Imagerie-génétique des troubles de l'humeur en grande population

Neuro-genetics correlates of mood disorders studied with large populations

• Auteur / Autrice : Julien Delages
• Direction : Pauline Favre
• Type : Projet de thèse
• Discipline(s) : Sciences de l'information et de la communication
• Date : Inscription en doctorat le 30/09/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Electrical, optical, bio-physics and engineering
• Partenaire(s) de recherche : Laboratoire : Construction de grands instruments pour la neuroimagerie : de l'imagerie en population aux champs magnétiques ultra-hauts
• Partenaire(s) de recherche : Equipe de recherche : GAIA: Genetics Architecture and Image Analysis
• Partenaire(s) de recherche : Référent : Faculté des sciences d'Orsay

Mots clés

Mots clés libres

Irm

Génétique

Grandes base de données

Apprentissage automatique

Science des données

Psychiatrie

Genetics

Mri

Machine Learning

Data science

Psychiatry

Big data

Résumé

L'imagerie-génétique est un domaine émergent au carrefour entre neuroinformatique, bioinformatique et apprentissage automatique. La neuroimagerie est utilisée comme proxy pour évaluer les impacts de l'environnement et des facteurs génétique sur les syndromes ou maladies neurologiques. En effet, en génétique des traits complexes (par ex. les maladies polygéniques), les mesures en imagerie des structures et des fonctions cérébrales représentent des « endophénotypes » ou phénotypes intermédiaires, supposés plus proches des processus biologiques sous-jacents que le trait complexe lui-même. Dans certaines populations psychiatriques, les patients éprouvent des états d'humeur extrêmes et ne peuvent plus revenir à l'euthymie (c'est-à-dire un état d'humeur stable). Par exemple, alors que les patients atteints de trouble bipolaire (TB) éprouvent à la fois des épisodes de manie (humeur anormalement élevée) et de dépression (humeur anormalement basse), les patients atteints de troubles dépressifs majeurs (TDM) ne connaissent que des épisodes dépressifs. Bien que les troubles de l'humeur soient sémiologiquement bien définis, leurs corrélats biologiques le sont beaucoup moins, notamment en termes de fonctionnement neuronal et de facteurs génétiques associés. Cette thèse aura pour objectif d'identifier des endophénotypes issus d'imagerie cérébrale décrivant les variations de traits d'humeur dans la population générale et les spécificités des troubles de l'humeur dans la plus grande cohorte d'imagerie-génétique à ce jour : UK Biobank (Elliott et al., 2018). Ces endophénotypes seront ensuite utilisés avec des études d'association en génome entier pour déterminer les mécanismes génétiques et neuronaux, communs et distincts dans ces troubles. Dans cette thèse fortement multidisciplinaire, l'étudiant appliquera des techniques avancées d'analyse de données et d'apprentissage automatique appliquées à la neuroimagerie, la génétique et les scores cognitifs, séparément et conjointement.

Imaging genetics is an emerging field at the crossroads between neuroinformatics, bioinformatics and machine learning. Neuroimaging is used as a proxy to assess the impact of environmental and genetic factors on neurological syndromes or diseases. Indeed, in the genetics of complex traits (e.g. polygenic conditions), imaging measures of brain structures and functions represent 'endophenotypes' or intermediate phenotypes, assumed to be closer to the underlying biological processes than the complex trait itself. In some psychiatric populations, patients experience extreme mood states and cannot return to euthymia (i.e., a stable mood state). For example, while patients with bipolar disorder (BD) experience both manic (abnormally high mood) and depressive (abnormally low mood) episodes, patients with major depressive disorder (MDD) experience only depressive episodes. Although mood disorders are semiologically well-defined, their biological correlates are much less so, especially regarding neural functioning and associated genetic factors. This thesis will aim to identify endophenotypes from brain imaging describing variations in mood traits in the general population and specificities of mood disorders in the largest imaging-genetic cohort to date: UK Biobank (Elliott et al., 2018). These endophenotypes will be used with whole-genome association studies to determine common and distinct genetic and neural mechanisms in these disorders. In this highly multidisciplinary dissertation, the student will apply advanced data analysis and machine learning techniques applied to neuroimaging, genetics, and cognitive scores, separately and jointly.