Intégration de données multi-études pour l’identification de phénotypes communs du syndrome métabolique

Résumé

La médecine de précision ouvre un nouveau paradigme dans la prise en charge des maladies, chroniques, en s'appuyant sur des données multiples (biologiques, environnementales, modes de vie) pour proposer des traitements personnalisés. Dans ce contexte, la métabolomique, et en particulier la métabolomique non ciblée, constitue un outil puissant de phénotypage métabolique. Cependant, cette approche, bien que prometteuse, présente des limites majeures pour les grandes études de cohorte, du fait de sa nature semi-quantitative et de sa sensibilité aux erreurs analytiques introduisant des biais, notamment via des effets de lot, qui altèrent la reproductibilité et l'intégration des résultats. Ces effets, propres à chaque métabolite et sans modèle global, faussent les comparaisons inter-études, augmentent les fausses découvertes, et limitent la transposabilité clinique des biomarqueurs identifiés.

Ainsi, l'objectif de cette thèse était de contribuer

1- à l'amélioration de la reproductibilité des données métabolomiques non ciblées basées sur la spectrométrie de masse; 2- de développer des méthodes d'intégration de données multi-sources en métabolomique pour l'identification de phénotypes communs; et enfin

3- d'appliquer la stratégie développée au contexte du syndrome métabolique. Nos résultats ont permis de proposer un écosystème de solutions pour l’ensemble des étapes à l’intégration verticale des données métabolomiques : processus automatisé pour l’extraction des données et l’évaluation de leur qualité, correction des effets de lot et de la variabilité analytique à long terme, méthodes d'intégration des données pour les études métabolomiques multi-cohortes.

Enfin l’ensemble de ces méthodologies ont été appliquées à des données de deux études de cohortes humaines, pour découvrir les caractéristiques métaboliques communes et spécifiques à l'âge, associées au syndrome métabolique. Nos résultats offrent ainsi des pistes prometteuses pour l’étude de données longitudinales et intégratives dans le domaine de la recherche métabolique.

Mots clés : Métabolomique non-ciblée, reproductibilité, intégration de données multi-sources, phénotypes, maladies métaboliques
 

Contact

• Elfried Salanon
• Linkedin

Publications

• Salanon, E., Comte, B., Centeno, D., Durand, S., Pujos-Guillot, E., & Boccard, J. (2024). An alternative for the robust assessment of the repeatability and reproducibility of analytical measurements using bivariate dispersion. Chemometrics and Intelligent Laboratory Systems, 250, 105148. https://doi.org/10.1016/j.chemolab.2024.105148
•  Salanon, E., Comte, B., Centeno, D., Durand, S., Pujos-Guillot, E., & Boccard, J. A workflow for the multivariate and univariate assessment of the reliability of batch correction methods centered on the Batch conformity index. Submitted to Metabolomics.
• Salanon, E., Comte, B., Centeno, D., Durand, S., Boccard, J., & Pujos-Guillot, E. Improving metabolomics data comparability without long-term quality controls using a post-acquisition correction strategy. Accepted in Analytica Chimica Acta.
• Salanon, E., Jules, E., Comte, B., & Boccard, J., Pujos-Guillot, E. A cooperative learning framework for the integration of metabolomic data from cohorts and common phenotype identification. In revision in Computational and Structural Biotechnology Journal
•  Salanon, E., Boccard, J., Durand, S., Comte, B., & Pujos-Guillot, E. (In preparation). Towards automated decision support in the analytical reliability assessment of biomarker candidates: A multicriteria optimization framework.
• Salanon, E., Fu, A., Apte, A. P., Mahmoud, U., Belkhatir, Z., Shukla-Dave, A., & Deasy,J. O. (2024). Cancer radiomic feature variations due to reconstruction kernel choice and integral tube current. bioRxiv. https://doi.org/10.1101/2024.06.04.596806

Communications

• Elfried    Salanon,    Blandine    Comte,    Estelle    Pujos-Guillot,    Julien    Boccard.
• Assessment  of  repeatability  and  reproducibility  in  untargeted  LC/MS  metabolomics:  beyond  the  limits  of  the  relative  standard  deviation. Metabolomics 2023, Niagara Falls, Canada, 18-22 June 2023.
• Elfried Salanon, Blandine Comte, Estelle Pujos-Guillot, Julien Boccard. Towards automated decision support in the analytical reliability assessment of biomarker  candidates:  a  multi-criteria  optimization  framework. 34th International Symposium on Pharmaceutical and Biomedical Analysis (PBA 2024), Geneva, Switzerland, 9-12 September 2024.
• Elfried Salanon, Etienne Jules, Blandine Comte, Julien Boccard, Estelle Pujos- Guillot. Enhancing Biomarker Discovery in Metabolomics through Cooperative Learning-Based Vertical Data Integration. Metabolomics 2025, Prague, Czech Republic, 22-26 June 2023.
• Elfried Salanon, Julien Boccard, Blandine Comte, Estelle Pujos-Guillot. Cross- study metabolomics data integration for the identification of common metabolic syndrome phenotypes. Submitted. NuGOweek 2025, Dublin Ireland, 22-25 Sept 2025

Patent EU 25305946.3

Salanon E, Comte B, Boccard J, Pujos-Guillot E. Method for the harmonization of metabolomic measurements from liquid chromatography/high-resolution mass spectrometry.