Axes de recherche
Département d'oncologie
Les tumeurs forment des structures hautement complexes dans lesquelles différents types cellulaires interagissent entre eux. Dans mon groupe, nous nous intéressons à mieux comprendre et prédire les interactions entre les cellules cancéreuses et les cellules immunitaires. Pour ceci, nous utilisons les outils de la biologie computationelle et de l'intelligence artificielle.
Principaux axes de recherche
1) Prédictions d'épitope pour les cellules T
Notre groupe est à la pointe des développements de méthodes bioinformatiques pour prédire la présentation des peptides sur le HLA et la reconnaissance de ces épitopes par les cellules T CD8 et CD4 [1,2]. Pour ces prédictions nous utilisons et développons des outils d'intelligence artificielle. En particulier, nous avons démontré comment utiliser les données de spectrométrie de masse des ligands HLA pour améliorer les algorithmes de prédictions d'épitopes.
2) Analyses transcriptomiques de l'hétérogénéité cellulaires dans les tumeurs
L'analyse de l'expression des gènes dans une tumeur permet de comprendre au niveau moléculaire quels sont les caractéristique des tumeur et d'affiner la classification des cancers. Plus récemment les analyses de l'expression des gènes dans chaque cellule individuellement a révolutionné notre capacité à comprendre les interactions entre les cellules immunitaires et les cellules cancéreuses. Notre groupe utilise et développe des algorithmes pour mieux comprendre l'hétérogénéité des tumeurs et à quel point cette hétérogénéité influence la survie et les réponses aux thérapies.
Références :
[1] Bassani-Sternberg,..., Gfeller, PLoS Comp Bio 2017
[2] Racle,..., Gfeller, Nature Biotech 2019
[3] Racle,..., Gfeller, eLife 2017
Outils computationels
Nos computationels sont disponibles sur le site github du laboratoire :
https://github.com/GfellerLab
