Aperçu du programme de recherche
L'objectif global de notre programme est de tirer profit des approches multi-omiques (génomique, transcriptomique, protéomique, métabolomique) afin d'identifier de nouvelles cibles thérapeutiques et d'optimiser les traitements médicamenteux. Nos recherches portent de manière générale sur les maladies inflammatoires et immunitaires, mais nous nous concentrons actuellement sur les maladies inflammatoires chroniques de l'intestin et le diabète de type 1.
Nos recherches sont structurées selon trois axes :
- Découvrir et valider des cibles thérapeutiques pour les maladies inflammatoires et immunitaires
- Identifier des prédicteurs moléculaires de la réponse aux traitements pour les maladies inflammatoires et immunitaires
- Développer des méthodes d'IA pour prioriser les traitements au niveau individuel
Axe 1 - Découvrir et valider des cibles thérapeutiques pour les maladies inflammatoires et immunitaires
L'étude de variations génétiques fonctionnelles associées au risque de maladie peut contribuer à la compréhension des voies pathologiques. Par exemple, les polymorphismes associés à l'activité de cibles thérapeutiques peuvent être utilisés pour prédire les effets à long terme des médicaments sur leur cible Holmes MV, NEJM (2019). Des analyses à grande échelle ont montré soutenus par des données de génétique humaine présentent une probabilité accrue de progresser dans le pipeline de développement. Ces résultats illustrent comment la génétique humaine peut être mise à profit pour réduire les taux d'attrition dans le développement de médicaments Minikel EV, et al. Nature (2024).
Notre laboratoire travaille au développement et à l'utilisation de nouvelles approches pour guider l'identification de cibles pharmacologiques prometteuses.
Techniques utilisées: TWAS, randomisation mendélienne, multi-omiques
Axe 2 - Identifier des prédicteurs moléculaires de la réponse aux traitements pour les maladies inflammatoires et immunitaires
PREMIIPED est une étude en cours portant sur des patients pédiatriques atteints de maladies inflammatoires chroniques de l'intestin. Plusieurs données multi-omiques sont collectées avant et après l'initiation d'un traitement médicamenteux dans le contexte de cette étude. Les multi-omiques issues de cette étude qui peuvent être utilisées pour identifier des biomarqueurs moléculaires de la réponse thérapeutique.
En approche complémentaire tirant parti des variants génomiques, nous développons des scores de risque polygéniques partitionnés permettant de capturer les mécanismes biologiques distincts qui sous-tendent le risque génétique de maladies inflammatoires de l'intestin.
Techniques utilisées: statistiques à haute dimension, modèles prédictifs, scores de risque polygénique
Axe 3 - Développer des méthodes d'IA pour prioriser les traitements au niveau individuel
Nos recherches impliquent le développement de nouvelles méthodes d'apprentissage automatique et d'intelligence artificielle pour soutenir ces objectifs. Cela inclut le développement d'algorithmes spécialisés pour la fusion de données multi-omiques et l'inférence causale. Nous explorons également l'utilisation de systèmes d'IA à agents autonomes pour identifier de nouveaux traitements potentiels au niveau individuel. Ces systèmes exploitent de manière autonome des outils bioinformatiques spécialisés et des bases de données afin de formuler des recommandations de traitement vérifiables et biologiquement fondées.
Techniques utilisées: apprentissage contrastif, IA agentique, bandits, inférence causale, réseaux de neurones