Efektivní indexování velkých kolekcí genomů pomocí maskovaných nadřetězců k-merů

Poskytovatel

Ministerstvo školství, mládeže a tělovýchovy

Program

Podpora mobility výzkumných pracovníků a pracovnic v rámci mezinárodní spolupráce ve VaVaI

Veřejná soutěž

—

Hlavní účastníci

Univerzita Karlova / Matematicko-fyzikální fakulta

Druh soutěže

M2 - Mezinárodní spolupráce

Číslo smlouvy

-

Název projektu anglicky

Efficient Indexing of Large Genome Collections via Masked Superstrings of k-Mers

Anotace anglicky

Building on our concept of masked superstrings (Sladký, Veselý, and Břinda 2023, 2024), the goal of this project is to significantly extend our preliminary results and address the main challenges in processing and analyzing large k-mer sets, possibly subjected to sampling or sketching. In particular, we have the following specific research aims: Aim 1: Develop a mathematical measure for quantifying the compactness of k-mer sets, so called „Spectrum-Like Quotient“ (SLQ). Aim 2: Develop a SLQ-based parameterization of k-mer sets and k-mer-based algorithms. Aim 3: Develop techniques for indexing large collections of multiple k-mer sets via masked superstrings. Aim 4: Develop streaming algorithms for efficient comparisons of masked superstring. The results of the collaboration will be presented at international conferences, seminars, and colloquia, as well as at both collaborating institutions. Involved students will participate in international workshops and internships, which will broaden their professional horizons and help them prepare for a career in scientific research. All software created as part of this project will be available on GitHub under the MIT license and will also be archived at Zenodo. All papers will initially be published as preprints on servers such as ArXiv, bioRxiv, and HAL.science. We will then prepare the papers for publication in prestigious journals in the field, including Genome Research, Genome Biology, or Bioinformatics.

Kategorie VaV

ZV - Základní výzkum

OECD FORD - hlavní obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

OECD FORD - vedlejší obor

—

OECD FORD - další vedlejší obor

—

CEP - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

AF - Dokumentace, knihovnictví, práce s informacemi<br>BC - Teorie a systémy řízení<br>BD - Teorie informace<br>IN - Informatika

Zahájení řešení

1. 1. 2025

Ukončení řešení

31. 12. 2026

Poslední stav řešení

Z - Začínající víceletý projekt

Poslední uvolnění podpory

—

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP25-MSM-8J-R

Datum dodání záznamu

11. 2. 2025

Celkové uznané náklady

194 tis. Kč

Výše podpory ze státního rozpočtu

194 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč