Apprentissage avec contraintes spécifiques pour l'intégration d'information en imagerie-génétique

par Yasmina Mekki

Projet de thèse en Sciences de l'information et de la communication

Sous la direction de Vincent Frouin et de Cathy Philippe.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Electrical, optical, bio-physics and engineering (Orsay, Essonne) , en partenariat avec Unité d'analyse et de traitement de l'information (laboratoire) et de Université Paris-Sud (établissement de préparation de la thèse) depuis le 01-10-2018 .


  • Résumé

    Imagerie-Génétique à l'université NeuroSpin Paris Saclay. NeuroSpin est un centre de recherche sur le cerveau humain. NeuroSpin fait partie du CEA (Commission de l'Energie Atomique) et de l'Université Paris-Saclay. L'équipe BrainOmics, en collaboration avec le Campus Cancer de Gustave Roussy, ICM-La Pitié-Salpétrière, Institut Mondor de Recherche Biomédicale, travaille en imagerie-génétique au carrefour de la neuroinformatique, de la bioinformatique et de l'apprentissage automatique. L'équipe de Brainomics participe à plusieurs projets européens, tels que IMI EU-AIMS et IMAGEN, et les analyse avec des données ouvertes (NDAR, HCP, UKBioBank, AllenBrainAtlas). Nous effectuons des analyses conjointes de l'IRM anatomique et / ou fonctionnelle , des dossiers cliniques, de la génomique et de l'épigénétique afin de faire émerger des biomarqueurs innovants pour les neurosciences fondamentales ou cliniques. Science des données et apprentissage automatique en imagerie-génétique. L'imagerie-génétique est un domaine émergent qui cherche à produire une analyse intégrée utilisant la neuro-imagerie comme un proxy pour évaluer les impacts de l'environnement et de la génétique dans les syndromes ou les maladies neurologiques. En effet, les fonctions et les structures cérébrales constituent des «phénotypes intermédiaires» ou «endophénotypes» qui sont considérés comme plus proches des processus biologiques sous-jacents que le symptôme lui-même. Ces dernières années des progrès scientifiques importants en science des réseaux ont généré des graphes de l'organisation structurelle et fonctionnelle à grande échelle de réseaux cérébraux ou encore des réseaux d'interactions moléculaires à l'oeuvre dans les tissus cérébraux. Les ressources de référence récentes (Allen Brain, Projet Human Connectome, GTEx, TCGA) ont alimenté ces approches en fournissant des données remarquables. Pourtant, l'application de ces connaissances graphiques est étonnamment limitée en neurosciences cliniques ou fondamentales ou reste descriptive. Il est nécessaire de développer des méthodes pour intégrer ces informations de réseaux en tant qu'a priori dans les processus d'analyse des données d'imagerie génétique qui ont été construits pour étudier des questions très difficiles comme par exemple l'autisme. En effet, les biomarqueurs précoces font encore l'objet de recherches alors que ce syndrome semble résulter principalement des interactions entre des gènes spécifiques partiellement connus et les différentes périodes de développement d'un individu.

  • Titre traduit

    Machine learning with specific constraints for data integration in neuroimaging-genetics


  • Résumé

    Imaging-Genetics at NeuroSpin Paris Saclay university. NeuroSpin is an outstanding research center on the Human brain. Part of the CEA (Atomic Energy Commission) and Paris-Saclay University. The BrainOmics team, in collaboration with Gustave Roussy Cancer Campus, ICM-La Pitié-Salpétrière, Mondor Biomedical Research Institute, works in imaging-genetics at the crossroad where neuroinformatics, bioinformatics and machine learning meet. The Brainomics team takes part in several European projects, such as IMI EU-AIMS and IMAGEN, and analyzes them along with open-data (NDAR, HCP, UKBioBank, AllenBrainAtlas). We perform joint analyses of anatomical and/or functional high-field MRI, clinical records, genomics and epigenetics to bring out innovative biomarkers for fundamental or clinical neurosciences. Data science and Machine Learning in Imaging-Genetics Imaging-genetics is an emerging field that performs integrated analysis, using neuroimaging as a proxy to assess the impacts of environment and genetics in neurological syndromes or diseases. Indeed, brain functions and structures are so-called « intermediate phenotypes » or « endophenotypes » that are postulated to be closer to the underpinning biological processes than the symptom itself. The recent years witnessed network science progress that has generated graphs of the large-scale structural and functional organization of brain networks or molecular interaction networks established in brain tissues. Recent reference resources (Allen Brain, Human Connectome Project, GTEx, TCGA) fueled these approaches by providing remarkable data. Yet, the application of this graphical knowledge is surprisingly limited in clinical or fundamental neurosciences or it remains descriptive. There is a need develop methods to integrate this prior network information into the analysis processes of imaging-genetics cohorts that were built to study some very difficult issue like in Autism. Indeed, early biomarkers are still being searched while this syndrome appears to mostly result of the interactions between some partially known specifics genetics and the patient development periods.