Marzia A. Cremona est professeure adjointe en science des données au département d’Opérations et Systèmes de Décision de l’Université Laval et chercheuse au centre de recherche du CHU de Québec– Université Laval. Elle a obtenu un doctorat en Modèles et Méthodes Mathématiques pour l’Ingénierie du Politecnico di Milano (Italie) et elle est arrivée à l’Université Laval après avoir travaillé pendant quatre ans à la Pennsylvania State University (États-Unis). Ses intérêts de recherche portent sur le développement de méthodes statistiques et informatiques pour l’analyse de données complexes et de grande dimension et sur l’application de ces méthodes en biologie computationnelle. En effet, une grande partie de sa recherche se situe à l’interface entre la statistique et les sciences «omiques».
Analyse des données fonctionnelles en biologie computationnelle
Les données «omiques» générées par les techniquesde séquençage de nouvelle génération (NGS) posent plusieurs défis pour réaliser des analyses statistiques fiables, qui sont nécessaires pour dévoiler les mécanismes biologiques et les conséquences qu’ils ont sur la fonction et l’évolution du génome, ainsi que sur les maladies. La plupart de ces données peuvent être considérées à haute résolution et représentées sous forme de courbes sur le génome. L’analyse des données fonctionnelles (ADF), une branche des statistiques visant à analyser les courbes (fonctions mathématiques), joue un rôle essentiel dans l’exploitation des résultats des technologies NGS. En effet, considérer les courbes comme des unités statistiques dotées de formes augmente notre capacité à extraire à la fois des modèles globaux interprétables et des informations locales pertinentes à partir de ces données, permettant une interprétation biologique sophistiquée des informations de forme.
Une partie importante du programme de recherche du Dr Cremona concerne le développement de nouvelles techniques de l’ADF, dans le but d’élargir la portée de l’ADF à de nombreux domaines de la biologie computationnelle. Un aspect important de sa recherche est sa nature collaborative et multidisciplinaire. En effet, elle est impliquée dans de nombreuses collaborations internationales impliquant l’analyse de différents types de données «omiques», par exemple sur l’évolution moléculaire, la génomique évolutive et la génétique humaine.
1050, chemin Sainte-Foy
J0-08
Québec, QC
Canada G1S 4L8
2449
Québec, Quebec
Canada G1V 0A6
Dernières nouvelles
- Doroshenko, LyubovStagiaire postdoctoral
- Fathi, HedayatÉtudiant 3e cycle
- Hafezalseheh, HesamÉtudiant 2e cyclehesam.hafezalseheh.1@ulaval.ca
- Zghal, YessineÉtudiant 2e cycle
Nurses' intention to leave, nurse workload and in-hospital patient mortality in Italy: A descriptive and regression study
Article de revueHealth Policy, 143 , 2024.
Résumé | Liens: 
Accurate sequencing of DNA motifs able to form alternative (non-B) structures
Article de revueGenome Res, 33 (6), 2023.
Résumé | Liens: 
Rescuing biologically relevant consensus regions across replicated samples
Article de revueBMC Bioinformatics, 24 (1), 2023.
Résumé | Liens:
Probabilistic K-means with Local Alignment for Clustering and Motif Discovery in Functional Data
Article de revueJ Comput Graph Stat, 32 (3), 2023.
Résumé | Liens:
COVID-19 effects on the Canadian term structure of interest rates
Article de revueRev Econ Anal, 14 (2), 2022.
| Liens:
Advanced age increases frequencies of de novo mitochondrial mutations in macaque oocytes and somatic tissues
Article de revueProc Natl Acad Sci U S A, 119 (15), 2022.
Résumé | Liens:
Non-B DNA: a major contributor to small- and large-scale variation in nucleotide substitution frequencies across the genome
Article de revueNucleic Acids Res, 49 (3), 2021.
Résumé | Liens:
Functional data analysis characterizes the shapes of the first COVID-19 epidemic wave in Italy
Article de revueSci Rep, 11 (1), 2021.
Résumé | Liens:
On the bias of H-scores for comparing biclusters, and how to correct it
Article de revueBioinformatics, 36 (9), 2020.
| Liens:
Human L1 Transposition Dynamics Unraveled with Functional Data Analysis
Article de revueMol Biol Evol, 37 (12), 2020.
Résumé | Liens:
Projets actifs
- Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le transport (CIRRELT), du 2022-04-01 au 2028-03-31
- Économies salariales de la professeure Marzia Angela Cremona, du 2023-07-01 au 2027-11-30
- Exploitation de méthodes statistiques pour les données fonctionnelles dans les études "omiques", du 2023-07-01 au 2027-06-30
- Exploitation de méthodes statistiques pour les données fonctionnelles dans les études "omiques", longitudinales et épidémiologiques, du 2023-07-01 au 2027-11-30
- Fonds de démarrage - Nouveau chercheur, du 2023-09-14 au 2025-03-31
- Functional data analysis methods for genomics and financial data, du 2020-04-01 au 2026-03-31
- Nurses' intention to leave, nurse workload and in-hospital patient mortality in Italy: A descriptive and regression study, du 2024-06-05 au 2025-04-30
- Unsupervised learning methods to discover patterns in fuctional data, du 2019-12-05 au 2025-04-30
Projets terminés récemment
- Applications of variable selection methods for scalar-on-function regression, du 2023-05-01 au 2024-04-30
- Création d’une macro automatisée permettant d’estimer les coûts engendrés par des patients au sein des bases de données médico-administratives du Québec., du 2023-10-01 au 2024-09-30
- Exploring the Recent Applications of Artificial Intelligence Techniques for Type-1 Diabetes Management, du 2024-03-13 au 2024-09-30
- Functional data analysis characterizes the shapes of the first COVID-19 epidemic wave in Italy, du 2022-06-01 au 2023-04-30
- Functional data analysis characterizes the shapes of the first COVID-19 epidemic wave in Italy, du 2022-02-21 au 2023-04-30
- Prédiction de l'hypoglycémie induite par l'exercice chez les jeunes atteints de diabète de type 1, du 2023-04-01 au 2024-03-31
- Price pattern detection via functional biclustering, du 2022-09-01 au 2023-02-02
- Probabilistic K-means with local alignment for clustering and motif discovery in functional data, du 2023-05-01 au 2024-04-30