- Tipo de expresión:
- Doctorado: Propuesta de dirección de tesis doctoral/temática para solicitar ayuda predoctoral ("Hosting Offer o EoI")
- Ámbito:
- Biologia Computacional, Bioinformática
- Área:
- Vida
- Modalidad:
- Ayudas para contratos predoctorales para la formación de doctores (antiguas FPI)
- Referencia:
- PIF2024
- Centro o Instituto:
- INSTITUTO DE BIOLOGIA INTEGRATIVA DE SISTEMAS
- Investigador:
- ANA VICTORIA CONESA CEGARRA
- Palabras clave:
-
- bioinformática, multiomica, transcriptomica, estadística, software
- Documentos anexos:
- 666927.pdf
- 666929.pdf
PIF2024 - Nuevas metodologías para análisis multiómico integrativo con tecnologías de secuenciación de frontera. (novelMO) (PID2023-152976NB-I00)
En la última década, la comunidad de genómica ha adoptado cada vez más enfoques multiómicos para estudiar sistemas biológicos
complejos, modelar circuitos reguladores y desarrollar predictores de enfermedades multimodales. Los multiómicos tradicionales
integraban la secuenciación de lectura corta (NGS) del genoma, transcriptoma y epigenoma con la metabolómica y la proteómica. Los
avances recientes en tecnologías de secuenciación ahora ofrecen mediciones a nivel de célula individual (SC) con resolución espacial, y
los últimos métodos de Secuenciación de Tercera Generación (TGS) permiten el análisis de moléculas largas individuales. Estas
innovaciones se están integrando rápidamente en los multiómicos (MO) para investigar redes reguladoras específicas de tipo celular,
resueltas espacialmente y actuando en cis. Aunque existen numerosos métodos para analizar datos de MO NGS, las técnicas para SC,
espaciales o basadas en TGS para MO todavía se están desarrollando. Los protocolos de MO están en desarrollo o requieren métodos
bioinformáticos innovadores para maximizar las nuevas capacidades de secuenciación para la comprensión de la biología celular y
molecular. En el proyecto novelMO, utilizamos nuestra amplia experiencia en multiómicos NGS y transcriptómica TGS para crear nuevas
soluciones efectivas para analizar esta emergente ola de conjuntos de datos multiómicos.
El objetivo principal del proyecto novelMO es desarrollar métodos estadísticos innovadores y herramientas