Les recherches du Dr. Manem sont axées sur l’application de la bioinformatique translationnelle et des approches d’apprentissage automatique pour caractériser les mécanismes moléculaires du cancer, dans le but de développer des diagnostics et des traitements personnalisés basés sur les données. Avec un accent sur la recherche translationnelle, nous collaborons étroitement avec les cliniciens pour développer de nouveaux biomarqueurs visant à améliorer les soins en oncologie. En particulier, le Dr. Manem et son équipe analysent des ensembles de données multimodaux à haut débit pour développer de nouveaux biomarqueurs pour le diagnostic, le pronostic et la réponse thérapeutique du cancer. Son groupe étudie également les associations à différentes échelles des biomarqueurs du cancer à travers plusieurs modalités de données, notamment de l’expression génique aux phénotypes immunitaires, en passant par l’imagerie radiologique et les lames pathologiques numériques.

Research synopsis :

  1. Les inhibiteurs des points de contrôle immunitaires (ICI) ont modifié le paysage thérapeutique de nombreux cancers solides. Bien que les essais cliniques aient indiqué une probabilité accrue de succès avec les ICI, le taux de réponse varie considérablement. Par exemple, seuls 20 à 30 % des patients atteints de cancer du poumon non à petites cellules (CPNPC) répondent à ces schémas thérapeutiques. Le manque de biomarqueurs permettant d’identifier avec précision les patients qui bénéficieront de ces coûteux ICI est un inconvénient majeur. Ce laboratoire développe des approches pour prédire la réponse d’un patient à ces ICI coûteux en utilisant des profils radiologiques, pathologiques et cliniques.
  2. La plupart des décès liés au cancer surviennent chez des patients initialement diagnostiqués à un stade précoce, puis connaissant par la suite une récurrence qui reste non détectée jusqu’à ce qu’elle se soit métastasée. Par exemple, les patients atteints de CPNPC à un stade précoce (stades I et II) développent une récurrence du cancer dans les cinq premières années suivant la résection chirurgicale. Des outils fiables de prédiction de la récurrence du cancer peuvent permettre des interventions thérapeutiques en temps opportun, améliorant ainsi la survie du patient. À ce jour, il existe un manque de modèles et de tests cliniques pour identifier les patients présentant un risque élevé de récurrence après la chirurgie. Cette équipe développe des approches basées sur les données pour identifier quels patients sont susceptibles de connaître une récurrence en utilisant des images radiologiques, des lames pathologiques et des données cliniques.
  3. Le paradigme qui a guidé la radio-oncologie repose largement sur la philosophie largement adoptée du « taille unique pour tous », qui ne permet pas une individualisation de la dose spécifique au patient. La radiothérapie est souvent utilisée comme stratégie de traitement curatif pour les cancers à un stade précoce curables, et actuellement, il n’existe aucun biomarqueur cliniquement mis en œuvre prédictif de la réponse à la radiothérapie. Il existe plusieurs outils de diagnostic moléculaire qui font leur entrée dans les paramètres cliniques pour d’autres interventions thérapeutiques, comme l’immunothérapie, cependant, il a manqué d’indicateurs de diagnostic analogues dans le domaine de la médecine de la radiation. Ce laboratoire a développé des biomarqueurs basés sur les données prédictives de la réponse à la radiothérapie en utilisant des données OMICS.
L'Hôtel-Dieu de Québec
HDQ
6 rue McMahon
4672
Québec, QC
Canada G1R 3S3
40 enregistrements « 4 de 4 »

Manem V, Adam GA, Gruosso T, Gigoux M, Bertos N, Park M, Haibe-Kains B

CrosstalkNet: A Visualization Tool for Differential Co-expression Networks and Communities

Article de revue

Cancer Res, 78 (8), 2018.

Résumé | Liens:

Madani Tonekaboni SA, Soltan Ghoraie L, Manem VSK, Haibe-Kains B

Predictive approaches for drug combination discovery in cancer

Article de revue

Brief Bioinform, 19 (2), 2018.

Résumé | Liens:

Manem VSK, Salgado R, Aftimos P, Sotiriou C, Haibe-Kains B

Network science in clinical trials: A patient-centered approach

Article de revue

Semin Cancer Biol, 52 (Pt 2), 2018.

Résumé | Liens:

Manem VSK, Dhawan A

Modelling recurrence and second cancer risks induced by proton therapy

Article de revue

Math Med Biol, 35 (3), 2018.

Résumé | Liens:

Manem VSK, Grassberger C, Paganetti H

Predicting Organ-Specific Risk Interactions between Radiation and Chemotherapy in Secondary Cancer Survivors

Article de revue

Cancers (Basel), 9 (9), 2017.

Résumé | Liens:

Manem VS, Kohandel M, Hodgson DC, Sharpe MB, Sivaloganathan S

The effect of radiation quality on the risks of second malignancies

Article de revue

Int J Radiat Biol, 91 (3), 2015.

Résumé | Liens:

Kaveh K, Manem VSK, Kohandel M, Sivaloganathan S

Modeling age-dependent radiation-induced second cancer risks and estimation of mutation rate: an evolutionary approach

Article de revue

Radiat Environ Biophys, 54 (1), 2015.

Résumé | Liens:

Manem VS, Kaveh K, Kohandel M, Sivaloganathan S

Modeling Invasion Dynamics with Spatial Random-Fitness Due to Micro-Environment

Article de revue

PLoS One, 10 (10), 2015.

Résumé | Liens:

Manem VS, Kohandel M, Komarova NL, Sivaloganathan S

Spatial invasion dynamics on random and unstructured meshes: implications for heterogeneous tumor populations

Article de revue

J Theor Biol, 349 , 2014.

Résumé | Liens:

Manem VS, Dhawan A, Kohandel M, Sivaloganathan S

Efficacy of dose escalation on TCP, recurrence and second cancer risks: a mathematical study

Article de revue

Br J Radiol, 87 (1043), 2014.

Résumé | Liens:

40 enregistrements « 4 de 4 »
Signaler des ajouts ou des modifications

Projets actifs

  • Découverte de biomarqueurs basés sur l'intelligence artificielle pour améliorer l'efficacité thérapeutique de l'immunothérapie chez les patients atteints de carcinomes non à petites cellules du poumon, du 2020-07-01 au 2024-06-30
  • Découverte de biomarqueurs basés sur l'intelligence artificielle pour améliorer l'efficacité thérapeutique de l’immunothérapie chez les patients atteints de carcinome non à petites cellules du poumon, du 2020-07-01 au 2024-06-30
  • Fonds d'opération pour professeur IVADO, du 2024-01-01 au 2025-12-31
  • Fonds de démarrage - Nouveau chercheur, du 2023-09-05 au 2025-03-31
  • Guiding community-based lung cancer diagnostic follow-ups through Artificial Intelligence Tools, du 2022-03-01 au 2025-03-31

Projets terminés récemment

  • Deciphering the role of the immune microenvironment in the response of lung cancer to immunotherapy, du 2021-03-31 au 2024-03-30
  • Linking clinical, research and imaging data in lung cancer: towards FAIR and AI-ready datasets, du 2022-03-15 au 2023-03-14
Information provenant du registre des projets de recherche de l'Université Laval