MitoIntegrOMICS : une approche multi-OMICS intégrée pour augmenter la puissance diagnostique des maladies mitochondriales

MitoIntegrOMICS: an integrated multi-OMICS approach to increase the diagnostic power for mitochondrial diseases

• Auteur / Autrice : Kevin Dsouza
• Direction : Michel Riveill
• Type : Projet de thèse
• Discipline(s) : Santé Numérique
• Date : Inscription en doctorat le 06/10/2021
• Etablissement(s) : Université Côte d'Azur en cotutelle avec none
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Nice ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : I3S - Informatique, Signaux et Systèmes de Sophia-Antipolis

Mots clés

Mots clés libres

MultiOMICS

Diagnostique

Mitochondrial diseases

Résumé

MitoIntegrOMICS : une approche multi-OMICS intégrée pour augmenter la puissance diagnostique des maladies mitochondriales Les maladies mitochondriales (MD) sont des troubles rares causés par une déficience de la chaîne respiratoire mitochondriale, qui fournit de l'énergie dans chaque cellule. Les MD sont causées par des altérations (variantes) de gènes impliqués dans les fonctions mitochondriales. Le diagnostic de DM repose sur l'identification du ou des gène(s) responsable(s) de la maladie, qui permettra de pouvoir proposer un conseil génétique, un diagnostic prénatal, d'envisager des approches thérapeutiques et d'améliorer la prise en charge des patients. De nos jours, les technologies actuellement utilisées pour détecter les variantes causales sont loin d'être complètes, allant de 25 à 50 %. Pour répondre à ces besoins, nos équipes de recherche proposent de regrouper trois domaines différents : médical, bioinformatique et apprentissage automatique, afin de mettre en place une approche multi-omique intégrée pour identifier de nouvelles variantes causales. Nous prévoyons que ce projet contribuera à mettre en place de nouveaux outils de diagnostic pour réduire le nombre de patients en impasse diagnostique. Cette étude posera les jalons pour transférer l'utilisation conjointe des technologies multi-omiques des domaines de recherche à l'environnement de diagnostic. Le projet est principalement composé de trois étapes, plus précisément le candidat devra : 1) effectuer une analyse bioinformatique des données multi-omiques ; 2) développer une approche multi-intégromique d'apprentissage en profondeur ; 3) mettre en œuvre un nouvel algorithme d'IA de hiérarchisation des variantes. Ce projet permettra de développer de nouveaux algorithmes qui trouveront des applications non seulement dans le diagnostic de la DM, mais également dans d'autres troubles génétiques et le cancer, pour permettre le développement d'une médecine personnalisée pour améliorer les soins de santé des patients. Nous prévoyons que ce projet fournira un produit facilement transférable au domaine non académique et facilement utilisable dans l'environnement médical et plusieurs secteurs industriels.

MitoIntegrOMICS: an integrated multi-OMICS approach to increase the diagnostic power for mitochondrial diseases Mitochondrial diseases (MD) are rare disorders caused by deficiency of the mitochondrial respiratory chain, which provides energy in each cell. MD are caused by alterations (variants) on genes involved in mitochondrial functions. The diagnosis of MD is based on the identification of the disease responsible gene(s), that will allow to be able to offer genetic counseling, prenatal diagnosis, to consider therapeutic approaches and to improve the care of patients. Nowadays, technologies currently used for detecting causal variants is far from complete, ranging from 25 to 50%. To address these needs our research teams propose to gather three different domains: medical, bioinformatic and machine learning, in order to set up an integrated multi-omics approach to identify novel causal variants. We foresee that this project will contribute to set up new diagnostic tools to reduce the number of patients with a diagnostic stalemate. This study will settle the milestones to transfer the conjoint use of multi-omics technologies from research fields to diagnostic environment. The project is mainly composed by three steps, specifically the candidate will: 1) perform bioinformatic analysis of multi-omics data; 2) develop a deep-learning multi-integromics approach; 3) implement a new variants prioritization AI algorithm. This project will allow to develop novel algorithms that will found application not only in MD diagnostic, but also in other genetic disorders and cancer, to allow the development of personalized medicine to ameliorate patients healthcare. We foresee that this project will provide a product easily transferable to non-academic field and easily employed in medical environment and several industrial sectors.