En aquest projecte, es pretén oferir una implementació en Python de diferents algoritmes de difusió, ja implementada i distribuïda en R amb la llibreria diffuStats [2]. Aquesta seria distribuida en forma de mòdul, tant per a l'ús de la comunitat científica bioinformàtica com per altres aplicacions en computació. Per altra banda, es formula l'aplicació d'aquests algoritmes sobre conjunts (sets) de dades multiomiques procedents d'experiments, amb una xarxa harmonitzada com a transfons, la qual integra les tres bases de dades mencionades anteriorment (KEGG, Reactome o WikiPathways) i que ja està distribuïda amb el framework de Python PathMe (del qual vaig participar en el seu desenvolupament). Amb tot, es planteja demostrar l'efectivitat de la integració i la interoperabilitat de diferents bases de dades i l'eficàcia en la predicció multiomica.

This project, it is intended to offer a Python implementation of different diffusion algorithms, already implemented and distributed in the R library diffuStats. It would be distributed as a Python module, both for the use of the scientific bioinformatics community and for other computing applications. On the other hand, the application of these algorithms on multi-omic experimental datasets, with an harmonized network as background, which integrates three main databases (KEGG, Reactome and WikiPathways), which is already distributed in the Python module PathMe (of which I participated in its development). The main goal then, is to demonstrate the effectiveness of the integration and interoperability of different databases through the effectiveness of multi-omic prediction using diffusion techniques.