Projekty finansowane przez NCN

Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

Zintegrowana analiza genomicznej, fenotypicznej i przestrzennej heterogeniczności nowotworów

2019/33/B/NZ2/00956

Słowa kluczowe:

rak heterogeniczność statystyczna analiza danych uczenie maszynowe

Deskryptory:

  • NZ2_007: Bioinformatyka
  • NZ2_008: Biologia obliczeniowa

Panel:

NZ2 - Genetyka, genomika: Genetyka molekularna, genomika, proteomika, bioinformatyka, biologia systemowa, epidemiologia molekularna

Jednostka realizująca:

Uniwersytet Warszawski, Wydział Matematyki, Informatyki i Mechaniki

woj. mazowieckie

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

dr Ewa Szczurek 

Liczba wykonawców projektu: 5

Konkurs: OPUS 17 - ogłoszony 2019-03-15

Przyznana kwota: 816 520 PLN

Rozpoczęcie projektu: 2020-02-01

Zakończenie projektu: 2023-02-05

Planowany czas trwania projektu: 36 miesięcy (z wniosku)

Status projektu: Projekt rozliczony

Opis Projektu

Pobierz opis projektu w formacie .pdf

Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.

Dane z raportu końcowego/rocznego

  • Publikacje w czasopismach (10)
  • Teksty w publikacjach pokonferencyjnych (1)
  1. CONET: copy number event tree model of evolutionary tumor history for single-cell data
    Autorzy:
    Magda Markowska, Tomasz Cąkała, BłaŻej Miasojedow, Bogac Aybey, Dilafruz Juraeva, Johanna Mazur, Edith Ross, Eike Staub, Ewa Szczurek
    Czasopismo:
    Genome Biology (rok: 2022, tom: 23, strony: 128), Wydawca: Biomed Central
    Status:
    Opublikowana
    Doi:
    10.1186/s13059-022-02693-z - link do publikacji
  2. Synthetic lethality prediction in DNA damage repair, chromatin remodeling and the cell cycle using multi-omics data from cell lines and patients
    Autorzy:
    M. Markowska, M. A. Budzinska, A. Coenen-Stass, S. Kang, E. Kizling, K. Kolmus, K. Koras, E. Staub, E. Szczurek,
    Czasopismo:
    Scientific Reports (rok: 2023, tom: 13, strony: 7049), Wydawca: Springer Nature
    Status:
    Opublikowana
    Doi:
    10.1038/s41598-023-34161-4 - link do publikacji
  3. Celloscope: a probabilistic model for marker-gene driven cell type deconvolution in spatial transcriptomics data
    Autorzy:
    A. Geras, S. Darvish Shafighi, K. Domżał, I. Filipiuk, A. Rączkowska, P. Szymczak, H. Toosi, L. Kaczmarek, L. Koperski, J. Lagergren, D. Nowis, E. Szczurek
    Czasopismo:
    Genome Biology (rok: 2023, tom: 24, strony: 120), Wydawca: Springer Nature
    Status:
    Opublikowana
    Doi:
    10.1186/s13059-023-02951-8 - link do publikacji
  4. Deep learning-based tumor microenvironment segmentation is predictive of tumor mutations and patient survival in non-small-cell lung cancer
    Autorzy:
    L. Raczkowski, I. Pasnik, M. Kukielka, M. Nicos, M. A. Budzinska, T. Kucharczyk, J. Szumilo, P. Krawczyk, N. Crosetto, E. Szczurek
    Czasopismo:
    BMC Cancer (rok: 2022, tom: 22, strony: 1001), Wydawca: BioMed Cental
    Status:
    Opublikowana
    Doi:
    10.1186/s12885-022-10081-w - link do publikacji
  5. CACTUS: integrating clonal architecture with genomic clustering and transcriptome profiling of single tumor cells.
    Autorzy:
    Shafighi SD, Kiełbasa SM, Sepúlveda-Yáñez J, Monajemi R, Cats D, Mei H, Menafra R, Kloet S, Veelken H, van Bergen CAM, Szczurek E
    Czasopismo:
    Genome Medicine (rok: 2021, tom: 13, strony: 45), Wydawca: Springer Nature
    Status:
    Opublikowana
    Doi:
    10.1186/s13073-021-00842-w - link do publikacji
  6. Synthetic lethality prediction in DNA damage repair, chromatin remodeling and the cell cycle using multi-omics data from cell lines and patients
    Autorzy:
    M. Markowska, M. A. Budzinska, A. Coenen-Stass, S. Kang, E. Kizling, K. Kolmus, K. Koras, E. Staub, E. Szczurek,
    Czasopismo:
    Scientific Reports (rok: 2023, tom: 13, strony: 7049), Wydawca: Springer Nature
    Status:
    Opublikowana
    Doi:
    10.1038/s41598-023-34161-4 - link do publikacji
  7. Interpretable deep recommender system model for prediction of kinase inhibitor efficacy across cancer cell lines.
    Autorzy:
    Koras K, Kizling E, Juraeva D, Staub E, Szczurek E
    Czasopismo:
    Scientific Reports (rok: 2021, tom: 11, strony: 15993), Wydawca: Springer Nature
    Status:
    Opublikowana
    Doi:
    10.1038/s41598-021-94564-z - link do publikacji
  8. CACTUS: integrating clonal architecture with genomic clustering and transcriptome profiling of single tumor cells.
    Autorzy:
    Shafighi SD, Kiełbasa SM, Sepúlveda-Yáñez J, Monajemi R, Cats D, Mei H, Menafra R, Kloet S, Veelken H, van Bergen CAM, Szczurek E
    Czasopismo:
    Genome Medicine (rok: 2021, tom: 13, strony: 45), Wydawca: Springer Nature
    Status:
    Opublikowana
    Doi:
    10.1186/s13073-021-00842-w - link do publikacji
  9. Interpretable deep recommender system model for prediction of kinase inhibitor efficacy across cancer cell lines.
    Autorzy:
    Koras K, Kizling E, Juraeva D, Staub E, Szczurek E
    Czasopismo:
    Scientific Reports (rok: 2021, tom: 11, strony: 15993), Wydawca: Springer Nature
    Status:
    Opublikowana
    Doi:
    10.1038/s41598-021-94564-z - link do publikacji
  10. Interpretable deep recommender system model for prediction of kinase inhibitor efficacy across cancer cell lines.
    Czasopismo:
    Scientific Reports (rok: 2021, tom: 11, strony: 15993)
    Status:
    Opublikowana
    Doi:
    10.1038/s41598-021-94564-z - link do publikacji
  1. A generative recommender system with GMM prior for cancer drug generation and sensitivity prediction
    Autorzy:
    Krzysztof Koras, Marcin Możejko, Paulina Szymczak, Adam Izdebski, Eike Staub, Ewa Szczurek
    Konferencja:
    Proceedings of the 17th Machine Learning in Computational Biology meeting (rok: 2022, tom: Machine Learning in Computational Biology, strony: 61-73), Wydawca: Proceedings of Machine Learning Research
    Data:
    konferencja Listopad 21-22
    Status:
    Opublikowana
    Doi:
    10.48550/arXiv.2206.03555 - link do publikacji

O Narodowym Centrum Nauki

Finansowanie nauki

Współpraca zagraniczna

Centrum prasowe

Deklaracja dostępności
Przetwarzanie danych osobowych
Polityka cookies

Partnerzy