Grant: Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
The Governing Council of the University of Toronto
$238,700.00
AI for precision discovery on associations in biological systems
FY 2019-20 · 2020-03-26
Summary
Precise discovery on the causal associations between phenotype (such as human complex diseases) and underlining genetic variations is one of the fundamental questions in life sciences, and has an essential role in translational medicine. To date, many studies have been conducted to infer disease-relevant genes/biomarkers, but only a limited number of signals have been experimentally confirmed to be causative. The cell heterogeneity of the complex tissues is a major known factor contributing to this limitation. In this project, we aim to precisely identify genetic-phenotype associations in a cell-subtype specific manner by combining massively parallel single-cell-based CRISPR knockdown or knockout screening and advanced AI technologies, such as deep generative models. In particular, activities will focus on applying and developing AI methods to mine the real information behind the massive single cell data and infer the precise genetic-phenotype signals. Research will also make use of AI technologies to design gene and cell therapeutic interventions to target the identified signals.
Department
Program
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Location
Toronto|Toronto, Ontario, Canada
Recipient Type
Academia
Business Number
108162330
Type
Grant
Source
Proactive Disclosure - Grants and Contributions
As published
Additional Information
This agreement has been amended 1 time(s). The total amended value is 238,700 dollars and the end date of this agreements has been modified by 359 days.
Additional Information (French)
Cet accord a été modifié 1 fois. La valeur totale des modifications est de 238 700 dollars et La date de fin du présent accord a été changé de 359 jours.
Agreement End Date
2023-03-25
Agreement Number
947406
Agreement Start Date
2020-03-26
Agreement Title
AI for precision discovery on associations in biological systems
Agreement Title (French)
L’IA au service de la recherche sur les liens de causalité dans les systèmes biologiques
Agreement Type
Grant
Agreement Value
$238,700.00
Amendment Date
2021-11-12
Amendment Number
1
Description
Precise discovery on the causal associations between phenotype (such as human complex diseases) and underlining genetic variations is one of the fundamental questions in life sciences, and has an essential role in translational medicine. To date, many studies have been conducted to infer disease-relevant genes/biomarkers, but only a limited number of signals have been experimentally confirmed to be causative. The cell heterogeneity of the complex tissues is a major known factor contributing to this limitation. In this project, we aim to precisely identify genetic-phenotype associations in a cell-subtype specific manner by combining massively parallel single-cell-based CRISPR knockdown or knockout screening and advanced AI technologies, such as deep generative models. In particular, activities will focus on applying and developing AI methods to mine the real information behind the massive single cell data and infer the precise genetic-phenotype signals. Research will also make use of AI technologies to design gene and cell therapeutic interventions to target the identified signals.
Description (French)
La description précise des liens de causalités entre le phénotype (p. ex. les maladies humaines complexes) et les variations génétiques sous-jacentes est l’un des thèmes fondamentaux des sciences de la vie. Elle joue un rôle essentiel en médecine translationnelle. Jusqu’à maintenant, de nombreuses études ont été effectuées pour détecter des gènes ou des biomarqueurs liés à des maladies, mais seul un petit nombre d’entre eux ont été confirmés expérimentalement comme étant causaux. L’hétérogénéité cellulaire des tissus complexes est un important facteur limitant à cet égard. Dans le cadre de ce projet, nous prévoyons de décrire précisément les associations génotype-phénotype pour un sous-type cellulaire en combinant le triage CRISPR par activation et désactivation massivement parallèle sur cellule unique à des techniques avancées d’IA telles que les modèles génératifs profonds. En particulier, des activités seront consacrées à l’application et au développement de méthodes basées sur l’IA visant à extraire des renseignements utiles du grand nombre de données afférentes aux cellules uniques et à en déduire des liens précis entre le génotype et le phénotype. Les travaux s’appuieront également sur des techniques d’IA pour concevoir des interventions thérapeutiques génétiques ou cellulaires qui ciblent les liens ainsi mis en évidence.
Expected Results
In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators. In the long term, find collaborative solutions to public policy challenges and create stronger innovation systems.
Expected Results (French)
À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.
Federal Riding
University–Rosedale
Federal Riding (French)
University–Rosedale
Federal Riding Number
35110
NAICS Code
541710
Organization Code
nrc-cnrc
Organization
National Research Council Canada | Conseil national de recherches Canada
Program Name
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Program Name (French)
Programme de collaboration en science, en technologie et en innovation - Initiatives de collaboration en R-D
Program Purpose
Collaborate on multiparty research and development programs to catalyze transformative, high-risk, high-reward research with the potential for game-changing scientific discoveries and technological breakthroughs in priority areas.
Program Purpose (French)
Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.
Recipient Business Number
108162330
Recipient City
Toronto|Toronto
Recipient Country
CA
Recipient Legal Name
The Governing Council of the University of Toronto
Recipient Postal Code
M5G 1L5
Recipient Province or Territory
ON
Recipient Type
S
Reference Number
172-2021-2022-Q3-947406