Informations générales
Événement : 87e Congrès de l'Acfas
Type : Colloque
Section : Section 100 - Sciences de la santé
Description :Le microbiome humain contient plusieurs centaines d’espèces de bactéries qui favorisent, entre autres, l’absorption de nutriments chez son hôte. Cependant, plusieurs études ont démontré que des dérèglements du microbiome humain, au niveau de l’intestin par exemple, étaient liés à des maladies comme le cancer, l’obésité et les maladies inflammatoires chroniques de l’intestin. Ces liens illustrent l’importance d’étudier le microbiome humain en profondeur. La protéomique est une technologie qui permet l’identification et la quantification à grande échelle des protéines contenues dans un échantillon biologique. Elle peut donc être utilisée afin de caractériser les protéines exprimées par les bactéries présentes dans le microbiome humain, permettant ainsi la découverte des fonctions exercées par ces dernières.
La détection de protéines dans un échantillon aussi complexe qu’un microbiome humain demeure un très grand défi. Il est nécessaire de développer et d’adapter de nouvelles technologies en protéomique afin d’améliorer la détection de protéines dans ce type d’échantillon. De plus, il existe déjà plusieurs méthodes bioinformatiques qui s’attaquent à des problèmes comme l’identification de protéines dans les ensembles de données de protéomique. Cependant, ces approches classiques ont été conçues pour l’analyse d’échantillons ne contenant que les protéines d’un seul organisme. En ce sens, elles ne conviennent pas à l’analyse de microbiomes contenant des centaines d’organismes différents. L’analyse protéomique de microbiomes génère de très larges ensembles de données qui, afin d’en extraire des informations biologiques pertinentes, nécessitent des méthodes computationnelles avancées. Les approches d’apprentissage machine sont d’ailleurs extrêmement prometteuses pour l’analyse de données de protéomique provenant de microbiomes.
Ce colloque présentera les derniers avancements en matière de méthodes protéomiques permettant ou ayant le potentiel de générer une analyse plus détaillée du microbiome humain. Certaines de ces techniques protéomiques sont déjà appliquées dans l’étude de microbiomes, alors que d’autres démontrent un potentiel pour une caractérisation améliorée du microbiome humain. Il sera également question de nouvelles approches bioinformatiques et d’apprentissage machine pour l’analyse de données de protéomique à grande échelle en lien avec le microbiome humain.
Remerciements :Les responsables du colloque tiennent à remercier Technologies for Microbiome Science and Engineering (TECHNOMISE), un programme de Formation Orientée vers la Nouveauté, la Collaboration et l'Expérience en Recherche (FONCER) du Conseil de Recherches en Sciences Naturelles et en Génie du Canada (CRSNG), et l'Université d'Ottawa pour leur financement essentiel à la réalisation de ce colloque.
Date :Programme
Nouvelles avancées en protéomique concernant la bioinformatique et le microbiome humain
-
Communication orale
Mot de bienvenueMathieu Lavallee-Adam (Université d’Ottawa)
-
Communication orale
Nouvelle stratégie pour l’identification des bactéries dans l’urine par protéomique LC-MSMS et Machine LearningFlorence Roux-Dalvai (Université Laval)
-
Communication orale
Les effets des médicaments sur le microbiomeDaniel Figeys (Université d’Ottawa)
-
Communication orale
Algorithmes pour l'identification de protéines et de bactéries dans le microbiome humain.Mathieu Lavallee-Adam (Université d’Ottawa)
-
Communication orale
Protéomique quantitative et cytométrie de masse pour mieux comprendre l’érythropoïèseMarjorie Brand (Institut de Recherche de l'Hopital d'Ottawa)
-
Communication orale
Quand la FAIMS justifie les moyens - Sensibilité accrue des analyses protéomiques avec FAIMSSibylle Pfammatter (UdeM - Université de Montréal)
-
Communication orale
Imagerie par spectrométrie de masse; des lipides aux protéines et intégration de l'informationEthan Yang (UdeM - Université de Montréal)
-
Communication orale
Mot de clôtureMathieu Lavallee-Adam (Université d’Ottawa)