生态毒理学的数字双胞胎：利用人工智能和多组学进行化学风险评估
2024年1.月4.日
项目
化学污染使环境恶化，并对动物和人类的健康造成不利影响。
传统上，毒性影响的评估依赖于动物试验，这是粗糙和昂贵的。
高通量组学技术，如转录组学和代谢组学，允许对生物样本进行快速和可扩展的分析。
生物分子谱（多组学）提供了化学影响的全面测量。
它们信息丰富，非常适合集成到计算机模型中，可以有效预测毒性，同时减少对动物试验的依赖。
然而，多组学数据固有的复杂性对其计算建模提出了重大挑战。
此外，多组学数据的特点是样本量小，具有大量特征（如基因和代谢物），研究中缺乏数据采集和处理方法的标准化。
传统的方法依赖于简单的算法和来自单个研究的数据来构建计算机模型，这往往会导致较差的性能和过拟合的风险增加。
数字孪生是一种虚拟复制品，它集成了不同的、分层结构的生物分子数据，以模拟复杂的生物系统，从而能够同时更准确地预测多个毒性终点。
它是一个统一的计算框架，用于将项目间的数据统一为标准化的数字表示，从新数据中积累知识以完善内部模型，随着时间的推移提高其准确性和预测能力。这是一种革命性的生态毒理学研究方法。
该项目的目的是利用新型人工智能，特别是图形神经网络，对多组学数据进行系统建模，从而创建一个数字孪生模型，准确预测环境化学毒性，从而减少对动物试验的依赖。
该项目将有助于推进生态毒理学的人工智能和数字孪生技术，遵循3Rs原则（替代、减少、优化），以实现更安全的未来。
它符合BBSRC的可持续农业和食品优先领域：动物健康和福利。
工作职责
特别是，博士生将专注于三个研究目标：
目标1。开发数据增强和特征错位缓解算法，以优化多批小型数据集上的人工智能模型训练。
目标2。开发用于多组学数据建模的图形神经网络，以预测化学毒性终点。
目标3。将算法应用于生态毒理学多组学数据，创建数字孪生模型。
该博士项目与欧盟H2020项目PrecisionTox协同作用，该项目由伯明翰大学的主要导师共同领导。
该博士生将专注于大型水蚤的多组学数据，大型水蚤是一种广泛用于生态毒理学研究的无感知生物，其范围可能会扩大，包括PrecisionTox项目中使用的其他四种模式生物。
数字双胞胎的开发将基于PrecisionTox的试点计算研究。
博士生将在生物科学（初级导师）和计算机科学（次级导师）之间的接口工作，获得独特的多学科背景，在人工智能、系统生物学和环境科学方面具有专业知识。
该学生还将参与两个大型泛欧倡议，即地平线2020联盟PrecisionTox和地平线欧洲PARC。
这些举措为不同领域的专家提供了广泛的多学科网络。
职位信息网址
https://warwick.ac.uk/fac/cross_fac/mibtp/phd/sustainable_agriculture_and_food/ecotoxicology/
转自：“科研doge”微信公众号
如有侵权，请联系本站删除！
