En savoir plus

Résumé

Le syndrome métabolique (SMet) associant obésité viscérale, dyslipidémie, hyperglycémie et hypertension est maintenant un enjeu important de santé publique du fait de sa prévalence croissante, en particulier dans la population âgée souffrant de maladies chroniques. Grâce aux approches en population, intégrées et multifactorielles que ce projet propose, l’identification de nouveaux (bio)marqueurs/signatures permettra à terme un meilleur ciblage des populations à risque et une meilleure compréhension de l’étiologie du SMet. 

La métabolomique constitue une approche de phénotypage moléculaire très puissante et aujourd’hui mature, appliquée à la fois pour mieux comprendre/caractériser les processus biologiques complexes, mais également en identifier des biomarqueurs associés. Les progrès réalisés dans les domaines analytique, bioinformatique et de modélisation, permettent maintenant d'envisager des approches globales intégratives pour la génération et l'exploitation de données massives afin de mieux comprendre ces maladies chroniques et d'en identifier des ensembles de biomarqueurs ou signatures.

Cette thèse vise à étudier les trajectoires d’installation du SMet de façon transversale, au sein de 3 cohortes observationnelles, pour lesquelles des données métabolomiques ont été collectées et disposant de données épidémiologiques/ phénotypiques acquises de façon longitudinale. Il répond à la question essentielle de l’interopérabilité des données métabolomiques et de la plus-value d’une intégration inter-études. 

Ce travail s’inscrit à ce niveau dans le domaine très actif des sciences des données, l’intégration des données, visant ici à investiguer la validité des liens entre jeux de données issus de personnes analysées dans différents états de santé. Cette thèse s’appuie sur un partenariat multidisciplinaire établi entre physiologistes, chimistes, chimiométriciens et statisticiens.

Contact

• Elfried Salanon
• Linkedin