Genome4Brussels par Sofia Papadimitriou


2022, G4BXL / samedi, février 12th, 2022

Depuis 2019, la Fondation 101 génomes a le privilège de travailler avec trois organisations spécialisées en bioinformatique, génétique et algorithmique (IB², CHG et MLG) sur le projet Genomes4Brussels cofinancé par la région bruxelloise (Innoviris).

Genome4Brussels vise à créer un écosystème pour optimiser le développement d’outils bioinformatiques d’analyse du génome et faciliter le transfert vers les citoyens de l’innovation et des connaissances acquises au cours du projet.

Sofia Papadimitriou, chercheuse (IB)², répond aux questions de Ludivine et explique son implication dans ce projet unique.

Ludivine – Sofia, peux-tu nous résumer ton parcours académique?

Sofia – J’ai obtenu une licence en biologie en 2013 à l’Université Aristote de Thessalonique, en Grèce, et un Master Scientifique en bioinformatique en 2016 à l’Université de Wageningen, aux Pays-Bas. J’ai ensuite poursuivi avec un doctorat en bioinformatique et en Machine Learning appliqué aux maladies oligogéniques à l’Université Libre de Bruxelles et à la Vrije Universiteit Brussel. Je suis impliquée dans le projet Genome4Brussels en tant que chercheuse postdoctorale depuis janvier 2021, tandis qu’en octobre 2022, j’ai obtenu une bourse F.R.S.-FNRS pour effectuer des recherches sur la détection de modificateurs génétiques pour les maladies de la rétine à l’Université Libre de Bruxelles, sous la supervision du Professeur Tom Lenaerts et en collaboration avec le laboratoire du Professeur Elfride de Baere à l’Université de Gand.

L. – En quoi ton expérience passée est-elle un atout pour le projet Genome4Brussels ?

S.- Mes études de bachelor et mon Master Scientifique m’ont permis d’acquérir de vastes connaissances en biologie et en bioinformatique, et j’ai acquis de l’expérience, entre autres, dans l’analyse NGS (New Generation Sequencing), le Machine Learning, la phylogénétique, la gestion des données et l’inférence de réseaux. Ma spécialisation dans la génétique et la prédiction des maladies oligogéniques pendant mon doctorat est très pertinente pour le projet Genome4Brussels. Faisant partie du groupe oligogénique de l’Institut interuniversitaire de bioinformatique de Bruxelles (IB)2, j’ai concentré mes recherches sur la façon dont la bioinformatique et les méthodes de Machine Learning peuvent faciliter la détection de combinaisons de variants génétiques pathogènes impliqués dans des maladies génétiques, car la présence d’une variant pathogène individuel ne suffit souvent pas à expliquer les symptômes d’un patient. Au cours de mon doctorat, j’ai développé l’outil de prédiction VarCoPP, qui prédit les combinaisons pathogènes de variants génétiques dans des paires de gènes chez un individu. Cet outil est nouveau dans son domaine et nous sommes heureux de constater qu’il est déjà utilisé par la communauté scientifique. Mon expertise dans ce domaine peut aider significativement, dans le cadre du projet Genome4Brussels, à comprendre comment cet outil peut encore être amélioré et utilisé plus efficacement dans la détection de modificateurs génétiques chez les patients atteints du syndrome de Marfan présentant des phénotypes très différents.

L.- Peux-tu nous en dire plus sur les outils sur lesquels tu travailles en ce moment ?

S.- Au sein du groupe oligogénique, nous continuons à nous concentrer sur les méthodologies de Machine Learning qui peuvent être appliquées aux maladies oligogéniques. En ce moment, mes collègues et moi-même travaillons activement à l’amélioration des performances de l’outil VarCoPP, en collectant à nouveau des données d’entraînement de meilleure qualité, en réévaluant la structure de son modèle et en collectant de nouvelles caractéristiques pertinentes. L’amélioration de VarCoPP sera directement utile au projet Genome4Brussels, afin de détecter plus précisément les modificateurs génétiques. En outre, je vais bientôt commencer à travailler sur la théorie des réseaux et sur les moyens de créer des graphes hétérogènes qui relieront les patients en fonction de leurs prédictions VarCoPP et de leurs symptômes, dans le but de mieux comprendre le lien entre les différentes architectures génétiques d’une maladie particulière et le développement de symptômes variables pour cette maladie.

Nous nous efforçons de fournir (autant que possible) une approche sans hypothèse, où nous sommes plus intéressés par l’aide à la découverte de nouvelles connaissances que par la mise en évidence de gènes déjà connus pour être impliqués dans une maladie particulière. En effet, nous avons constaté que pour de nombreuses maladies génétiques, les connaissances actuelles semblent limitées et ne peuvent fournir une explication suffisante de leur variabilité phénotypique.

L.- Que penses-tu du projet Genome4Brussels ? 

S.- Je suis très enthousiaste à l’idée de faire partie du projet Genome4Brussels car il constitue une initiative importante pour la compréhension de l’architecture génétique du syndrome de Marfan et pour un diagnostic plus efficace. On soupçonne l’existence de modificateurs génétiques depuis un certain temps dans le syndrome de Marfan, mais ils ne sont pas facilement détectables avec les approches méthodologiques actuelles. La détection de ces modificateurs est très importante pour mieux comprendre pourquoi certains patients porteurs de la même mutation pathogène primaire présentent des symptômes différents et peut ouvrir la voie à des thérapies personnalisées et à un conseil plus efficace aux patients et aux parents. Je suis donc très motivée pour faire partie de ce projet et mener des recherches innovantes dans le but d’aider les patients atteints du syndrome de Marfan et leurs parents.

En outre, ce qui me plaît vraiment dans ce projet, c’est qu’il vise à promouvoir une utilisation équitable et transparente de la bioinformatique et du Machine Learning dans le domaine de la génomique médicale, ce qui, à mon avis, est extrêmement important étant donné la popularité des méthodes de Machine Learning dans ce domaine. Étant moi-même chercheuse spécialisée en Machine Learning, je suis très enthousiaste à l’idée de contribuer à cette initiative.

 

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.