LearnCHIP: Un algorithme pour mieux identifier les mutations non tumorales (CHIP) dans l’analyse génétique des cancers des patients âgés.
Objectif principal: développer un modèle de machine learning capable de prédire l’origine des variants détectés sur plasma et ce, surtout pour les gènes à la fois impliqués dans la carcinogénèse tissulaire et l’hématopoïèse clonale, chez les patients de plus de 60 ans et sans séquençage additionnel des leucocytes sanguins. Nous nous appuierons sur une grande base de données de variants plasmatiques dont l’origine CHIP ou tumorale est définie. Nous faisons l’hypothèse qu’en les associant dans un modèle de machine learning à des paramètres pertinents et immédiatement disponibles, nous obtiendrons un modèle prédictif performant de l’origine CHIP des variants.
Objectifs secondaires:
*Décrire via une explication de modèle les facteurs déterminant l’origine des variants plasmatiques, évaluer leur poids respectif et mieux comprendre leurs interactions.
*Identifier les patients porteurs de CHIP à haut risque de développer une hémopathie maligne et relevant d’un suivi hématologique
Institut Bergonié
229 Cours de l’Argonne
33076 Bordeaux Cedex