Approche intégrée de la nutrigénomique : de l'identification de marqueurs génétiques aux applications cliniques
Bibliographic record
Abstract
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.
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 | 0.038 | 0.056 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.006 | 0.005 |
| Insufficient payload (model declined to judge) | 0.015 | 0.007 |
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".