Développement de nouvelles représentations vectorielles réduites pour l'utilisation de données transcriptomiques et chimiques en leucémie myéloïde aiguë

Chercheur principal : Sébastien Lemieux
Thème : Intelligence artificielle (IA)/Santé
Concours : Données omiques contre le cancer (DOCC)
Statut : En cours
Début : 1er oct. 2020
Fin : 30 sept. 2022
Budget : 300 000,00 $



PROJET EN COLLABORATION AVEC IVADO ET ONCOPOLE

De nouveaux médicaments ont été lancés récemment dans le cadre du traitement de la leucémie aigüe myéloïde (LAM), mais pour une utilisation optimale, il convient de procéder à quelques améliorations, leur impact sur la survie à long terme des patients âgés étant encore limité. La médecine de précision, assistée par des algorithmes d’intelligence artificielle (IA) appliqués à des tests génomiques, promet d’associer les traitements à chaque patient de manière optimale. Des efforts importants ont été consacrés au développement d’algorithmes d’IA formés sur des profils transcriptomiques ou sur la structure chimique des médicaments. Malheureusement, le niveau de précision de ces algorithmes est encore insuffisant pour qu’ils aient un impact clinique. Nous proposons ici de se concentrer, non pas sur les algorithmes d’IA, mais sur le développement de nouvelles représentations pour les profils d’expression et la structure chimique. Ces algorithmes exigent essentiellement que les « questions » soient posées sous forme de grands vecteurs numériques. La transformation d’un catalogue de gènes exprimés, y compris des variations génétiques personnelles et des mutations propres au cancer, en un vecteur numérique nécessite de nombreuses simplifications massives. En lançant des techniques avancées pour préparer une représentation plus détaillée de la maladie, nous nous attendons à une augmentation significative de la précision des algorithmes d’IA.

 

Nous prévoyons d’effectuer une exploration similaire concernant la présentation aux algorithmes d’IA des structures chimiques des médicaments contre la leucémie aigüe myéloïde (LAM). Le projet proposé vise donc à accroître la précision des prévisions de l’efficacité d’un composé chimique contre une LAM donnée sur la base de son profil d’expression. Ce type d’algorithme serait très utile pour la conception de nouvelles classes de médicaments pour les sous-types résistants de la LAM ou pour la sélection spécifique du patient de l’agent thérapeutique le plus approprié.

 

Centre de génomique responsable : Génome Québec

Partners: IVADO, Oncopole

Collaborateurs :

Guy Sauvageau Université de Montréal/IRIC
Yoshua Bengio Université de Montréal/Mila