Marzia Angela CremonaPh.D.

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.