STAGE Des données aux modèles : Développement d'une procédure de traitement des données omiques pour l’identification de signatures métabolomiques urinaires

Les travaux de recherche menés dans l'unité PNCA ont pour objectif d'étudier la répercussion de la qualité et de la quantité de l'apport protéique aux niveaux comportemental, cérébral, métabolique, et du statut nutritionnel. Les sujets de recherche de l'équipe d'affectation du stagiaire, "Apport Protéique et Régulation Métabolique" (APReM), portent sur l’évaluation des conséquences des variations de l’apport protéino-énergétique sur le métabolisme et la physiologie, dans différentes situations physiologiques et pathologiques et dans différents contextes nutritionnels. Le stage se fera en lien avec l’équipe SOLsTIS (Statistical mOdelling and Learning for environnemenT and lIfe Sciences) de l’UMR MIA-Paris qui est spécialisée dans le développement de méthodes d’apprentissage statistique pour des données provenant des sciences de la vie et de l’environnement.
La qualité de l’apport alimentaire en protéines des régimes alimentaires dépend de leur capacité à satisfaire les besoins en acides aminés indispensables (AAI) au long des cycles de vie. L’équipe APReM de l’unité PNCA a développé des études précliniques chez le rat, une approche «omique» sensible et non invasive, basée sur l’analyse des profils du métabolome urinaire et plasmatique, comme biomarqueurs spécifiques du statut nutritionnel. Le présent projet vise à identifier des biomarqueurs des sensibilités individuelles à la prise de poids, en fonction des régimes riche en glucides ou de type occidental. Cela sera réalisé par l'analyse chimiométrique de données expérimentales : des échantillons d'urine et de plasma ont été analysés par spectrométrie de masse. Le traitement chimiométrique de ce type de données requiert plusieurs étapes (prétraitement; choix du modèle; interprétation des signaux obtenus; etc.). Le stagiaire réalisera la comparaison de plusieurs méthodes (supervisées ou non) permettant une analyse statistique multivariée de ces données. Il étudiera aussi l'influence de différentes méthodes de prétraitement des données sur les résultats obtenus. Le stagiaire devra donc commencer par un travail bibliographique pour s’approprier les différentes méthodes. Ensuite, l’implémentation sous R et/ou Matlab pourra s’appuyer sur les boîtes à outil et packages existants mais nécessitera du développement de sa part. En plus de l’analyse des données disponibles, la production d’un code commenté et facilement utilisable sur de nouvelles données du même type est un attendu de ce stage.