Méthodes de sélection et de validation de modèles à effets mixtes pour la médecine génomique / Marine Zulian ; sous la direction de Marc Lavielle

Date :

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : français / French

Statistique médicale

Génomique

Classification Dewey : 510

Lavielle, Marc (Directeur de thèse / thesis advisor)

Josse, Julie (Président du jury de soutenance / praeses)

Benzekry, Sébastien (1985-....) (Rapporteur de la thèse / thesis reporter)

Azaïs, Jean-Marc (19..-....) (Rapporteur de la thèse / thesis reporter)

Pécuchet, Nicolas (1983-....) (Membre du jury / opponent)

Comets, Emmanuelle (Membre du jury / opponent)

Institut polytechnique de Paris (2019-....) (Organisme de soutenance / degree-grantor)

École doctorale de mathématiques Hadamard (Orsay, Essonne ; 2015-....) (Ecole doctorale associée à la thèse / doctoral school)

École polytechnique (Palaiseau, Essonne ; 1795-....) (Autre partenaire associé à la thèse / thesis associated third party)

Centre de mathématiques appliquées (Palaiseau, Essonne) (Laboratoire associé à la thèse / thesis associated laboratory)

Résumé / Abstract : L'étude de phénomènes biologiques complexes tels que la physiopathologie humaine, la pharmacocinétique d'un médicament ou encore sa pharmacodynamie peut être enrichie par des approches de modélisation et de simulation. Les progrès technologiques de la génétique permettent la constitution de jeux de données issues de populations plus larges et plus hétérogènes. L'enjeu est alors de développer des outils intégrant les données génomiques et phénotypiques permettant d'expliquer la variabilité inter-individuelle. Dans cette thèse, nous développons des méthodes qui permettent de prendre en compte la complexité des données biologiques et la complexité des processus sous-jacents. Des étapes de curation des covariables génomiques nous permettent de restreindre le nombre de covariables potentielles ainsi que de limiter les corrélations entre covariables. Nous proposons un algorithme de sélection de covariables dans un modèle à effets mixtes dont la structure est contrainte par le processus physiologique étudié. En particulier, nous illustrons les méthodes développées sur deux applications issues de la médecine : des données réelles d'hypertension artérielle et des données simulées du métabolisme du tramadol (opioïde).

Résumé / Abstract : The study of complex biological phenomena such as human pathophysiology, pharmacokinetics of a drug or its pharmacodynamics can be enriched by modelling and simulation approaches. Technological advances in genetics allow the establishment of data sets from larger and more heterogeneous populations. The challenge is then to develop tools that integrate genomic and phenotypic data to explain inter-individual variability. In this thesis, we develop methods that take into account the complexity of biological data and the complexity of underlying processes. Curation steps of genomic covariates allow us to limit the number of potential covariates and limit correlations between covariates. We propose an algorithm for selecting covariates in a mixed effects model whose structure is constrained by the physiological process. In particular, we illustrate the developed methods on two medical applications: actual high blood pressure data and simulated tramadol (opioid) metabolism data.