Lemieux, Sébastien, Ph.D.

Axes de recherche

• Bioinformatique
• Cancérologie
• Génomique
• Protéomique

Description de la recherche

Le laboratoire développe de nouvelles méthodes informatiques à l’interface de l’intelligence artificielle, de la transcriptomique et de la découverte de médicaments. Nous concevons des modèles d’apprentissage profond capables de représenter et d’interpréter les profils d’expression génique à partir de données de séquençage d’ARN, en explorant notamment des représentations continues (embeddings) et ordonnées (type transformer) des gènes. Ces approches visent à extraire automatiquement les structures sous-jacentes de la régulation cellulaire et à construire des représentations universelles des états biologiques, applicables à la classification, au débruitage et à la prédiction de réponses thérapeutiques.

Nos travaux portent également sur le développement de modèles statistiques et bayésiens pour améliorer la robustesse des analyses expérimentales et la sélection de composés thérapeutiques. Nous concevons des modèles de diffusion pour reconstruire des profils RNA-seq à partir de données à faible profondeur, ainsi que des approches probabilistes et multimodales combinant transcriptomique et imagerie cellulaire afin de prédire l’activité biologique de molécules candidates.

Enfin, nous développons des méthodes informatiques pour l’identification de peptides spécifiques aux tumeurs à partir de données de spectrométrie de masse et de RNA-Seq. Ces peptides, souvent issus de régions non codantes du génome, composent l’immunopeptidome tumoral et représentent des cibles privilégiées pour la conception de vaccins anticancéreux personnalisés. Ensemble, ces projets traduisent une vision intégrative : créer des outils d’IA capables de relier directement les séquences, les profils d’expression et les effets biologiques afin d’accélérer les découvertes en biologie des systèmes et en médecine de précision.