La médecine transfusionnelle est un rouage important du système de santé canadien. Au Québec, la banque de sang Héma-Québec gère l’ensemble des étapes de la collecte de sang et la livraison des produits sanguins aux hôpitaux. Depuis quelques années, l’altération de la déformabilité des globules rouges observée durant leur entreposage dans les banques de sang est revenue à l’avant-plan des discussions en raison de l’accessibilité grandissante de nouvelles technologies permettant de mieux caractériser cette propriété. L’objectif de ce projet, réalisé au sein d’Héma-Québec, consistait à développer une approche microfluidique novatrice permettant la mesure de l’évolution de la déformabilité des globules rouges durant leur entreposage dans une banque de sang. Le suivi de la déformabilité de six concentrés de globules rouges entreposés à T = [2-8 °C] durant 42 jours a permis de déterminer que les performances de la méthode microfluidique surpassent celles d’une méthode comparative également développée dans le cadre de ce projet. Certaines inconsistances observées lors de l’application de la méthode microfluidique ont subséquemment mené à une phase d’optimisation. Bien que certains aspects de la méthode doivent encore être améliorés, les résultats de ce projet laissent présager que la déformabilité pourrait éventuellement servir de marqueur de qualité des globules rouges au même titre que les marqueurs les plus éloquents actuellement pris en compte à Héma-Québec. / Transfusion medicine is an important part of the Canadian health care system. In Quebec, the Héma-Québec blood bank manages all stages from blood collection to delivery of blood products to hospitals. In recent years, the alteration of red blood cells deformability observed during storage in blood banks has returned to the forefront of discussions because of the increasing accessibility of new technologies to better characterize this property. This project objective was to develop, within Héma-Québec, a novel microfluidic approach to measure the evolution of red blood cells deformability during blood bank storage. Monitoring the deformability of six red blood cells concentrates stored at T = [2-8 °C] for 42 days determined that the performance of the microfluidic method surpassed that of a comparative method, which was also developed as part of this project. Some inconsistencies observed during the application of the microfluidic method have subsequently led to an optimization phase. Although some aspects of the method still need to be improved, the results of this project suggest that deformability could possibly serve as a quality marker of red blood cells in the same way as the most eloquent markers do.

Titre de l'écran-titre (visionné le 10 janvier 2024) / Cette thèse se situe à l'intersection de plusieurs domaines d'études. Elle traite principalement d'apprentissage automatique, un champ d'études de l'intelligence artificielle. Plus particulièrement, elle se focalise sur la classification supervisée, un cas particulier où l'objectif est de séparer des exemples dans des classes, pour lequel on utilise des exemples étiquetés sur lesquels on apprend un classifieur. Plus précisément, nous nous concentrons sur l'apprentissage multi-vues, pour lequel les classifieurs ont accès à plusieurs types de données. De plus, cette thèse traite de l'application de l'apprentissage multivue à des données biologiques. Les données dites -omiques, qui regroupent plusieurs analyses d'un échantillon sanguin, décrivant une grande variété de processus naturels sont notre axe principal. Ces données présentent plusieurs défis, que nous explorons tout au long de cette thèse. Pour ce faire, nous présentons également plusieurs outils spécifiquement conçus pour comparer des algorithmes d'apprentissage automatique sur des données multivues. En effet, si le domaine monovue peut se reposer sur un grand nombre d'outils robustes, ils ne sont pas utilisables dans le paradigme multivues. Ainsi une partie de ce doctorat a été dédiée au développement d'outils de qualité pour l'apprentissage multivues. En outre, nos analyses expérimentales sur les données réelles nous ont suggéré que le développement d'algorithmes spécifiques pour le multivues était moins une priorité que la conception d'approches relevant les défis des données -omiques. Ainsi, la seconde partie de cette thèse est consacrée à l'étude des méthodes d'ensembles monovues. Ce domaine regroupe tous les algorithmes construits par l'agrégation de plusieurs sous-méthodes tels que les votes de majorité, particulièrement intéressants pour l'application sur les données -omiques. De ce fait, nous proposons deux nouveaux algorithmes basés sur la méthode gloutonne pour apprendre sur des données en grande dimension. Le premier, CB-Boost, se repose sur l'optimisation efficace d'une quantité théorique, la C-borne, permettant de construire des votes de majorité performants et robustes. Le second, SamBA, est une généralisation du boosting permettant de prendre en compte des expertises locales dans son modèle pour se reposer sur une fonction de décision particulièrement parcimonieuse et interprétable. / This thesis lies at the intersection of multiple fields of study. It mainly focuses on machine learning, a domain of artificial intelligence. More specifically, we study supervised classification, which goal is to separate samples in several classes, relying on labelled samples on which a classifier is fitted. More precisely, we focus on multi-view machine learning, for which the classifiers can access multiple data types. In addition, this thesis studies the application of multi-view machine learning on biological data. More particularly, we focus on -omics data, a set of biological data that regroups several analyses derived from a biological sample, covering a large range of natural processes. This type of data is characterized by multiple challenges that we explore in this thesis. To do so, we present several tools designed specifically to allow the comparison of machine learning algorithms on multi-view data. Indeed, if the mono-view case can rely on a large number of robust libraries, they are not compatible with multi-view learning. As a consequence, a section of this thesis is dedicated to present python tools for multi-view learning. Furthermore, our experimental studies on real-life -omic data suggested that the design of multi-view specific algorithms was less of a priority than the conception of approaches specifically designed to tackle the challenges of -omic data. As a consequence, the second part of this thesis is dedicated to the study of mono-view ensemble methods. This domain regroups all the algorithms built from the aggregation of several sub-methods, such as majority votes. It is particularly interesting and useful for applications on -omic data. Consequently, we propose two algorithms based on greedy optimization, designed to learn on large dimension data. The first one, CB-Boost relies on the efficient optimization of a theoretical quantity, the C-bound, to build accurate and robust majority votes. The second one, SamBA, is a generalization of the boosting framework allowing local expertise in its model, with the objective of outputting particularly sparse and interpretable decision functions.

