Modeliranje transkriptoma

Naročnik (šifra): ARRS (Z7-3665)
Tip projekta: Temeljni oz. aplikativni projekt
Trajanje projekta: 2010 - 2012

Sodelavci na projektu



Najnovejši eksperimentalni pristopi, ki temeljijo na visokozmogljivem sekvenciranju (n.pr. metoda RNA-Seq), temeljno spreminjajo raziskave transkriptoma. Omogočajo znatno obsežnejši vpogled v celico na nivoju celotnega genoma in izražanje genoma na nivoju posameznega nukleotida ter tako spreminjajo naše razumevanje strukture in dinamike transkriptoma. Že z enim samim poskusom lahko zberemo več GB podatkov o izraženih zaporedjih. Tovrstno izobilje podatkov lahko obvladujemo in uspešno preučujemo le z novimi računsko-analitičnimi orodji. Oblikovanje in dostopnost tovrstnih orodij tako igra ključno vlogo v sodobnih biomedicinskih znanstvenih raziskavah in odkritjih. Razvoj tovrstnih orodij ima potencialno velik vpliv na raziskovalce v genomiki in biomedicini.

Predlagani projekt bo razvil vrsto računskih in vizualizacijskih metod za določanje in kvantifikacijo elementov transkriptoma na osnovi podatkov iz visokozmogljivega sekvenciranja RNA in podatkov o preferenčni vezavi transkripcijskih faktorjev. Uporabili bomo vrsto metod za odkrivanje znanj iz podatkov in umetne inteligence za modeliranje relacij med elementi transkriptoma in jih vključili v inteligentnega asistenta, ki bo omogočal raziskovalno analizo podatkov o transkriptomu.

Glavni pričakovani rezultati projekta so: 1) računski cevovod za kartiranje odčitkov zaporedij iz visokozmogljivega sekvenciranja (RNA-Seq in iCLIP), ki vključuje tudi metode za določanje in kvantifikacijo elementov transkriptoma, 2) računske metode, formalizacija opisnega jezika in razvoj učinkovitih hevristik za modeliranje relacij med elementi transkriptoma in postavljanje novih hipotez o transkripcijski regulaciji, 3) implementacija inteligentnega, spletnega vmesnika za raziskovalno analizo, ki bo uporabnika usmerjal k najbolj zanimivim rezultatom analize, in 4) uporaba razvitih programskih orodij za modeliranje transkriptoma socialne amebe Dictyostelium discoideum tekom večceličnega razvoja, medceličnega prepoznavanja in interakcij z bakterijami, ter za modeliranje nevrodegenerativnih bolezni človeka in mišjih modelov.