Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | A Bayesian two-layer latent variable model for single-isoform proteogenomics inference |
|---|---|
| Titolo del progetto di ricerca in inglese | A Bayesian two-layer latent variable model for single-isoform proteogenomics inference |
| Campo principale della ricerca | Biological sciences |
| Sottocampo della ricerca | Biology |
| Campo principale della ricerca | Computer science |
| Sottocampo della ricerca | Programming |
| Campo principale della ricerca | Mathematics |
| Sottocampo della ricerca | Statistics |
| Settore Concorsuale | 13 - Scienze economiche e statistiche |
| S.S.D | - |
| Descrizione sintetica in italiano | Vogliamo creare un metodo statistico per l’inferenza delle proteine, a livello di isoforme. Di solito, le proteine ??vengono osservate indirettamente tramite i peptidi. Tuttavia, i peptidi possono essere rilevati erroneamente, e tipicamente mappano su più isoforme proteiche. Quindi, l’inferenza è complessa, e spesso imprecisa. Proponiamo un modello Bayesiano con due strati di variabili latenti: uno per il rilevamento errato dei peptidi, ed uno per allocare l’abbondanza dei peptidi alle proteine a cui mappano. I dati di trascrittomica forniscono ulteriore informazione, tramite un a priori informativa. Miriamo a i) usare campioni individuali, e ii) modellare più campioni tramite un modello gerarchico Bayesiano, ed eseguire test differenziali tra condizioni (ad es. trattamenti). La nostra ricerca è affiancata dallo Sheynkman lab (Virginia University), che ci permetterà di validare il nostro approccio su dati reali. I metodi saranno distribuiti come pacchetto R su Bioconductor. |
| Descrizione sintetica in inglese | We aim to create an all rounded statistical method for protein inference, at the isoform level. Usually, proteins are observed indirectly via peptides. However, peptides can be erroneously detected, and typically map to multiple protein isoforms. Therefore, inference is challenging, and often inaccurate. We propose a Bayesian two-layer latent variable model, with one layer for the erroneous detection of peptides, and one to allocate peptide abundance to the proteins they map to. Transcriptomics data will further enhance the information available, via an informative prior. On both bulk and single-cell data, we aim to i) fit individual samples, and ii) model multiple samples in a Bayesian hierarchical framework, and perform differential testing between conditions (e.g., treatments). Our research is accompanied by the Sheynkman lab (University of Virginia), that will enable us to validate our approach on real data. Our methods will be distributed as Bioconductor R packages. |
| Data del bando | 24/11/2023 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI SCIENZE STATISTICHE "PAOLO FORTUNATI" |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| simone.tiberi@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 08/01/2024 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |