Spelling suggestions: "subject:"eprofils d'expression dde gènes"" "subject:"eprofils d'expression dee gènes""
1 |
Classification de profils d'expression de gènes: application à l'étude de la régulation du cycle cellulaire chez les eucaryotes.Diallo, Alpha 03 June 2010 (has links) (PDF)
La technologie des puces à ADN a rendu aujourd'hui possible de mesurer les niveaux d'expression de milliers de gènes durant des processus biologiques importants. Analyser des profils d'expression de multiples gènes offre la possibilité d'éclairer certains aspects de la génomique fonctionnelle. Ce travail porte sur l'analyse, la classification et l'interprétation de profils d'expressions de gènes durant le processus de division cellulaire. La division cellulaire est le processus biologique de prolifération des cellules qui devient drastiquement aberrant dans le cas de cellules cancéreuses. Tenant compte de la structure temporelle des données d'expression, nous avons étudié trois familles de mesures de proximités. La première famille définit des mesures limitées à la comparaison des valeurs des expressions en ignorant la contrainte de dépendance temporelle des données. La seconde famille se limite à la comparaison des formes des expressions. Enfin, la troisième famille de mesures couvre simultanément les aspects formes et valeurs. Une formalisation unifiée de ces mesures est proposée. Une classification adaptative de milliers de gènes est appliquée afin d'apprendre la mesure de proximité à considérer pour l'identification et la caractérisation de gènes impliqués dans les phases du cycle cellulaire.
|
2 |
Recherche et caractérisation de biomarqueurs pronostiques dans les leucémies myélomonocytaires chroniques et aiguës myéloïdes par exploration des transcriptomes / Characterization of prognostic biomarkers in chronic myelomonocytic and acute myeloid leukemias by transcriptomic explorationBou Samra, Elias 29 November 2012 (has links)
Un défi de la transcriptomique est d'explorer l'intégralité du répertoire des transcrits normaux et anormaux. Les analyses de GEP (Gene Expression Profiling) basées sur la technologie des puces à ADN sont largement exploitées en cancérologie depuis plusieurs années. Parallèlement, les nouvelles méthodes basées sur le séquençage à haut débit offrent désormais la possibilité de réaliser des analyses précises et sensibles nécessaires à l'étude des cellules normales et cancéreuses. Quelle que soit la méthode, la caractérisation de l'ensemble des transcrits codants et non-codants représente un réel défi biologique pour la recherche de nouveaux marqueurs de diagnostic et de pronostic, et pour la bonne prise en charge des patients. Dans ce travail, j'ai eu l'occasion de traiter deux aspects différents de la biologie qui convergent vers l'identification de transcrits exprimés de manière aberrante dans les leucémies myéloïdes. Le premier aspect a consisté à proposer une sélection de biomarqueurs moléculaires pour la caractérisation de la leucémie myélomonocytaire chronique (LMMC). A partir de l'expression de ces gènes, nous avons développé un score de pronostic qui a permis de définir deux groupes de patients cliniquement distincts. Nous avons ensuite complété notre étude par une caractérisation phénotypique par cytométrie en flux des sous-populations cellulaires aberrantes constituant les lignages mono- et granulocytaires. Une partie de ce travail a été étendue aux leucémies aiguës myéloïdes (LAM) à caryotype normal (CN). L'autre aspect a consisté à participer à la mise en place d'une approche computationnelle intégrée pour caractériser de nouveaux ARNs non annotés et fort probablement non-codants. En explorant des données de Digital Gene Expression (DGE), nous avons quantifié et caractérisé la fraction de ces transcrits dans les régions intergéniques. Nous avons vérifié l'expression de ces nouveaux transcrits dans les tissus normaux et cancéreux en croisant avec d'autres données d'expression, telles que le RNA-Sequencing, et regarder leur conservation et leur expression dans d'autres espèces. / A challenge of transcriptomics is to explore the full repertoire of normal and abnormal transcripts. Gene expression profiling analyses based on microarray technology are widely used in cancer research since many years. Meanwhile, new methods based on high-throughput sequencing methods offers henceforth the possibility to undergo accurate and sensitive analyses necessary for studying normal and cancer cells. Despite the method, the characterization of all coding and non-coding transcripts is a real biological challenge in identifying novel diagnostic and prognostic markers, and for the proper care of patients. In the present work, I had the opportunity to address two different aspects of biology, both convergent toward the identification of aberrantly expressed transcripts in myeloid leukemia. The first aspect was to provide a selection of molecular biomarkers for the characterization of chronic myelomonocytic leukemia (CMML). We developed a gene expression-based prognostic score which identified two clinically distinct groups of patients. We then completed our study with a phenotypic characterization by flow cytometry of aberrant subpopulations constituting the myeloid and granulocytic lineages. A part of this work has been extended to acute myeloid leukemia (AML) patients with normal karyotype. The other aspect was to participate in the implementation of an integrated computational approach in order to characterize novel non annotated RNAs, more likely non-coding. We quantified and characterized the proportion of these transcripts in intergenic regions by exploring Digital Gene Expression (DGE) data. We checked their expression in normal and cancer tissues by crossing with RNA-Seq data, and their conservation and expression in other species.
|
Page generated in 0.1083 seconds