La métabonomique est une approche de choix pour l’identification de biomarqueurs d’intérêts pour le diagnostic de pathologies mais aussi pour l’amélioration de notre compréhension des processus physiopathologiques. La métabonomique offre de nouvelles perspectives en épidémiologie moléculaire, objet principale de cette thèse. Nous avons appliqué l’approche métabonomique par RMN à haut champ à l’analyse de sérums sanguins issus de la cohorte prospective EPIC (European Prospective Investigation into Cancer and nutrition) dans le but d’identifier des biomarqueurs de la survenue du cancer du foie et du cancer du pancréas. L’analyse statistique des profiles métaboliques des sérums obtenus par RMN à 800MHz a permis de mettre en évidence une signature métabolique associée à l’occurrence des hépatocarcinomes (HCC) à cinq ans avant diagnostic en moyenne. L’analyse stratifiée des données a révélé des biomarqueurs précoces mais aussi des biomarqueurs de l’étiologie des HCC. L’analyse métabonomique portée sur le cancer du pancréas n’a à l’inverse pas été concluante. Des méthodes pertinentes pour l’analyse des cohortes épidémiologiques par métabonomique ont été développées, telle qu’une méthode de correction d’effet batch rendant possible la comparaison de données RMN acquises au cours d’une longue période de temps. La méthode statistique PCPR2 développée permet de quantifier l’impact de différents facteurs sur les données métabonomique afin d’en révéler les sources de variations systématiques. D’autre part, l’approche métabonomique permet également l’investigation de questions biologiques plus fondamentales. Cette thèse offre une approche de génomique fonctionnelle à l’étude des cibles métaboliques du récepteur aux hormones thyroïdiennes TRβ dans le foie. L’analyse des données HR-MAS de tissus de foie intacts complémentée par l’analyse d’extraits hépatiques sur un modèle de souris a permis d’éclaircir le rôle de ce récepteur nucléaire. / Metabonomics is a recent approach that enables not only to identify relevant biomarkers for disease diagnosis but also to improve our understanding of biological processes by gaining insight into metabolism. This thesis is mainly dedicated to the application of metabonomics to molecular epidemiology. High-field NMR metabonomic approach was applied to the analysis of serum samples from the large prospective cohort EPIC (European Prospective Investigation into Cancer and nutrition) to identify biomarkers of liver cancer and pancreatic cancer occurrence. The statistical analysis of NMR serum metabolic profiles obtained at 800 MHz enabled to highlight a metabolic signature associated with the occurrence of hepatocellular carcinoma (HCC), in average five years before diagnosis. The stratified analysis revealed both early and etiologic biomarkers of HCC. The NMR metabonomic analysis of the pancreatic cancer did not reveal any metabolic signature of this cancer. Moreover, relevant methods to allow the NMR metabonomic analysis of epidemiological cohort were developed. This thesis proposes a method to correct data for batch effect, making possible the comparison of NMR data recorded in a long period of time. The statistical method PC-PR2 developed enables the quantification of the contribution of different factors onto metabonomic data to reveal systematic variation sources. In addition, the metabonomic approach is also suitable to address specific biological questions by providing a new read-out of the metabolism. Functional genomics by NMR metabonomics was used in this thesis to study the metabolic targets of the thyroid hormone nuclear receptor TRβ in the liver. The analysis of HR-MAS data obtained on intact liver tissue in addition to the analysis of NMR data of liver extracts from a mice model enabled to better understand the role of this nuclear receptor.
| Identifer | oai:union.ndltd.org:theses.fr/2013ENSL0876 |
| Date | 17 December 2013 |
| Creators | Fages, Anne |
| Contributors | Lyon, École normale supérieure, Elena-Herrmann, Bénédicte |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0031 seconds