La réponse postprandiale suite à une prise alimentaire serait reliée au risque cardiovasculaire. Le type de lipides alimentaires pourrait influencer cette réponse, entre autres via leurs effets sur les chylomicrons et la lipémie postprandiale, mais également via des effets potentiels sur le métabolisme lipidique global. Aucun consensus n'existe sur les effets postprandiaux aigus des différents lipides alimentaires, nécessitant d'investiguer les mécanismes sous-jacents potentiels. L'objectif de ce mémoire est donc d'étudier les effets différentiels aigus des gras saturés et trans et des gras monoinsaturés et polyinsaturés sur la lipémie postprandiale, mais également sur l'expression de gènes clés impliqués dans le métabolisme lipidique. Les résultats indiquent qu'un seul repas riche en gras saturés+trans diminue la lipémie postprandiale et induit une régulation à la baisse d'un gène impliqué dans l'absorption intestinale des lipides alimentaires.

Les patients décrits initialement par J. Noonan se ressemblent et ont une cardiopathie congénitale :soit une sténose valvulaire pulmonaire (SVP), soit une persistance du canal artériel. Avant la découverte du premier gène responsable de ce qui est devenu le syndrome de Noonan, cinq études de cohortes décrivant ces patients ont répertorié la prévalence de SVP mais le spectre des cardiopathies semble large, n’a pas été décrit de manière exhautive et aucune hypothèse n’est émise ou ne fait de lien entre ces différentes manifestations cardiaques et une compréhension intégrée du développement embryonnaire. Le gène PTPN11 est le premier gène identifié chez 40% de ces patients. Une corrélation existe entre la présence d’une mutation et la survenue de SVP de même qu’entre l’absence de mutation et la présence d’une cardiomyopathie hypertrophique. Six études de cohortes ont repris la description des mutations identifiées au sein du gène PTPN11 et les phénotypes associés, mais les cardiopathies n’ont pas été systématiquement ou spécifiquement analysées (tant au sein des groupes de patients porteurs de mutation que de ceux sans mutation). Le syndrome LEOPARD est allélique du syndrome de Noonan depuis que des mutations spécifiques au sein des exons 7,12 et 13 du gène PTPN11 ont été identifiées chez 95% des patients. <p><p>Afin d’appréhender les implications possibles du gène PTPN11 dans la survenue des cardiopathies chez les patients porteurs de ces deux syndromes, nous avons conduit une étude chez 272 patients au syndrome de Noonan et une étude chez 19 patients porteurs du syndrome LEOPARD. Parmi la cohorte de patients atteints du syndrome de Noonan, 104 ont été diagnostiqués porteurs d’une mutation du gène (38%). Une prévalence de survenue de cardiopathies affectant les structures droites du cœur se dégage chez les patients identifiés porteurs d’une mutation avec une différence significative pour la SVP, une tendance est relevée pour le canal atrio-ventriculaire et la communication inter-auriculaire de type Ostium Secundum. L’absence de mutation est corrélée avec la survenue de cardiomyopathie hypertrophique et de cardiopathies du cœur gauche. Parmi les patients atteints du syndrome LEOPARD, il n’existe pas de différence statistiquement significative pour les patients porteurs d’une mutation ou non et/ou pour une cardiopathie particulière. <p><p>Toutes les mutations identifiées du gène PTPN11 sont des mutations ‘faux-sens’. Ce gène appartient à la famille des gènes codant pour une protéine tyrosyl phosphatase, SHP-2, ne possédant pas de récepteur trans-membranaire. Cette phosphatase est impliquée dans la voie de signalisation cellulaire des MAP (‘Mitogen-activated protein’) kinases dont l’expression est ubiquitaire et inclut le coeur. Depuis nos travaux, le concept de syndrome « neuro-cardio-facio-cutané » est établi puisque, à ce jour, 9 gènes (SOS1, RAF1, BRAF, KRAS, NRAS, HRAS, NF1, SPRED1 et SHOC2), tous impliqués dans la voie de signalisation RAS (voie des MAP kinases) sont identifiés. Un spectre phénotypique existe avec des signes communs mais aussi distinctifs chez les patients présentant le syndrome de Noonan, le syndrome LEOPARD, le syndrome de Costello, le syndrome Cardio-Facio-Cutané (CFC), le syndrome « Noonan-NF1 », le syndrome de Legius et le syndrome « Noonan/Multiple Giant Cell Lesion ». Nous rapportons enfin l’observation d’une patiente atteinte du syndrome CFC et porteuse d’une mutation (p.R257Q) au sein du gène BRAF ayant développé une cardiomyopathie hypertrophique. <p><p>Ces travaux de cohortes de patients au phénotype du syndrome de Noonan, du syndrome LEOPARD et cette dernière description d’une patiente au syndrome CFC ont permis de participer à la découverte de l’implication d’une voie de signalisation cellulaire dont l’origine génétique est maintenant démontrée. Les résultats de nos travaux réalisés depuis 2002 auront permis, avec les équipes travaillant sur le même sujet, d’orienter les investigations et les nouveaux projets de recherche qui étudient spécifiquement le rôle du gène PTPN11 dans l’embryologie du cœur. Les études des orthologues (zebrafish, murin et Drosophila) porteurs à l’état hétérozygote d’une mutation du gène PTPN11 permettent d’intégrer les anomalies phénotypiques et cardiaques observées. Ces études permettent de postuler les effets cellulaires produits par les mutations chez les patients atteints du syndrome de Noonan et chez les patients atteints du syndrome LEOPARD engendrant in vitro une activation de la phosphatase (effet « gain de fonction ») pour les premiers ou une réduction de l’activité phosphatase (« dominant négatif ») mais engendrant un effet gain de fonction in vivo. Nous discutons les connaissances acquises, les compréhensions obtenues et intégrées et traçons enfin les perspectives offertes par ces travaux.<p> / Doctorat en Sciences médicales / info:eu-repo/semantics/nonPublished

This thesis addresses the use of machine learning techniques to develop clinical diagnostic tools for breast cancer using molecular data. These tools are designed to assist physicians in their evaluation of the clinical outcome of breast cancer (referred to as prognosis).<p>The traditional approach to evaluating breast cancer prognosis is based on the assessment of clinico-pathologic factors known to be associated with breast cancer survival. These factors are used to make recommendations about whether further treatment is required after the removal of a tumor by surgery. Treatment such as chemotherapy depends on the estimation of patients' risk of relapse. Although current approaches do provide good prognostic assessment of breast cancer survival, clinicians are aware that there is still room for improvement in the accuracy of their prognostic estimations.<p>In the late nineties, new high throughput technologies such as the gene expression profiling through microarray technology emerged. Microarrays allowed scientists to analyze for the first time the expression of the whole human genome ("transcriptome"). It was hoped that the analysis of genome-wide molecular data would bring new insights into the critical, underlying biological mechanisms involved in breast cancer progression, as well as significantly improve prognostic prediction. However, the analysis of microarray data is a difficult task due to their intrinsic characteristics: (i) thousands of gene expressions are measured for only few samples; (ii) the measurements are usually "noisy"; and (iii) they are highly correlated due to gene co-expressions. Since traditional statistical methods were not adapted to these settings, machine learning methods were picked up as good candidates to overcome these difficulties. However, applying machine learning methods for microarray analysis involves numerous steps, and the results are prone to overfitting. Several authors have highlighted the major pitfalls of this process in the early publications, shedding new light on the promising but overoptimistic results. <p>Since 2002, large comparative studies have been conducted in order to identify the key characteristics of successful methods for class discovery and classification. Yet methods able to identify robust molecular signatures that can predict breast cancer prognosis have been lacking. To fill this important gap, this thesis presents an original methodology dealing specifically with the analysis of microarray and survival data in order to build prognostic models and provide an honest estimation of their performance. The approach used for signature extraction consists of a set of original methods for feature transformation, feature selection and prediction model building. A novel statistical framework is presented for performance assessment and comparison of risk prediction models.<p>In terms of applications, we show that these methods, used in combination with a priori biological knowledge of breast cancer and numerous public microarray datasets, have resulted in some important discoveries. In particular, the research presented here develops (i) a robust model for the identification of breast molecular subtypes and (ii) a new prognostic model that takes into account the molecular heterogeneity of breast cancers observed previously, in order to improve traditional clinical guidelines and state-of-the-art gene signatures./Cette thèse concerne le développement de techniques d'apprentissage (machine learning) afin de mettre au point de nouveaux outils cliniques basés sur des données moleculaires. Nous avons focalisé notre recherche sur le cancer du sein, un des cancers les plus fréquemment diagnostiqués. Ces outils sont développés dans le but d'aider les médecins dans leur évaluation du devenir clinique des patients cancéreux (cf. le pronostique).<p>Les approches traditionnelles d'évaluation du pronostique d'un patient cancéreux se base sur des critères clinico-pathologiques connus pour être prédictifs de la survie. Cette évaluation permet aux médecins de décider si un traitement est nécessaire après l'extraction de la tumeur. Bien que les outils d'évaluation traditionnels sont d'une aide importante, les cliniciens sont conscients de la nécessité d'améliorer de tels outils.<p>Dans les années 90, de nouvelles technologies à haut-débit, telles que le profilage de l'expression génique par biopuces à ADN (microarrays), ont été mises au point afin de permettre aux scientifiques d'analyser l'expression de l'entièreté du génôme de cellules cancéreuses. Ce nouveau type de données moléculaires porte l'espoir d'améliorer les outils pronostiques traditionnels et d'approfondir nos connaissances concernant la génèse du cancer du sein. Cependant ces données sont extrêmement difficiles à analyser à cause (i) de leur haute dimensionalité (plusieurs dizaines de milliers de gènes pour seulement quelques centaines d'expériences); (ii) du bruit important dans les mesures; (iii) de la collinéarité entre les mesures dûe à la co-expression des gènes.<p>Depuis 2002, des études comparatives à grande échelle ont permis d'identifier les méthodes performantes pour l'analyse de groupements et la classification de données microarray, négligeant l'analyse de survie pertinente pour le pronostique dans le cancer du sein. Pour pallier ce manque, cette thèse présente une méthodologie originale adaptée à l'analyse de données microarray et de survie afin de construire des modèles pronostiques performants et robustes. <p>En termes d'applications, nous montrons que cette méthodologie, utilisée en combinaison avec des connaissances biologiques a priori et de nombreux ensembles de données publiques, a permis d'importantes découvertes. En particulier, il résulte de la recherche presentée dans cette thèse, le développement d'un modèle robuste d'identification des sous-types moléculaires du cancer du sein et de plusieurs signatures géniques améliorant significativement l'état de l'art au niveau pronostique. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished

La maladie alcoolique du foie (MAF) et l’hépatite C chronique (HCC) sont les causes les plus fréquentes de cirrhose, carcinome hépatocellulaire (CHC) et transplantation hépatique dans les pays industrialisés. La fibrose hépatique est le stigmate lésionnel de la progression de la maladie vers la cirrhose comme dans toutes les hépatopathies chroniques. Certains facteurs de risque cliniques environnementaux ont été identifiés. Toutefois, ils n’expliquent pas l’extrême variabilité individuelle de la progression de la fibrose. L’influence ethnique à développer une maladie plus sévère ainsi que les études de concordance des jumeaux mono- et di-zygotiques sur la prévalence de la cirrhose alcoolique ont suggéré l’existence de facteurs génétiques associés. Les nombreuses études de gènes candidats réalisées n’ont identifié que très peu de variants associés de manière reproductible. Pour l’HCC par exemple, le score de risque de cirrhose ou « CRS » a montré sa capacité à prédire une fibrose avancée dans diverses cohortes caucasiennes. Récemment, une étude d’association pangénomique (GWAS) dans la stéatohépatopathie non-alcoolique (NAFLD) a mis en évidence un singleton (single nucleotide polymorphism [SNP]) particulier (rs738409 C>G) dans le gène PNPLA3. Ce dernier s’est révélé être, dans diverses études, le SNP ayant l’impact le plus robuste et le plus reproductible dans cette maladie. Par ailleurs, ce même variant a également été significativement associé à la cirrhose alcoolique chez les hispaniques.<p><p>Les travaux réalisés dans le cadre de cette thèse ont permis de montrer que :<p><p>1) Le CRS avait la capacité de prédire la progression de la fibrose chez des patients caucasiens ayant une HCC dans 2 cohortes européennes indépendantes.<p><p>2) Par ailleurs, dans la MAF, nous avons répliqué chez des patients caucasiens l’association entre le SNP rs738409 dans le gène PNPLA3 et la cirrhose. Nous avons également montré pour la première fois, que l’expression de PNPLA3 était significativement diminuée chez les patients avec une fibrose plus avancée. De plus, nous avons observé dans 2 cohortes européennes que rs738409 était également associé à la prévalence du CHC.<p><p>3) Enfin, nous avons également mis en évidence l’impact de ce même SNP sur la stéatose hépatique et la fibrose dans l’HCC sans toutefois qu’il influence la réponse à la thérapie antivirale dans 3 cohortes caucasiennes indépendantes.<p><p>Ainsi de manière remarquable, un même SNP (rs738409) apparait associé à des lésions hépatiques sévères dans les trois pathologies hépatiques chroniques les plus fréquentes (la MAF, l’HCC et la NAFLD). Ceci suggère des voies pathogéniques communes de la fibrogénèse hépatique. Par ailleurs, ces travaux soulignent indirectement que les GWAS ont la capacité d’ouvrir de nouvelles voies physiopathologiques et d’identifier de nouveaux variants, gènes ou région génétiques capables de constituer de nouveaux biomarqueurs et cibles thérapeutiques dans l’HCC et la MAF. / Doctorat en Sciences médicales / info:eu-repo/semantics/nonPublished