Approches en génomique et bio-informatique afin de comprendre les bases moléculaires de la maladie pulmonaire obstructive chronique
Bibliographic record
Abstract
La maladie pulmonaire obstructive chronique (MPOC) est une maladie complexe caractérisée par une obstruction non complètement réversible des voies aériennes. Actuellement, aucun remède n’existe pour soigner cette maladie qui deviendra la 3e cause de mortalité d’ici 2030. Bien que des progrès importants furent réalisés dans les dernières décennies, la pathogenèse de la maladie demeure largement mal comprise. Cette thèse a pour objectif général l’étude des composantes génétiques de la MPOC, plus précisément 1) l’identification de gènes impliqués dans le développement de l’obstruction respiratoire, 2) l’identification d’eQTL pulmonaires dans le complexe majeur d’histocompatibilité et de leurs liens avec certains phénotypes pulmonaires, 3) l’identification de nouveaux gènes de susceptibilité au développement de la MPOC et 4) la caractérisation des variations génétiques du gène SERPINA1 dans la population canadienne et l’évaluation du séquençage de l’ADN comme nouveau test diagnostique pour détecter le déficit en alpha-1 antitrypsine. Dans une première étude, nous avons identifié des gènes (CST3, CD22) et des voies biologiques (métabolisme des xénobiotiques, apoptose, balance protéase-antiprotéase et balance oxydant-antioxydant) impliqués dans le développement de l’obstruction respiratoire. Pour ce faire, nous avons combiné les génotypes, les valeurs d’expression et les caractéristiques cliniques de 1,111 sujets. En combinant ces trois types de données, nous avons trouvé des variations génétiques influençant l’expression de gènes qui sont impliqués dans la perte de fonctions respiratoires. Ce projet a permis d’identifier des mécanismes précis impliqués dans le développement de l’obstruction respiratoire. Par la suite, nous avons étudié une région clé du génome humain pour le système immunitaire, soit le complexe majeur d’histocompatibilité (MHC). Des études antérieures ont associé des variations génétiques présentes dans ce locus à plusieurs phénotypes pulmonaires (asthme, cancer du poumon, fibrose kystique, maladie pulmonaire interstitielle, MPOC). Les résultats obtenus nous ont permis d’identifier des gènes d’intérêts pour l’asthme (AGPAT1, CDSN), le cancer du poumon (BTN3A2, ZFP57), les fonctions respiratoires (MICB) et la maladie pulmonaire interstitielle (AGPAT1). Les résultats de cette étude ont permis de mieux comprendre et d’interpréter les résultats obtenus précédemment. Nous avons également participé à la plus grande étude pangénomique (GWAS) sur la MPOC. Cette étude, réalisée par l’International COPD Genetics Consortium (ICGC), ai dentifié 22 régions chromosomiques impliquées dans le développement de la MPOC. Pour ce projet, les génotypes de 63,192 sujets (47,936 cas et 15,256 témoins) provenant de 26 cohortes différentes ont été combinés dans une méta-analyse. Par la suite, les résultats ont été répliqués dans 9,498 cas et 9,748 témoins supplémentaires provenant de la UK Biobank. Parmi les 22 loci identifiés, 15 ont été précédemment associés avec les fonctions respiratoires et quatre n’avaient jamais été observés (EEFSEC, DSP, MTCL1, et SFTPD). Cette étude a permis de mieux comprendre l’architecture génétique de la maladie et de confirmer le lien existant entre les gènes associés aux fonctions respiratoires et la MPOC. Finalement, nous avons caractérisé les variations génétiques du gène SERPINA1 dans la population canadienne et testé le séquençage de l’ADN comme outil potentiel de diagnostic du déficit en alpha-1 antitrypsine. Pour ce faire, tous les exons codants du gène ont été séquencés dans 400 individus du projet pancanadien CanCOLD (Canadian Cohort of Obstructive Lung Disease). Nous avons identifié 19 variations génétiques dans le gène, dont 15 mutations faux sens et une nouvelle mutation. Une fois l’extraction d’ADN complété, le séquençage s’est effectuéet a permis de déterminer de façon définitive la nature de l’anomalie génétique sous-jacente. Ce projet a démontré que cette technique permettrait d'accélérer le diagnostic et de diminuer les coûts pour ainsi faciliter la prise en charge et le traitement des patients souffrant d’un déficit en alpha-1 antitrypsine. Les résultats obtenus au cours de ce doctorat permettent de mieux comprendre les gènes et les voies biologiques impliqués dans le développement de la MPOC.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.027 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 0.011 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".