Mots-Clés

microARN, cellule unique, séquençage, intelligence artificielle (IA), apprentissage machine, cancer

Description

Les microARN ont une importance démontrée dans un grand nombre de processus de cancérogénèse allant de l’initiation, à la propagation et l’apparition de métastases. Ils suscitent de nombreux espoirs en tant que cibles de traitement thérapeutiques. Cependant, le candidat médicament MRX34 (qui mime un microARN) s’est avéré un échec chez les patients car trop toxique. Il est donc urgent de mieux comprendre le mode d’actions des microARN afin de concevoir de nouvelles stratégies thérapeutiques.
Le projet de thèse propose d’utiliser deux technologies de pointes pour cela : les données de co-séquençage microARN / ARNm, à l’échelle de la cellule unique, et les techniques d’intelligence artificielle (IA, dont réseaux de neurones et XGBoost). Il bénéficiera de l’apport de deux autres projets qui s’achèvent en 2025 (biseau de quelques mois avec la thèse CFR) : une thèse financée par Pfizer-INSERM, et un projet multi-équipe financé par le plan cancer. Ces deux projets ont déjà permis une analyse statistique rigoureuse des données de co-séquençage à l’échelle de la cellule unique qui sera utilisée au cours de la thèse. Une collaboration, déjà initiée, est prévue avec le Gipsa-Lab, Grenoble, spécialiste d’apprentissage machine / IA.