Progetto

ML4Microbiome

Statistical and machine learning techniques in human microbiome studies
Ambiti Applicativi
Aree di Ricerca
Linee di Ricerca
Personale
Sito web

Referente Scientifico ITB

Titolo

Statistical and machine learning techniques in human microbiome studies

Acronimo

ML4Microbiome

Sede

Bari

Data di inizio

2019

Data di fine

2023

Ente finanziatore

COST (European Cooperation in Science and Technology), a funding organisation for research and innovation networks

Enti partecipanti esterni

Marcus Claesson (University College Cork, Ireland); Randi J. Bertelsen (University of Bergen, Norway); Dimitrios VLACHAKIS (Agricultural University of Athens, Greece); Tatjana Lončar-Turukalo (Faculty of Technical Sciences, University of Novi Sad, Serbia); Jaak Truu (University of Tartu, Estonia); Leo Lahti (University of Turku, Finland); Christian Jansen (Biome Diagnostics GmbH, Wien, Austria)

L'azione COST ML4Microbiome (CA18131) mira a creare una simbiosi produttiva tra ricercatori del microbioma orientati alla scoperta ed esperti di apprendimento automatico (Machine Learning) basati sui dati, attraverso incontri periodici, workshop e corsi di formazione. L'obiettivo principale è innanzitutto ottimizzare e poi standardizzare l'uso di modelli statistici e metodi di apprendimento automatico (ML) specificamente adattati all'analisi dei dati del microbioma umano e alla creazione di dataset di riferimento pubblicamente disponibili. Un uso corretto di questi approcci consentirà una migliore identificazione di caratteristiche "microbiomiche" predittive e discriminanti per l'individuazione di attori chiave in malattie intestinali e non intestinali, ad esempio malattie infiammatorie croniche intestinali, diabete e cirrosi epatica, nonché nello sviluppo cerebrale e nel comportamento, aumenterà la ripetibilità degli studi e fornirà approfondimenti meccanicistici sui possibili ruoli causali o contributivi del microbioma nelle malattie umane. Questa azione indagherà anche sulle opportunità di automazione e definirà le aree prioritarie per lo sviluppo di nuovi metodi di ML/statistica mirati ai dati del microbioma.