英国伦敦国王学院双胞胎研究与遗传流行病学系招收全奖博士
多组学在慢性疼痛精准医疗中的应用
关于项目
该学生将加入伦敦国王学院双胞胎研究与遗传流行病学系与Grünenthal GmbH之间现有的合作项目。我们共同致力于增进对慢性疼痛的理解并改进其治疗方法。慢性疼痛（定义为持续超过3个月的疼痛）给个人和社会带来了巨大的负担，全球超过30%的人受其影响。慢性疼痛患者对治疗的反应并不一致，且目前的疼痛疗法效果欠佳，药物反应和副作用方面存在显著的个体差异，令人担忧。患者个体药物反应背后的机制仍难以捉摸，多种遗传和环境因素都对其产生影响。据认为，患者个体因素是造成个体间药物反应差异的另一根本原因和驱动因素，这凸显了在慢性疼痛管理中应用精准医疗的重要性日益提升。
TwinsUK是一个拥有超过15,000名志愿者参与的成人双胞胎登记库，成立于1992年[1]。30多年来，我们一直通过双胞胎访问和问卷调查的方式研究疼痛[2,3,4]。该研究拥有纵向健康记录和多组学数据。约2500名双胞胎参与者接受了临床访问，并进行了疼痛敏感性的客观测量（定量感觉测试，QST）[5]。该研究为（i）探索新的疾病和靶点假设（ii）从遗传学角度验证疼痛通路，以及（iii）阐明人类慢性疼痛的病理生理学提供了独特的资源。
该学生将整合TwinsUK的多组学数据集与人工智能（AI）/机器学习（ML）方法，以阐明多个细胞层面数据集中慢性疼痛的分子特征。TwinsUK数据集将通过实现与慢性疼痛相关的通路、基因和蛋白质的表征，在疼痛精准医疗中发挥关键作用。用于整合分析的多组学的创新计算方法为从分子层面理解疼痛提供了前所未有的机会，并有助于发现新的靶点/机制和实现精准医疗。在本项目中，该学生将开发并应用AI/ML算法，对来自TwinsUK的多组学数据集进行系统层面的整合，以：
表征驱动慢性疼痛的分子实体（基因、蛋白质等）和通路
利用分子数据和生物标志物对疼痛表型进行临床分层
利用计算方法阐明每个个体特有的分子异质性，并预测个体对疼痛疗法的特异性反应
与其他最先进的ML方法比较并评估其计算方法
利用英国生物银行（UKB）等公开数据集设计复制和验证研究。
ML算法：包括监督学习、无监督学习和强化学习算法，这些算法能够处理大量组学数据，以识别生物实体之间的模式、相关性和相互作用
深度学习模型：作为机器学习的一个子集，利用卷积神经网络（CNNs）、循环神经网络（RNNs）和变换器等神经网络架构对多组学数据中的复杂结构进行建模
图形模型：表示和分析各种组学数据集之间的依赖关系，有助于理解复杂的生物网络
资助说明：
医学研究委员会（MRC）博士培训合作伙伴关系（DTP）提供为期4年的iCASE全额资助奖学金，提供以下经济支持：
·生活津贴：25,280英镑（2025/2026学年）。这是向学生支付的无税款项。完整的资助奖励详情可在此处查看：https://kcl-mrcdtp.com/apply/
学费：奖学金涵盖整个奖学金期间的全部学费，包括国际费率。
·研究培训和支持拨款（RTSG）：每年6,400英镑。用于支付培训研究学生的消耗品成本（通常称为“实验台费用”）的补助金。
·旅行和会议津贴：每年300英镑。用于参加科学会议、研讨会或访问合作者的补助金。
·灵活补充基金：MRC资助的学生可获得该基金，该基金可帮助资助广泛的研究和培训活动。
资助来源：本项目由MRC、KCL和行业合作伙伴Grünenthal GmbH资助，涵盖安置费用。
项目相关咨询请联系：
Frances Williams教授，frances.williams@kcl.ac.uk
Cristina Menni博士，cristina.menni@kcl.ac.uk
申请截止日期：2025年10月28日星期二，13:00（格林尼治标准时间）
参考文献
1. TwinsUK: The UK Adult Twin Registry Update. Verdi S et al. Twin Res Hum Genet 2019 Vol. 22 Issue 6 Pages 523-529. DOI: 10.1017/thg.2019.65
2. Genome-wide association study identifies RNF123 locus as associated with chronic widespread musculoskeletal pain. Rahman MS et al. Ann Rheum Dis. 2021 Sept; 80(9) 1227-35. doi: 10.1136/annrheumdis-2020-219624
3. Associations between gut microbiota and genetic risk for rheumatoid arthritis in the absence of disease: a cross-sectional study. Philippa M Wells et al . Lancet Rheumatol 2020 25;2(7):e418-e427 DOI: 10.1016/S2665-9913(20)30064-3
4. Sex- and age-specific genetic analysis of chronic back pain. Maxim B Freidin et al. Pain 2021 Vol. 162 Issue 4 Pages 1176-1187. DOI: 10.1097/j.pain.0000000000002100
5. Genes contributing to pain sensitivity in the normal population: an exome sequencing study. Williams et al Plos Genetics 2012 Vol. 8 Issue 12 Pages e1003095. DOI: 10.1371/journal.pgen.1003095
【竞赛报名/项目咨询+微信：mollywei007】
