Projet ANR PRC DeepIntegrOmics: « Apprentissage profond de bout en bout pour la médecine de précision basé sur la métagénomique et l’intégration de données », 2021-2025

/, AROB@S, Plate-forme de l'équipe AROBAS, Plate-formes, Projets/Projet ANR PRC DeepIntegrOmics: « Apprentissage profond de bout en bout pour la médecine de précision basé sur la métagénomique et l’intégration de données », 2021-2025
Projet ANR PRC DeepIntegrOmics: « Apprentissage profond de bout en bout pour la médecine de précision basé sur la métagénomique et l’intégration de données », 2021-2025 2024-06-18T13:14:05+02:00

Description Projet

PROJET ANR PRC DeepIntegrOmics: Apprentissage profond de bout en bout pour la
médecine de précision basée sur la métagénomique et l’intégration de données (01/10/2021-30/09/2025)

Résumé :

DeepIntegrOmics aborde le développement de modèles pronostic ou diagnostic de routine (« point-of-care ») basé sur la métagénomique. Il se concentre sur deux questions de recherche dans l’utilisation de l’apprentissage profond pour la médecine de précision basée sur des données omiques multiples 1) atteindre une prédiction fiable à partir de données métagénomiques brutes et 2) améliorer la précision de la classification et la stratification en intégrant d’autres données omiques. Deux autres objectifs appliqués sont de proposer de nouvelles approches pour 1) l’identification des biomarqueurs omiques des stades de CMDs et 2) pour la stratification des patients par l’interprétation de ces architectures de réseaux neuronaux à partir d’une base de données phénotypées uniques. Nous utilisons les données de 1844 patients issues du projet européen H2020 MetaCardis et, évaluons la valeur pronostique de la stratification pour prédire la progression de la CMD pour 807 patients parmi les 1844 pour lesquels nous avons caractérisé leur évolution (changements cliniques) pendant 10 ans. Ces objectifs soutiennent la médecine translationnelle et de précision (c’est-à-dire la classification et la nouvelle stratification des patients) dans la perspective du déploiement de ces modèles pour une utilisation de routine dans les centres cliniques.

WP to LinkedIn Auto Publish Powered By : XYZScripts.com