L'hétérogénéité observée entre les tumeurs de différents patients, et même entre les cellules cancéreuses d’un même patient, complique considérablement le développement de traitements. La médecine « personnalisée » ou « de précision » vise à surmonter ce problème en proposant un traitement adapté à chaque patient, en fonction de son profil génétique individuel et de la signature moléculaire de sa tumeur. Cet objectif ambitieux nécessite une caractérisation moléculaire approfondie du cancer chez le patient, à l’aide de technologies à haut débit et de techniques d’imagerie avancées.
Beaucoup de données multi-échelles sur le cancer deviennent disponibles, mais elles restent encore largement sous-exploitées pour élucider les mécanismes sous-jacents et ainsi guider la stratification des patients et le choix des traitements.
L’analyse intégrative multimodale des données omiques et cliniques offre un fort potentiel pour élucider les bases moléculaires des différents types de cancer. L’intégration multimodale des données sur la maladie est particulièrement prometteuse pour mettre en évidence les relations complexes entre les mécanismes moléculaires qui contribuent collectivement à la maladie.
Fatima AL-SHAHROUR (CNIO, ES)
Chloé AZENCOTT, FR
Annabelle BALLESTA, FR
Valentina BOEVA, CH
Quentin BLAMPEY, FR
Linus Frederic BLEISTEIN, CH
Florence CAVALLI, FR
Fabian COSCIA, DE
Aurélien DUGOURD, UK
Åsmund FLOBAK, NO
Laurent GATTO, BE
Carl HERRMANN, DE
Frédérique LISACEK, CH
Arnau MONTAGUD, ES
Livia PERFETTO, IT
Maud VAN LIER, FR
Julien VIBERT, DE
Thomas WALTER, FR
Joshua WATERFALL, FR
L’objectif de ce cours est de promouvoir les approches computationnelles au sein des laboratoires biologiques et cliniques. Le but est d' aider les participants à comprendre et à utiliser des approches d’intégration multimodale afin d’exploiter efficacement les différents types de données qui s’accumulent dans la plupart des laboratoires biologiques ou médicaux.
Le cours présentera les méthodes et outils actuels pour l’analyse et l’interprétation de données génomiques multimodales, avec un accent particulier sur l’intelligence artificielle générative et les approches par réseaux, ainsi que sur des applications concrètes en lien avec le cancer.
Les participants auront de solides connaissances en biologie moléculaire. Toutefois, aucune expérience préalable en programmation ou en méthodes de modélisation, ni de connaissance approfondie en biologie des systèmes n'est requise. Les interventions seront organisées de manière didactique, afin de présenter au public les principes fondamentaux des approches de la biologie des systèmes et leurs applications dans la recherche sur le cancer.
Le cours se tiendra du 21 au 25 septembre 2026 à l’Institut Curie, Paris, France.
ECTS accrédités par ENS/PSL
Participation to the course can grant 3 ECTS for master students from the PSL Master in Life Sciences with ENS: https://www.edu.bio.ens.psl.eu/spip.php?article237
Annabelle Ballesta (Institut Curie, FR)
Emmanuel Barillot (Institut Curie, FR)
Laurence Calzone (Institut Curie, FR)
Florence Cavalli (Institut Curie, FR)
Loredana Martignetti (Institut Curie, FR)
Denis Thieffry (ENS, FR)
Thomas Walter (Mines ParisTech, FR)
Joshua Waterfall (Institut Curie, FR)
Fatima Al Shahrour (CNIO, ES)
Annabelle Ballesta (Institut Curie, FR)
Emmanuel Barillot (Institut Curie, FR)
Laurence Calzone (Institut Curie, FR)
Florence Cavalli (Institut Curie, FR)
Åsmund Flobak (NTNU, NO)
Laurent Gatto (UCL, BE)
Loredana Martignetti (Institut Curie, FR)
Nicolas Servant (Institut Curie, FR)
Denis Thieffry (ENS, FR)
Kim Thrane (KTH, SE)
Thomas Walter (Mines ParisTech, FR)
Joshua Waterfall (Institut Curie, FR)
Frédérique Lisacek (SIB, Genève, CH)
