Mots-Clés
données multiomiques
bioanalyse
workflows
Description
Contexte
Aujourd’hui, pour comprendre la complexité des relations pathologie-hôte, les Chercheurs utilisent des approches multidimensionnelles (incluant la génomique, l’épigénomique, la transcriptomique, la protéomique et la métabolomique) afin d’avoir une compréhension, la plus globale possible, de comment des évènements moléculaires anormaux affectent progressivement les éléments d’une dimension omique à une autre. Dans ce contexte, la promesse portée par les approches purement algorithmiques ne suffit pas à répondre pleinement à la question biologique de départ, à savoir, arriver à expliquer les causes moléculaires d’une pathologie et non pas observer simplement des corrélations entre des évènements apparaissant dans les différentes dimensions omiques. Ainsi, les analystes restent toujours démunis, aujourd’hui, face à l’interprétation des résultats, et surtout, avec la multiplication des dimensions omiques, ils se heurtent aux limites de la représentation mathématique des concepts complexes sous-jacents.
La technologie d’ISoft lui a permis de concevoir une plateforme radicalement différente, permettant aux bio-analystes d’intégrer leur expertise tout au long du processus d’analyse, et ainsi d’obtenir des modèles de traitements ancrés dans les concepts biologiques, réduisant la distance entre le résultat des modèles et l’établissement de réelles causalités dans les phénomènes étudiés. En outre, la puissance de la technologie de DataMorphing© d’ISoft rend possible l’intégration de l’ensemble des dimensions omiques dans des processus cohérents d’analyse.
Objectifs :
ISoft compte appliquer ce concept innovant au développement d’une plateforme multi-omique, Amadeome, qui permettra aux analystes de mettre en place un parcours fléché à travers les différentes dimensions omiques étudiées et de créer, au fur et à mesure de ce parcours, des indicateurs biologiques hautement qualifiants qui viendront renforcer l'information portée par les données omiques.
Appliquée à diverses problématiques d’envergure comme l’analyse de l’HyperTension Artérielle Pulmonaire, la création de modèles d’émergence de bactéries pathogènes ayant un impact sur la santé publique, ou encore de l’analyse GWAS de cohortes de patients, sur des jeux de données adaptés, cette plateforme permettra aux bioanalystes, sans avoir à coder, de mieux comprendre les mécanismes en jeu et de créer des classifications pertinentes des patients ou pathogènes, dans le but de faciliter le diagnostic par les cliniciens, ou encore d’envisager de nouvelles solutions thérapeutiques.
Travail demandé :
Le stagiaire participera à de réelles analyses bio-médicales en lien avec les équipes partenaires de biologistes et cliniciens. Il les accompagnera dans l’analyse de leur problématique biologique/médicale en utilisant les données, omiques ou non, ce qui lui permettra de bien comprendre les besoins et de participer au développement de la plateforme en implémentant au cours de ces études de nouvelles briques fonctionnelles, qui pourront être aussitôt assemblées en un pipeline d’analyse. Le stagiaire peut être amené à proposer des approches ML pour modéliser les groupes homogènes de gènes, de patients, de pathogènes, de médicaments, etc.
Compétences techniques recherchées :
Il est demandé au stagiaire d’avoir de solides connaissances en biologie, une forte appétence pour l’analyse des données biologiques, l’envie de concevoir une plateforme de bioanalyse innovante et robuste, utilisable par des biologistes non informaticiens ou des cliniciens, et si possible un peu d’expérience dans l’analyse de données omiques. Il sera amené à paramétrer correctement de nombreux outils tiers, mais n’aura que très peu besoin de coder. L’aspect relationnel est important, car il sera amené à fortement collaborer avec des bio-analystes académiques. Une expérience dans l’utilisation d’outils de Machine Learning serait un plus.