La relation complexe entre le régime alimentaire et le cancer demeure encore mal comprise. Pour découvrir et étudier les mécanismes biologiques sous-jacents à cette interaction, la métabolomique non ciblée s'avère être un outil pertinent. Cette approche consiste à mesurer les métabolites, des composés organiques issus du métabolisme, présents dans un échantillon biologique. Les niveaux de concentration de ces métabolites reflètent les modifications du métabolisme, notamment celles induites par des facteurs environnementaux tels que le régime alimentaire. Les métabolites mesurés sont caractérisés par leur masse et leur temps de rétention. En pratique, les caractéristiques d’un même métabolite peuvent varier selon les études, compliquant la validation des découvertes.
Les méthodes classiques de découverte de biomarqueurs alimentaires reposent sur des approches univariées. Afin de valider ces biomarqueurs avant d’étudier leur association potentielle avec le risque de cancer, une stratégie consiste à reproduire les résultats dans une étude indépendante. Pour ce faire, une étape de recherche « manuelle » dans cette seconde étude des biomarqueurs précédemment identifiés est nécessaire. Afin de mieux caractériser un profil d’exposition alimentaire, il a été proposé plus récemment d’avoir recours à des approches multivariées visant à combiner plusieurs métabolites. On parle alors de signatures métaboliques.
L'objectif de ce travail est de développer des signatures métaboliques associées à des expositions alimentaires présentant des caractéristiques communes. Par la suite, nous cherchons à évaluer l'association de ces signatures métaboliques et des métabolites qui la compose avec le risque de cancer. Une première difficulté dans la construction de signatures réside dans la nécessité d'avoir accès aux mêmes métabolites à la fois pour la construction et la validation de la signature.
Dans un premier temps, je présenterai la solution mise en œuvre basée sur le transport optimal qui permet d'aligner automatiquement les données de métabolomique non ciblée issues de différentes études. Dans un second temps, je présenterai notre stratégie de construction de signatures métaboliques, qui s'appuie sur des approches d'apprentissage multi-tâches. Ces méthodes reposent des formes de pénalisation de type lasso.
Biographie
Je suis titulaire d'une chaire de professeure junior de l'université Paris Saclay et conduit mon projet de recherche au sein de l’équipe Biostatistique en grande dimension pour la sécurité des médicaments et la génomique du CESP (Unité Inserm 1018), équipe dans laquelle j’ai effectué ma thèse sur le développement de méthodes de détection de signaux en pharmacovigilance.
Ma recherche porte sur le développement d'approches statistiques adaptées au contexte de la grande dimension à des fins de sélection de variables et d'estimation causale, afin d'améliorer la détection et l'évaluation des effets indésirables des médicaments commercialisés.
En collaboration avec le Centre International de Recherche sur le Cancer (CIRC), je participe à un projet visant à investiguer la relation entre régime alimentaire et risque de cancer gastrointestinal via la construction de signatures métaboliques caractéristiques d’exposition alimentaire.