La métabolomique par résonance magnétique nucléaire (RMN) permet d’étudier laréponse métabolique globale d’un système biologique à un stimulus ou un événementphysiopathologique (maladie, manipulation génétique, etc.). Cette discipline connaît un essorimportant dans la recherche clinique et biologique, et constitue ainsi un outil à fort potentielpour la découverte de biomarqueurs de maladies, et l’étude de la fonction des gènes.Cette thèse est dédiée à l’application de la métabolomique par RMN à hauts champspour l’étude des pathologies associées à la signalisation thyroïdienne chez la souris. L’objectifglobal est d’identifier des biomarqueurs spécifiques liés aux différentes maladies hormonales :l’hypothyroïdie et la maladie génétique émergente résistance à l’hormone thyroïdienne due àune mutation au niveau du récepteur TRα1 (RTHα). Cette dernière est particulièrementdifficile à diagnostiquer à cause du manque de marqueurs biochimiques et de symptômesspécifiques à cette maladie. De plus, elle présente des similitudes avec l’hypothyroïdie auniveau symptomatique. Des modèles murins de RTHα et de l’hypothyroïdie ont été analysés,et l’investigation a été menée sur l’urine et le plasma sanguin dans le but de différenciermétaboliquement ces maladies et d’identifier des biomarqueurs spécifiques à RTHα. Dessignatures métaboliques liées à chaque maladie ont été identifiées dans l’urine et le plasmasanguin. Cinq métabolites qui varient de façon significative ont été identifiés dans l’urinecomme étant liés à la maladie RTHα : trimethylamine, dimethylamine, isovalerylglycine, Nacetylglucosamineet la choline. Dans le sang, ce sont les lipides insaturés qui varient de façonsignificative chez les souris mimant la maladie RTHα. / Metabolomics by nuclear magnetic resonance (NMR) allows studying the metabolicresponse of a global biological system to a stimuli or a physiopathological even (diseases,genetic modifications, etc.). This discipline is growing especially in the clinical and biologicalfields, and represents a strong potential tool to identify biomarkers related to diseases, andstudy the function of genes.This thesis is dedicated to the application of metabolomics by high field NMR to studythyroid signalisation pathologies in mice. The main goal is to identify biomarkers related tothe emerging genetic disease called resistance to thyroid hormone due to a mutation in thyroidhormone receptor TRα1 (RTHα). This disease is particularly difficult to diagnose because ofthe lack of biochemical markers and specific symptoms. In addition, it presents commonfeatures with hypothyroidism in term of symptoms. Mice models of RTHα andhypothyroidism were analysed, and the investigation were driven on urine and blood plasmain order to differentiate metabolically theses diseases and identify biomarkers related toRTHα. Metabolic fingerprints related to each disease were identified in both urine and bloodplasma. Five metabolites vary significantly in the urine of RTHα mice: trimethylamine,dimethylamine, isovalerylglycine, N-acetylglucosamine and choline. Unsaturated lipids varysignificantly in the blood plasma of RTHα mice.The impact of thyroid hormones (TH) and the thyroid hormone receptor TRβ on theliver metabolism were also studied in the present manuscript through NMR-basedmetabolomics. A mouse model, with a specific knock-out of TRβ gene in hepatocytes (LTRβ-KO), were used to study this question. To understand the function of TH mediated by TRβ,the liver metabolic response to TH, obtained from liver aqueous extracts and intact livertissues, TRβKO and wild-type mice were compared. The results suggest the presence ofdirect and indirect effects of thyroid hormones on the liver metabolism.