Multimodal analysis of neuroimaging and transcriptomic data in genetic frontotemporal dementia - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Thèse Année : 2022

Multimodal analysis of neuroimaging and transcriptomic data in genetic frontotemporal dementia

Analyse multimodale des données de neuroimagerie et transcriptomiques dans la démence frontotemporale génétique

Résumé

Frontotemporal dementia (FTD) represents the second most common type of dementia in adults under the age of 65. Currently, there are no treatments that can cure this condition. In this context, it is essential that biomarkers capable of assessing disease progression are identified. Asymptomatic individuals who carry a genetic mutation that causes FTD are the ideal population for research. This thesis has two objectives. First, to analyze the expression patterns of microRNAs taken from blood samples of patients, asymptomatic individuals who have certain genetic mutations causing FTD, and controls, to identify whether the expressions of some microRNAs correlate with mutation status and disease progression. Second, this work aims at proposing methods for integrating cross-sectional data from microRNAs and neuroimaging to estimate disease progression. We conducted three studies. Initially, we focused on plasma samples from C9orf72 expansion carriers. We identified four microRNAs whose expressions correlated with the clinical status of the participants. This study suggested that some microRNAs may be dysregulated even before the onset of symptoms. Next, we tested all microRNA signatures identified in the literature as potential biomarkers of FTD or amyotrophic lateral sclerosis (ALS), in two groups of individuals (with C9orf72 expansion or with GRN mutation). The results of this study showed that microRNAs previously identified in sporadic or mixed cohorts may be useful to follow the progression of C9orf72-associated disease, but not of GRN-associated disease. Finally, in our third work, we proposed a new approach, using a supervised multimodal variational autoencoder, that estimates a disease progression score from cross-sectional microRNA expression and neuroimaging datasets with small sample sizes. The work conducted in this interdisciplinary thesis showed that it is possible to use non-invasive biomarkers, such as circulating microRNAs and magnetic resonance imaging, to assess the progression of rare neurodegenerative diseases such as FTD and ALS. The main challenge in the future is to gather larger cohorts, with longitudinal data, to precisely assess the accuracy of these biomarkers in estimating disease progression of individual patients.
La démence frontotemporale (DFT) représente le deuxième type de démence le plus fréquent chez les adultes de moins de 65 ans. Il n’existe aucun traitement capable de guérir cette maladie. Dans ce contexte, il est essentiel d’identifier des biomarqueurs capables d’évaluer la progression de la maladie. Les personnes asymptomatiques porteuses d’une mutation génétique constituent la population idéale pour cette recherche. Cette thèse a deux objectifs. Premièrement, analyser les profils d’expression des microARNs circulants prélévés dans le plasma sanguin de participants, afin d’identifier si l’expression de certains microARNs est corrélée au statut mutationnel et à la progression de la maladie. Deuxièmement, proposer des méthodes pour intégrer des données transversales de type microARN et de neuroimagerie pour estimer la progression de la maladie. Nous avons mené trois études. D’abord, nous avons analysé des échantillons de plasma provenant de porteurs d’une expansion dans le gène C9orf72. Nous avons identifié quatre microARNs dont l’expression était corrélée avec l’état clinique. Cette étude a suggéré que certains microARNs peuvent être dérégulés avant même l’apparition des symptômes. Ensuite, nous avons testé toutes les signatures de microARNs identifiées dans la littérature comme biomarqueurs potentiels de la DFT ou de la sclérose latérale amyotrophique (SLA), dans deux cohortes indépendantes, avec une mutation dans le gène C9orf72 ou GRN. Les résultats de cette étude ont montré que les microARNs précédemment identifiés dans des cohortes sporadiques ou mixtes peuvent être utiles pour suivre la progression de la maladie associée au gène C9orf72, mais pas celle de la maladie associée au gène GRN. Enfin, dans notre troisième étude, nous avons proposé une nouvelle méthode, utilisant un autoencodeur variationnel multimodal supervisé, qui estime à partir d’échantillons de petite taille un score de progression de la maladie en fonction de données transversales d’expression de microARNs et de neuroimagerie. Les travaux menés dans cette thèse interdisciplinaire ont montré qu’il est possible d’utiliser des biomarqueurs non invasifs, tels que les microARNs circulants et l’imagerie par résonance magnétique, pour évaluer la progression de maladies neurodégénératives rares telles que la DFT et la SLA. Le principal défi à l’avenir est de rassembler des cohortes plus importantes, avec des données longitudinales, pour mieux déterminer la précision de ces biomarqueurs dans l’estimation de la progression de la maladie à l’échelle du patient.
Fichier principal
Vignette du fichier
KMETZSCH_Virgilio-Manuscrit_de_these_archivage.pdf (11.27 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03892615 , version 1 (09-12-2022)
tel-03892615 , version 2 (27-03-2023)

Identifiants

  • HAL Id : tel-03892615 , version 1

Citer

Virgilio Kmetzsch. Multimodal analysis of neuroimaging and transcriptomic data in genetic frontotemporal dementia. Artificial Intelligence [cs.AI]. Sorbonne Universite, 2022. English. ⟨NNT : ⟩. ⟨tel-03892615v1⟩
144 Consultations
81 Téléchargements

Partager

Gmail Facebook X LinkedIn More