Approche intégrée de la nutrigénomique : de l'identification de marqueurs génétiques aux applications cliniques
Notice bibliographique
Résumé
La génomique nutritionnelle est une jeune science qui s'intéresse à l'étude de l'effet d'aliments et de composés alimentaires sur l'expression des gènes ainsi qu'à l'effet des variations génétiques sur la réponse métabolique à l'alimentation. Depuis son émergence au début des années 2000, de nombreuses interactions gène-diète ont été rapportées dans la littérature scientifique, toutefois ce n'est que récemment que des avancées en génomique ont permis de lever le voile sur leur potentiel pour prédire la réponse métabolique à une intervention nutritionnelle. Ces technologies pourraient permettre d'améliorer les interventions nutritionnelles à l'échelle individuelle et populationnelle en aidant à stratifier les recommandations de santé publique et en outillant les cliniciens. Cependant, bien que des compagnies aient déjà commencé à commercialiser des tests de nutrigénomique prédisant la réponse d'un individu à des nutriments, la génomique nutritionnelle demeure peu utilisée en clinique comparativement aux domaines de la médecine et de la pharmacologie, où la génomique est plus fréquemment utilisée pour prédire des résultats cliniques ou la réponse aux traitements. À ce jour, aucune étude en nutrition n'a investigué en profondeur les associations documentées afin de les traduire en outils concrètement utilisables par les professionnels de la santé. L'objectif général de ce doctorat était donc d'établir une preuve de concept montrant l'applicabilité de la génomique au domaine de la nutrition en se servant de la variabilité de la réponse des triglycérides (TG) à une supplémentation en acides gras (AG) oméga-3 (n-3) pour identifier les facteurs génétiques causatifs et construire des outils de prédiction utilisables en milieu clinique. Pour ce faire, un raffinement de la cartographie de loci identifiés par étude d'association à l'échelle du génome a été réalisé afin de construire un score du risque génétique pouvant prédire la réponse des TG plasmatiques suite à une supplémentation en AG n-3 d'origine marine. Les résultats de ce doctorat ont montré que le modèle du risque génétique était hautement prédictif de la réponse des TG et que cette capacité de prédiction demeurait robuste à travers différentes populations. Ils ont aussi montré que des études de génomique fonctionnelle pouvaient s'ajouter aux analyses génomiques afin d'en bonifier le potentiel prédictif. Ce projet de doctorat fournit une preuve de concept solide de l'applicabilité des technologies de génomique au domaine de la nutrition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,038 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,007 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».