Thèse soutenue

Intégration de données omiques pour la modélisation de l'impact de l'hétérogénéité inter-tumorale dans la survie de patients atteints de cancer
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Sarah-Laure Rincourt
Direction : Stefan MichielsDamien Drubay
Type : Thèse de doctorat
Discipline(s) : Santé publique - biostatistiques
Date : Soutenance le 29/09/2022
Etablissement(s) : université Paris-Saclay
Ecole(s) doctorale(s) : École doctorale Santé Publique
Partenaire(s) de recherche : Laboratoire : Centre de recherche en épidémiologie et santé des populations (Villejuif, Val-de-Marne ; 2010-....)
référent : Faculté de médecine
graduate school : Université Paris-Saclay. Graduate School Santé publique (2020-....)
Jury : Président / Présidente : Pascale Tubert-Bitter
Examinateurs / Examinatrices : Delphine Maucort-Boulch, Thomas Filleron, Macha Nikolski
Rapporteurs / Rapporteuses : Delphine Maucort-Boulch, Thomas Filleron

Résumé

FR  |  
EN

Le développement de signatures moléculaires pronostiques basées sur des biomarqueurs omiques tenant compte de l'hétérogénéité inter-patients est un défi majeur pour la médecine de précision. L'objectif de cette thèse était de proposer de nouvelles approches pour l'identification de ces mécanismes tumoraux.Dans un premier travail, nous avons déconvolué les données omiques à l'aide d'une analyse Bayésienne en composantes indépendantes Bayésienne non-paramétrique avec une double structure de parcimonie pour les matrices des sources et des poids, correspondant respectivement aux associations gène-composante et individu-composante.Nous avons ensuite proposé ensuite un modèle conjoint de cette hétérogénéité et de la survie de patients, en supposant que l'expression tumorale résulte d'un mélange d'un sous-ensemble de signatures indépendantes.Les algorithmes proposés fournissent de nouvelles perspectives sur l'hétérogénéité moléculaire individuelle et sur l'association avec le pronostic du patient afin de mieux comprendre les mécanismes tumoraux complexes.