Analyser les données génomiques
Des modèles statistiques pour mieux comprendre les fonctionnements et les dysfonctionnements des cellules impliquées dans certaines maladies. Mieux comprendre, mieux traiter, mieux prédire ?
Modéliser le cancer
Dans la lignée d’un engouement mondial visant à développer une médecine personnalisée, des chercheurs strasbourgeois ont entrepris de créer un modèle statistique de cellules cancéreuses de patients afin de mieux comprendre leur fonctionnement et développer de nouveaux traitements.
Prédire la transformation cancéreuse de cellules de l’organisme parait encore hors de portée, mais c’est pourtant probablement la médecine de demain. C’est en tout cas ce que pense Laurent Vallat1, spécialiste des leucémies : il s’est rapproché de statisticiens afin de mettre en place une modélisation mathématique du comportement de cellules cancéreuses de certains patients. En mesurant l’expression de plusieurs milliers de gènes et protéines au cours du temps chez une vingtaine de malades, il a ainsi collecté une masse complexe d’informations qui serait restée inexploitable sans l’aide de Frédéric Bertrand et Myriam Maumy-Bertrand2 et leurs collègues de l’Institut de recherche mathématique avancée (Irma). Donner du sens à autant de données sur aussi peu de sujets et parvenir à anticiper le comportement cellulaire en fonction de l’activité de certains gènes, le défi est brillamment relevé en 2013 quand les chercheurs parviennent à finaliser la preuve de concept3 de leur modèle prédictif. « Notre modèle est très précis et évolue avec le temps. Au fur et à mesure que les résultats sont générés, nous parvenons à mieux cerner la problématique et affinons l’outil statistique en conséquence », expliquent-ils. Baptisé GenPred4, le projet a d’ailleurs été cité dans la prestigieuse revue Nature5 aux côtés de projets développés par de grands instituts américains.
Elodie Legrand
1 Faculté de médecine et Hôpitaux universitaires de Strasbourg, Inserm UMR S_1109, Labex Transplantex
2 Maîtres de conférences à l’Université de Strasbourg, membres de l'équipe Modélisation et contrôle de l’Institut de recherche mathématique avancée (IRMA) CNRS UMR 7501, Labex Irmia, Université de Strasbourg
3 Reverse-engineering the genetic circuitry of a cancer cell with predicted intervention in chronic lymphocytic leukemia. Vallat et al., Proc Natl Acad Sci U S A, 2013
4 GenPred : Inserm ITMO Cancer, Idex interdisciplinarité Unistra-CNRS
5 Rapid learning for precision oncology. Shrager J, Tenenbaum JM, Nature Reviews Clinical Oncology, 2014.
Enjeux et risques du big data dans le domaine de l’analyse des données génomiques
Entretien avec Eric Rivals, Directeur de recherches du CNRS au sein du laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier. Un entretien réalisé lors des journées « Principaux défis du big data » organisées par le laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Icube) de l’Unistra.