Grant: Master's Award: Canada Graduate Scholarships
Université de Montréal
$17,500.00
Algorithmes d'apprentissage profond en génomique pour la médecine personnalisée
EF 2018-19
Résumé
Génomique et apprentissage profond
Les progrès récents en génomique et dans les domaines connexes exigent une grande puissance de calcul et des algorithmes intelligents afin d’analyser les données massives générées. L’apprentissage profond, un domaine en pleine explosion, s’avère un outil prometteur pour réaliser ce type de tâches. Le but de ce projet est de développer et d’appliquer des méthodes d’apprentissage profond à des données biomédicales (données génétiques, environnementales et cliniques) dans une perspective de médecine personnalisée, c’est-à-dire pour déterminer la prédisposition des individus à des maladies complexes, maladies déterminées par l’interaction de facteurs environnementaux et génétiques, telles que les maladies cardiovasculaires. Dans un premier temps, nous testerons des architectures d’apprentissage profond précédemment développées pour la prédiction de phénotypes médicaux à partir de données génétiques et cliniques, en tenant compte de la diversité ethnique présente au sein des populations humaines. Nous développerons également des stratégies d’intégration pouvant s’appliquer à de grands ensembles de données hétérogènes afin de permettre l’utilisation efficace des données multi-omiques en science biomédicale. Ce projet devrait avoir un impact important dans le domaine de l’apprentissage profond, puisqu’il qu’il vise à développer des algorithmes capables de gérer les données massives, mais aussi dans le domaine médical par l’amélioration de la prédiction de risque de maladies complexes qui sont actuellement responsables d’un nombre élevé de cas de morbidité et de mortalité.
Programme
Master's Award: Canada Graduate Scholarships
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
CIHR Funding Decisions Database
Tel que publié
Id
416081
Name
Rochefort-Boulanger Camille
Region
Québec
Country
Canada
Orgtype
Institution Paid; Research Institution
Prcname2
Special Cases - Awards Programs
Projecttitle
Algorithmes d'apprentissage profond en génomique pour la médecine personnalisée
Programtype2
Studentship Programs
Orgnameinp2
Université de Montréal
Cihramount2
$17,500
Cihrequipment2
$0
Programname2
Master's Award: Canada Graduate Scholarships
Keyworddelim
Apprentissage Machine; Génétique; Maladies Complexes; Médecine De Précision; Prédisposition Génétique; Réseaux De Neurones
Abstract
Génomique et apprentissage profond
Les progrès récents en génomique et dans les domaines connexes exigent une grande puissance de calcul et des algorithmes intelligents afin d’analyser les données massives générées. L’apprentissage profond, un domaine en pleine explosion, s’avère un outil prometteur pour réaliser ce type de tâches. Le but de ce projet est de développer et d’appliquer des méthodes d’apprentissage profond à des données biomédicales (données génétiques, environnementales et cliniques) dans une perspective de médecine personnalisée, c’est-à-dire pour déterminer la prédisposition des individus à des maladies complexes, maladies déterminées par l’interaction de facteurs environnementaux et génétiques, telles que les maladies cardiovasculaires. Dans un premier temps, nous testerons des architectures d’apprentissage profond précédemment développées pour la prédiction de phénotypes médicaux à partir de données génétiques et cliniques, en tenant compte de la diversité ethnique présente au sein des populations humaines. Nous développerons également des stratégies d’intégration pouvant s’appliquer à de grands ensembles de données hétérogènes afin de permettre l’utilisation efficace des données multi-omiques en science biomédicale. Ce projet devrait avoir un impact important dans le domaine de l’apprentissage profond, puisqu’il qu’il vise à développer des algorithmes capables de gérer les données massives, mais aussi dans le domaine médical par l’amélioration de la prédiction de risque de maladies complexes qui sont actuellement responsables d’un nombre élevé de cas de morbidité et de mortalité.
Competitiondate
201812
Approvedterm2
1 yr 0 mth
Pinamesdelim
Rochefort-Boulanger, Camille
Approvedterm
1 an 0 mois
Cihrcontribution2
~ $17,500~ $0~