Intégration et exploration multi-échelle de données OMIQUES pour étudier l'impact de la nutrition sur le développement cérébral.

par Marie-galadriel Briere

Projet de thèse en Informatique

Sous la direction de Patricia Thebault et de Agnès Nadjar.

Thèses en préparation à Bordeaux , dans le cadre de École doctorale de mathématiques et informatique , en partenariat avec LaBRI - Laboratoire Bordelais de Recherche en Informatique (laboratoire) et de Bench to Knowledge and Beyond (BKB) (equipe de recherche) depuis le 08-10-2019 .


  • Résumé

    Ce projet vise à coupler des approches de recherche en informatique/bioinformatique et en neurobiologie dans le but d'améliorer notre compréhension: • de la complexité des effets de la nutrition maternelle sur le développement cérébral • de l'impact de l'intégration de données biologiques massives et hétérogènes sur le développement de nouvelles approches en fouille des données. Notre ambition est avant tout de développer une démarche expérimentale en neurobiologie ainsi que des approches informatiques innovantes dédiées au traitement des données omiques, multi-échelle. Notre objectif secondaire est de développer une méthode de travail inter-disciplinaire afin que les deux communautés épistémiques se nourrissent l'un de l'autre pour faire progresser les pratiques au sein de chaque discipline. En neurobiologie, les pathologies neurodéveloppementales, telles que l'autisme ou la schizophrénie, sont actuellement traitées avec des médicaments ayant une efficacité limitée et de nombreux effets secondaires. Il y a donc un besoin urgent d'identifier des facteurs modifiables sur lesquels agir ainsi que les mécanismes de résilience qui pourront conduire à de nouvelles stratégies thérapeutiques. Tandis que les aspects génétiques, le facteur âge, sexe et le milieu social sont des facteurs de risque peu voire pas modifiables, la nutrition est un élément de l'environnement sur lequel il est possible d'agir. De nombreuses études indiquent qu'une déficience alimentaire maternelle en omega-3 pendant le développement est impliquée dans la physiopathologie de différents désordres neurodéveloppementaux. Cependant, ces données sont essentiellement corrélatives et les effets bénéfiques d'une supplémentation en omega-3 sur les symptômes des patients sont sujet à controverse (pour revue, Bozzatello et al., 2016). Il y a donc un réel besoin de conduire des études précliniques afin d'identifier les mécanismes par lesquels une déficience en omega-3 contribue à l'étiologie de ces maladies et déterminer si un enrichissement en omega-3 peut avoir des effets bénéfiques sur les symptômes et/ou l'efficacité des traitements. L'utilisation d'approches à large spectre, telles que les études transcriptomiques, peuvent permettre d'apporter des éléments de réponse, d'une part du fait de leur aspect exhaustif et d'autre part de fait de la possibilité de l'implémenter dans les approches de nutrition personnalisée. Néanmoins, ces méthodes nécessitent des outils bioinformatiques performants et adaptés. En bioinformatique, l'objectif implique de développer des nouveaux modèles informatiques puissants et adaptatifs, critères essentiels pour optimiser la représentation des données massives, hétéroclites et en perpétuelle évolution, conjointement aux résultats de leurs analyses computationnelles impliquant des approches d'apprentissage et de fouille de données variées, afin d'en maximiser la qualité prédictive. Ces différents objectifs, parmi les activités émergentes du LaBRI, sont au cœur des problématiques auxquelles s'intéresse fortement la bioinformatique, et seront étudiés en s'appuyant sur le cadre méthodologique proposé par les bases de données NoSQL orientées graphes, comme Neo4J. Ce cadre conceptuel est la solution de choix dans l'écosystème de la ”data science” et son adaptation à des questions de science en bioinformatique et neurobiologie reste encore marginale. C'est dans ce contexte que de projet entend répondre aux contraintes de passage à l'échelle et de dynamique du modèle. L'interdisciplinarité du projet apporte une réelle valeur ajoutée aux résultats attendus en proposant de nouvelles approches expérimentales et informatiques centrées sur l'aspect métier des données neurobiologiques afin de faciliter la fouille et l'extraction de nouvelles connaissances en santé humaine. Le caractère innovant de ce projet se situe dans le fait que notre collaboration permettra à chaque discipline de progresser et de développer de nouveaux process. Dans cette optique, le profil interdisciplinaire, associant une double formation (en sciences exactes et expérimentales) de notre candidate pour ce projet, Galadriel Brière (voir profil en section 6) consistera un double atout à la réalisation de ce doctorat ambitieux et interdisciplinaire. Cette étudiante est la candidate idéale, fortement motivée de poursuivre le travail qu'elle initiera prochainement lors de son stage de recherche qui débute le 18 mars 2019 (financement du LaBRI), co-encadré par Patricia Thébault et Raluca Uricaru en collaboration avec Agnès Nadjar.

  • Titre traduit

    Multi-scale integration and exploration OMICS data for studying the nutritional impact on brain development.


  • Résumé

    The aim of this interdisciplinary project is to develop computational methods for the integration, analysis, mining and visualization of heterogeneous types of omics data, with applications issued from two emerging interdisciplinary collaborations. Indeed the project is structured around a collaboration steered by the team 'Bench to Knowledge and Beyond' (BKB, formerly MABioVis) from LaBRI laboratory, with the team 'Psychoneuroimmunology and nutrition: experimental and clinical approaches', NutriNeuro laboratory (Bordeaux Neurocampus). The integrative analysis of omics data is the new bottleneck in bioinformatics research, as it must involve : (1) a powerful and dynamic model being able to represent this heteroclyte, massive and rapidly evolving data, (2) sophisticated computational methods to query and mine this complex model, and (3) sharp technical solutions for the interactive visualisation of the data. First, this project has the innovative objective to produce a bioinformatics method for integrative analysis of multi-scale omics data complying to the three criteria above. A major originality of the project lies in the genericity of the implementation allowing to diversify its application to various biological data. Thus, this new bioinformatics method will be applied to the analysis of experimental health data like those issued from the neurobiology collaboration, allowing to study the risk factors in the development of neurological disorders (such as autism or schizophrenia) in children, in case of maternal exposure to a bacterial or viral infection during pregnancy.