DE EXCELENCIA EN TRATAMIENTO INTELIGENTE DE DATOS Y GENE... 10K€ Cerrado

PID2021-125076NB-C42 INTERACCION DEL LEXICO Y LA SINTAXIS EN GRIEGO ANTIGUO Y LAT... 89K€ Cerrado

Duración del proyecto: 39 meses Fecha Inicio: 2023-05-08
Fecha Fin: 2026-08-31

Líder del proyecto

TECHNISCHE UNIVERSITAET DRESDEN No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 174K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Natural language processing (NLP) models trained on text without explicit supervision can have groundbreaking performance. They can develop a notion for grammar, syntax, and semantics, thus learning the structure of language. However, while we have defined the rules in our language, we only have a basic understanding about the linguistics of our genome. In this project, our goal is to treat the human genome as a sequence of text and apply NLP techniques to the human DNA sequence. We will establish byte-pair tokenization to generate vocabulary from DNA sequence and analyse attention maps to see the training relationship between different words of the genome. We will then further investigate the language rules using methods from corpus linguistics. Together, this will allow us to explore the grammar, syntax, and semantics hidden in the genome and capture their biological meaning. For proof-of-principle, we will perform several biological prediction tasks with fine-tuning models, built on top of the pretrained model. First, we will take popular genomic prediction tasks to benchmark our approach, such as predicting genome elements, transcription, and precision of genome editing. Then we will add some novel tasks around genome stability using available multi-omics data. Throughout the project we will implement techniques for interpretable learning and strategies to observe, control, and prevent ethnic biases in our approach. We expect for large language models to change how we, as a scientific field, approach genomics data analysis and expect our models to establish how these techniques can be applied efficiently, transparently, and in a bias-reduced way. In addition to general understanding of genome biology, we plan to use our models in the future for technical improvements of data analysis, population genetics, and for translational uses with applications in cancer genomics and genome editing.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores