La ciclosporine est un traitement immunosuppresseur très utilisé : elle inhibe l'activation des lymphocytes T via la calcineurine. Sa néphrotoxicité limite son utilisation : la ciclosporine induit une augmentation de la vasoconstriction ainsi qu'une augmentation de la réponse des cellules musculaires lisses vasculaires (CMLV) aux agents vasoactifs. Le récepteur minéralocorticoïde (RM), au-delà de ses effets sur la réabsorption sodée, agit sur le tonus vasculaire en modulant la réponse des cellules (endothéliales et musculaires lisses) vasculaires aux agents vasoactifs. Notre hypothèse était que le RM pouvait participer à l'action vasoconstrictrice de la ciclosporine ; son inactivation pourrait limiter la néphrotoxicité de la ciclosporine. Deux modèles de souris ont été invalidés génétiquement pour le RM : dans les cellules endothéliales et les CMLV (KO-RM CMLV). Seules les souris KO-RM CMLV étaient protégées contre la néphrotoxicité de la ciclosporine. Ces effets impliquent une action sur le tonus vasculaire rénal. L'antagonisme pharmacologique du RM (par le canrénoate) administré per os confère la même protection. En revanche, la néphrotoxicité induite par le tacrolimus (une autre anticalcineurine) n'est pas prévenue par l'antagonisme du RM. Utiliser un antagoniste sélectif du RM (l'éplérénone) pourrait prévenir la néphrotoxicité de la ciclosporine. Nous avons prouvé sa bonne tolérance en association à la ciclosporine chez les patients transplantés et insuffisants rénaux chroniques. Une kaliémie supérieure à 4,35mmol/L à l'initiation indique un sur-risque de développer une hyperkaliémie. L'efficacité reste à démontrer au cours d'un essai prospectif et randomisé. / Cyclosporine A (cyclo) is a widely used drug in kidney transplantation: its anticalcineurin actioninhibits T lymphocytes activation and prevents allograft rejection. Despite a huge benefit on graftsurvival, cyclo exerts a side effect that limits its use: nephrotoxicity. Vasculotoxicity appears to becentral: cyclo enhances renal vasoconstriction by altering vasoactive factors and vascular smoothmuscle cells (VSMC) response to vasoactive factors. Beyond its effects on sodium reabsorption,Mineralocorticoid Receptor (MR) acts on vascular tone by modulating both endothelial and VSMCresponses to vasoactive factors. Our working hypothesis was that MR could participate to cycloinducedvasoconstriction and that MR inactivating (pharmacologically or genetically) could alleviatecyclo-induced nephrotoxicity. Two genetically MR-knock out (MR-KO) were generated: inendothelial or VSMC. Only VSMC MR-KO mice were protected from cyclo-induced nephrotoxicity.We also show that such an effect was mediated by vascular tone modulation. This prevention was alsoconferred by the systemic pharmacological antagonism of MR (by canrenoate) in mice but not duringnephrotoxicity induced by tacrolimus (another anticalcineurine drug used in kidney transplantation).Then, we proposed to use MR pharmacological antagonism in humans (by eplerenone) during kidneytransplantation. We first had to prove its safety in such a population. Among 31 cyclo-treated patients,only 9 developed hyperkalemia (>5mmol/L) and none presented serious side effect. We propose akalemia higher than 4.35mmol/L at baseline to be the marker of a higher risk of developinghyperkalemia under treatment. The efficiency of eplerenone to prevent/alleviate cyclo-inducednephrotoxicity during kidney transplantation should be tested during a randomized controlled trial.

Les effets indésirables médicamenteux (EIM) ont des répercussions considérables tant sur la santé que sur l'économie. De 1,9% à 2,3% des patients hospitalisés en sont victimes, et leur coût a récemment été estimé aux alentours de 400 millions d'euros pour la seule Allemagne. De plus, les EIM sont fréquemment la cause du retrait d'un médicament du marché, conduisant à des pertes pour l'industrie pharmaceutique se chiffrant parfois en millions d'euros.De multiples études suggèrent que des facteurs génétiques jouent un rôle non négligeable dans la réponse des patients à leur traitement. Cette réponse comprend non seulement les effets thérapeutiques attendus, mais aussi les effets secondaires potentiels. C'est un phénomène complexe, et nous nous tournons vers l'apprentissage statistique pour proposer de nouveaux outils permettant de mieux le comprendre.Nous étudions différents problèmes liés à la prédiction de la réponse d'un patient à son traitement à partir de son profil génétique. Pour ce faire, nous nous plaçons dans le cadre de l'apprentissage statistique multitâche, qui consiste à combiner les données disponibles pour plusieurs problèmes liés afin de les résoudre simultanément.Nous proposons un nouveau modèle linéaire de prédiction multitâche qui s'appuie sur des descripteurs des tâches pour sélectionner les variables pertinentes et améliorer les prédictions obtenues par les algorithmes de l'état de l'art. Enfin, nous étudions comment améliorer la stabilité des variables sélectionnées, afin d'obtenir des modèles interprétables. / Adverse drug reaction (ADR) is a serious concern that has important health and economical repercussions. Between 1.9%-2.3% of the hospitalized patients suffer from ADR, and the annual cost of ADR have been estimated to be of 400 million euros in Germany alone. Furthermore, ADRs can cause the withdrawal of a drug from the market, which can cause up to millions of dollars of losses to the pharmaceutical industry.Multiple studies suggest that genetic factors may play a role in the response of the patients to their treatment. This covers not only the response in terms of the intended main effect, but also % according toin terms of potential side effects. The complexity of predicting drug response suggests that machine learning could bring new tools and techniques for understanding ADR.In this doctoral thesis, we study different problems related to drug response prediction, based on the genetic characteristics of patients.We frame them through multitask machine learning frameworks, which combine all data available for related problems in order to solve them at the same time.We propose a novel model for multitask linear prediction that uses task descriptors to select relevant features and make predictions with better performance as state-of-the-art algorithms. Finally, we study strategies for increasing the stability of the selected features, in order to improve interpretability for biological applications.