Recherche de signatures pronostiques du cancer de l’ovaire séreux de haut grade par apprentissage automatique

Résumé du projet

Le cancer de l’ovaire a un pronostic particulièrement sombre. Il semble indispensable de pouvoir mieux caractériser ces tumeurs par des biomarqueurs pronostiques permettant une prise en charge diagnostique et thérapeutique personnalisée pour chaque patiente. A l’ère des Big Data, nous souhaitons développer une approche multimodale permettant de traiter des données hétérogènes de grande dimension. En s’appuyant sur des méthodes de type deep-learning, nous souhaitons développer un algorithme prenant en compte des données dites « omiques » associées à des données histopathologiques et cliniques.

Ce projet se déroule en deux étapes:

Etape 1:  Travail sur les données publiques disponibles du TCGA comprenant 608 tumeurs de l’ovaire séreux de haut grade. Nous comparons des méthodes de réduction de la dimension (ACP, ACP à noyaux, autoencodeurs) puis de classification pour traiter les données transcriptomiques et des réseaux de neurones convolutifs pour les données histopathologiques.

Etape 2: Validation de notre modèle multimodal prédictif sur des données locales rétrospectives de l’ICO issues de 10 échantillons (lames d’anatomopathologie et séquençage exomes et trancriptomes). Ce projet se réalisera selon une approche pluridisciplinaire et complémentaire grâce aux laboratoires de génétique moléculaire de l’ICO expert en analyse moléculaire et au LARIS (Université d’Angers), experte en intelligence artificielle.

Dans la suite de ces travaux, notre objectif sera d’affiner nos algorithmes en intégrant d’autres types de données telles que, notamment, l’imagerie. A plus long terme, il sera intéressant de pouvoir développer, au-delà de signatures pronostiques, des signatures prédictives, après obtention de données relatives à la réponse au traitement dans le cancer de l’ovaire.

Equipe Projet

Chercheurs LARIS (Université Angers) / MAI (UCO):

• Pr Pierre Chauvet, informatique
• Dr Nisrine Jrad, informatique
• Dr Jean-Marie Marion, statistiques
• Ing Elena Menand, doctorante, Ecole MathSTIC

Chercheurs ICO Laboratoire de génétique moléculaire:

• Pr Alain Morel, biologiste moléculaire
• Dr Christophe Passot, biologiste
• Dr Louise-Marie Chevalier, biologiste
• Ing Jonathan Dauvé, bioinformaticien
• Dr Valérie Seegers, méthodologiste
• Dr Véronique Verrièle, pathologiste
• Manon de Vries, oncologue
• Amandine Billaud, doctorante