Développements méthodologiques autour des modèles mixtes additifs généralisés pour la recherche de signatures moléculaires de cancer du sein triple négatif

par Florent Guinot

Projet de thèse en Sciences de la vie et de la santé

Sous la direction de Christophe Ambroise et de Marie Szafranski.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Structure et Dynamique des Systèmes Vivants (Gif-sur-Yvette, Essonne) , en partenariat avec LaMME - Laboratoire de Mathématiques et Modélisation d'Evry (laboratoire) , Statistique et Génome (equipe de recherche) et de Université d'Évry-Val-d'Essonne (établissement de préparation de la thèse) depuis le 04-01-2016 .


  • Résumé

    L'explosion des études sur le génome humain a ouvert de nombreux marchés parmi lesquels celui de la médecine personnalisée, suscitant l'intérêt de l'industrie pharmaceutique et l'apparition de nombreux fabricants de diagnostic génétique. Dans ce domaine, les retombées thérapeutiques liées au cancer du sein sont nombreuses. Plusieurs types de cancers du sein existent et se différencient par les types de cellules initiales attaquées. Un cancer du sein est classé Triple Négatif quand il n'y a aucune expression des gènes pour le récepteur estrogène, progestérone ou Her2/neu. Il y a un besoin urgent à comprendre ce cancer afin de trouver un ensemble de biomarqueurs pertinents permettant le développement des traitements personnalisés. Une analyse des données génomiques, moléculaires et environnementales est requise afin de mieux cerner ce cancer et « les sous-types » qui le caractérisent. La thèse proposée implique deux partenaires principaux : - L'équipe « statistique et génome » du Laboratoire de Mathématiques et Modélisation d'Évry (LaMME, UMR CNRS 8071, USC INRA, laboratoire de la Genopole d'Évry) spécialisée dans l'analyse de données du génome et du transcriptome. - L'entreprise bioptimize spécialisée dans la science des données complexes issues du vivant met en place une plateforme logicielle en ligne permettant de guider les scientifiques, cliniciens et biologistes, vers leurs propres extractions de connaissances. Le projet de thèse vise à associer les compétences de l'UMR CNRS 8071 à celles de bioptimize pour développer des signatures moléculaires dédiées au cancer du sein « triple négatif », afin de permettre aux cliniciens de disposer de nouveaux outils de diagnostics (biomarqueurs) et/ou de cerner les traitements les plus adéquats reliés aux signatures biologiques de ce cancer.

  • Titre traduit

    Methodological development around generalized additive mixed models for the search of molecular signature in triple negative breast cancer.


  • Résumé

    The constantly increasing number of studies on the human genome has opened many markets including that of personalized medicine, arousing the interest of the pharmaceutical industry and the emergence of many genetic diagnostic manufacturers. In this area, the therapeutic benefits linked to breast cancer are numerous. Several types of breast cancer exist and differ in the types of initial cells attacked. Breast cancer is classified as Triple negative when there is no expression of the genes for estrogen, progesterone and Her2 / neu receptors. There is an urgent need to understand this type of cancer in order to find a set of relevant biomarkers for the development of personalized treatments. An analysis of genomic, molecular and environmental data required to better understand this cancer and the "subtypes" that characterize it. This PhD thesis involves two main partners: - The team “Statistics and Genome” from the Mathematics and Modeling Laboratory in Evry (LaMME, UMR CNRS 8071, USC INRA laboratory of Genopole Evry) specializing in genomic and transcriptomic data analysis. - The company bioptimize, specialized in the science of complex biological data, is developing a statistical software platform on the web to be used by scientists, clinicians and biologists in order to guide them toward their own knowledge extractions. This thesis aims to combine the skills of the CNRS UMR 8071 to those of bioptimize in order to develop molecular signatures for breast cancer "triple negative" to allow clinicians to have new diagnostic tools (biomarkers) and/or identify the most appropriate treatments related to biological signatures of this cancer.