Vous êtes ici : Accueil > l'UMR > Méthodes statistiques pour le traitement des données de protéomique quantitative longitudinale

agenda


Soutenance de thèse

Méthodes statistiques pour le traitement des données de protéomique quantitative longitudinale

Mardi 19 octobre 2021 à 09:30 - Maison Jean Kuntzmann, 110 rue de la Chimie, 38400 Saint Martin d'Hères, Domaine universitaire, Salle des Conseils  - Vidéoconférence
Publié le 19 octobre 2021

​Par Hélène Borges
Équipe Étude de la Dynamique des Protéomes (EDyP)

L’objectif de la protéomique est l’identification et la quantification des protéines présentes dans des échantillons biologiques. Une de ses applications est la recherche de biomarqueurs, c’est-à-dire des entités mesurables décrivant précisément un état biologique spécifique. Ces biomarqueurs peuvent ensuite être utilisés dans un contexte clinique, pour le diagnostic ou le suivi de patients atteints de pathologies, notamment chroniques et ainsi assister les cliniciens dans leur prise en charge et leur traitement. La découverte de biomarqueurs passe par l’analyse différentielle des protéines, autrement dit, la mise en évidence d’une altération de l’expression des protéines entre les différents échantillons par une analyse statistique. Cependant, l’analyse de grandes cohortes cliniques nécessite des chaînes instrumentales spécifiques produisant des données complexes en raison de biais techniques et d’une variabilité inter-patient pouvant altérer les résultats. Afin de prendre cela en compte, tout en maintenant un haut niveau d’automatisation (indispensables au bon fonctionnement d’une plateforme d’analyse gérant de manière concomitante de multiples projets), des développements méthodologiques ainsi que leur implémentation logicielle sont nécessaires. Ce travail de thèse cherche à répondre à ce besoin, sous la forme de trois contributions principales. La première est la création de Well Plate Maker, un logiciel facilitant la conception de protocoles expérimentaux plus robustes. Le logiciel génère automatiquement un placement des échantillons sur des plaques à puits qui minimise les biais potentiels dans l’expérience et permet d’obtenir en aval des résultats statistiques plus reproductibles. La seconde est l’adaptation fiable et reproductible de l’Analyse de la Variance (une approche classique en statistique) afin de répondre aux spécificités des données de protéomique. Cette adaptation est combinée à des méthodes de représentation et de visualisation des profils d’expression des protéines, tout en préservant une utilisation facile pour les protéomiciens dans un contexte applicatif de plateforme d’analyse. La troisième contribution est la mise en application concrète de la méthodologie ainsi proposée sur une cohorte clinique de patients atteints de stéatose hépatique non-alcoolique. Nous avons identifié des protéines présentant des profils d’expression décrivant la progression de la pathologie, qui pourront être intéressantes à approfondir dans des études cliniques ultérieures. Au-delà du cas des stéatoses hépatiques non-alcooliques, ce travail illustre l’intérêt de la protéomique comme un outil complémentaire fiable dans le contexte clinique du suivi et de la prise en charge de patients.