SERVIER CAMPUS

Stage : Prise en compte des réseaux biologique dans l’identification des biomarqueurs (H/F)


Publiée le
29 oct.2020
Durée

6 mois

Référence

2020-10-29 BMK-PEX-MVD

Rémunération

Selon le profil

Localisation

Suresnes

Date de début

Dès que possible.


Description du poste

A ce jour il n’existe pas de traitement sur le marché pour traiter les patients atteints du syndrome Sjögren (pSS), dû à plusieurs facteurs qui entravent le développement de médicaments pour cette maladie auto-immune systémique multi-organes.

En particulier, une forte hétérogénéité de la maladie existe chez les patients à la fois en termes de manifestations cliniques et de perturbations biologiques sous-jacentes. Une classification moléculaire basée sur la caractérisation multi-omique [1] a été proposée et identifie 4 groupes de patients présentant des schémas distincts de dérégulation immunitaire. L’identification d’une signature robuste pour discriminer des groupes de patients est obtenu couramment grâce à des méthodes d’apprentissage telles que la régression pénalisée, la classification (SVM, arbres de décision ou forêt aléatoires) ou de simple analyse d’expression différentielle.

Cependant, ces méthodes ne prennent pas en compte l’information biologique a priori liée à la pathologie.

Les réseaux biologiques, construits sur la base des fonctions connues et des interactions de molécules individuelles, offrent une riche source d'informations pour la sélection des gènes conducteurs.

Dans ce stage, nous visons à étudier des méthodes d’apprentissage intégrant des informations biologiques a priori provenant de réseaux.

De telles méthodes ont été proposées dans [2,3,4] et ont l'avantage de combiner des données transcriptomiques et permettent de comprendre le rôle fonctionnel des gènes individuels capables de distinguer la maladie d'un stade sain ou entre différents stades de la maladie.

[1] A new molecular classification to drive precision treatment strategies  in primary Sjögren's syndrome  Precision medicine approaches, Soret et al, In submission

[2] Metri, R., Mohan, A., Nsengimana, J. et al. Identification of a gene signature for discriminating metastatic from primary melanoma using a molecular interaction network approach. Sci Rep 7, 17314 (2017). https://doi.org/10.1038/s41598-017-17330-0

[3] Zhang, W., Chien, J., Yong, J. et al. Network-based machine learning and graph theory algorithms for precision oncology. npj Precision Onc 1, 25 (2017). https://doi.org/10.1038/s41698-017-0029-7

[4] Lyu Y, Xue L, Zhang F, et al. Condition-adaptive fused graphical lasso (CFGL): An adaptive procedure for inferring condition-specific gene co-expression network. PLoS Comput Biol. 2018;14(9):e1006436. Published 2018 Sep 21. doi:10.1371/journal.pcbi.1006436

Stage réalisé au sein de l’équipe Biomarqueur du département de Médecine Translationnelle:

Missions

  • Revue de la littérature des méthodes d’apprentissage integrant des reseaux biologiques pour de l’analyse supervisée
  • Familiarisation avec les données de patients pSS du consortium PreciseSADS.
  • Application des méthodes sélectionnées aux données de PreciseSADS et interpretation des résultats.

Profil recherché

Etudiant en dernière année de master Statistiques (ENSAI, ISUP, Isped …) avec une composante biologique.

Connaissance du logiciel R et un fort intérêt pour la science du vivant est nécessaire.

Postuler à cette offre

image de courriel
Transférer mon CV
Uploader votre CV

Aucun fichier sélectionné

Fichiers recommandés : PDF, .DOC ou .DOCXTaille max. 3mo
Transférer ma lettre de motivation
Uploader votre Lettre de motivation

Aucun fichier sélectionné

Fichiers recommandés : PDF, .DOC ou .DOCXTaille max. 3mo