Apport de l'intelligence artificielle (IA) pour comprendre les modes d'action des microARN, application au cancer

Contribution of Artificial Intelligence (AI) to Understanding the Mechanisms of Action of microRNAs: Application to Cancer

• Auteur / Autrice : Gaya El haber
• Direction : Laurent Guyon
• Type : Projet de thèse
• Discipline(s) : MBS - Modèles, méthodes et algorithmes en biologie, santé et environnement
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale ingénierie pour la santé, la cognition, l'environnement (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Biologie et Biotechnologie pour la Santé

Mots clés

Mots clés libres

MicroARN

Apprentissage machine

Intelligence artificielle (IA)

Séquençage

Cancer

Cellule unique

MicroRNAs

Machine Learning

Artificial Intelligence (AI)

Sequencing

Cancer

Single-Cell

Résumé

Les microARN ont une importance démontrée dans un grand nombre de processus de cancérogénèse allant de l'initiation, à la propagation et l'apparition de métastases. Ils suscitent de nombreux espoirs en tant que cibles de traitement thérapeutiques. Cependant, le candidat médicament MRX34 (qui mime un microARN) s'est avéré un échec chez les patients car trop toxique. Il est donc urgent de mieux comprendre le mode d'actions des microARN afin de concevoir de nouvelles stratégies thérapeutiques. Le projet de thèse propose d'utiliser deux technologies de pointes pour cela : les données de co-séquençage microARN / ARNm, à l'échelle de la cellule unique, et les techniques d'intelligence artificielle (IA, dont réseaux de neurones et XGBoost).

MicroRNAs have been shown to play significant roles in various processes of carcinogenesis, including initiation, propagation, and metastasis formation. They hold great promise as therapeutic targets. However, the candidate drug MRX34 (which mimics a microRNA) failed in patients due to excessive toxicity. Therefore, it is urgent to better understand the mechanisms of action of microRNAs to design new therapeutic strategies. This thesis project proposes to use two cutting-edge technologies for this purpose: single-cell co-sequencing of microRNA/mRNA data and artificial intelligence (AI) techniques, including neural networks and XGBoost.