Description de la soumission d'un avis
La schizophrénie touche environ 0,7 à 1% de la population mondiale. Bien qu’il existe un large panel thérapeutique disponible, l’efficacité clinique des antipsychotiques utilisés reste limitée avec 30 à 50% des patients schizophrènes présentant une réponse insuffisante au traitement. Dans ce contexte, des biomarqueurs sont nécessaires pour optimiser le traitement de cette population. Actuellement, des biomarqueurs de fluides sont disponibles pour optimiser l’exposition aux antipsychotiques (Therapeutic drug monitoring, TDM et Pharmacogenetics, PGx), mais aucun biomarqueur n’est disponible pour optimiser les étapes suivantes, c’est-à-dire l’interaction avec les récepteurs, la transduction du signal et enfin la traduction en effet clinique.
Au cours de ce stage, nous offrons à un étudiant la possibilité de travailler sur une base de données pharmaco-clinique afin d’identifier des sous-groupes de patients schizophrènes (N=100) présentant un risque élevé de variabilité pharmacocinétique, d’exposition inadéquate aux médicaments antipsychotiques et d’échec potentiel du traitement. Cette tâche sera basée sur les connaissances actuelles en pharmacologie que nous fournirons, mais aussi sur une analyse exploratoire de la base de données soutenue par de nouvelles techniques d’apprentissage automatique. La gestion et le prétraitement des données seront également nécessaires.
IMPORTANT :
En fonction de l’avancement de l’étudiant et de la qualité de la collaboration, ce stage peut déboucher sur la poursuite du projet dans le cadre d’un autre contrat (à déterminer, par exemple ingénieur de recherche ou doctorant). La deuxième phase du projet consistera à fusionner les connaissances extraites de la base de données pharmaco-clinique avec l’analyse de données de neuro-imagerie (IRMf, DTI, T1, T2). Nous extrairons d’abord des caractéristiques fonctionnelles (biomarqueurs de neuroimagerie, dynamique de la connectivité fonctionnelle…) de l’IRMf et comparerons les groupes identifiés lors de la première phase du projet. La dernière phase du projet consistera à modéliser des cerveaux individuels à grande échelle avec The Virtual Brain (TVB).
L'étudiant devra être curieux des concepts fondamentaux de la pharmacologie et de la schizophrénie.
L'étudiant doit être à l'aise avec la programmation python (pandas, numpy) et les statistiques classiques, et doit avoir au moins une connaissance de base des algorithmes standards d'apprentissage automatique avec scikit-learn (SVM, K-means, KNN...).
Une connaissance ou un intérêt pour la neuroimagerie et la modélisation serait une valeur ajoutée au profil du candidat.