Search

Anna Goldenberg

Anna Goldenberg

Nomination

  • Boursière, Child & Brain Development
    Boursière Lebovic

Institution

  • Varma Family Chair of Medical Bioinformatics and Artificial Intelligence
  • Université de Toronto
  • Hôpital pour enfants malades
Génétique et biologie du génome,
Département d’informatique

Pays

  • Canada

Éducation

Ph.D. (Apprentissage automatique), Université Carnegie Mellon
M.Sc. (Découverte de connaissances et exploration de données), Université Carnegie Mellon
B,Ing. (Ingénierie mathématique et science de l'informatique), Université de Louisville

À propos

Anna Goldenberg met au point des méthodes d’apprentissage automatique qui associent divers ensembles de mesures biologiques et phénotypiques pour rehausser notre compréhension de maladies humaines complexes et, ce faisant, cerner les meilleurs traitements et les résultats des patients individuels, et guider les décisions pour améliorer la qualité de vie des patients.

Sa nouvelle méthode d’intégration de données appelée Similarity Network Fusion est la première à intégrer les données du patient (omiques, imagerie, etc.) à l’aide de réseaux de patients. Cette méthode a permis d’améliorer les prédictions relatives à la survie dans cinq cancers différents.

Plus du deux tiers des troubles de santé mentale surviennent pendant l’enfance ou l’adolescence. Repérer les enfants à risque de maladie mentale plus tard dans la vie et prédire le type de maladie dont ils pourraient souffrir s’avèrent difficile. Il n’y a aucune épreuve sanguine ou génétique; les psychiatres et les professionnels de la santé utilisent plutôt les antécédents cliniques du patient et de sa famille pour cerner les symptômes persistants et poser un diagnostic. Elle croit qu’en modélisant et en combinant les trajectoires de mesures sociales, émotionnelles et neurocognitives au fil du temps, et les données génétiques pangénomiques et de méthylation de l’ADN, il est possible d’identifier des sous-types d’importance clinique du développement pendant l’enfance et l’adolescence, ainsi que les biomarqueurs correspondants qui prédisent les caractéristiques à la base des troubles psychiatriques.

Les outils informatiques conviviaux mis au point pour établir les sous-types longitudinaux et leurs biomarqueurs associés seront diffusés au sein de la communauté de recherche plus large. Les résultats de son laboratoire vont mettre en jeu des prédicteurs à court et à long terme, et des facteurs contributifs biologiques pour déchiffrer la relation complexe entre la génomique et le développement socioémotionnel. Ces résultats pourraient produire des cibles biologiques pour des traitements novateurs.

 

Prix

Prix du département d’informatique pour mentorat exceptionnel et engagement remarquable relatif au recrutement d’étudiants diplômés, Université de Toronto, 2016

Prix de jeune chercheur, ministère de la Recherche et de l’Innovation, 2016

Récipiendaire du prix de la meilleure présentation d’affiches à la réunion des jeunes chercheurs, organisée par l’Institut de recherche sur le cancer des IRSC, 2013

Prix MITACS – théorie et applications, 2010

Publications Pertinentes

Corre, C. et coll. « Sex specific regulation of weight and puberty by Lin28/let7 axis. » Journal of Endocrinology 228, no 3 (2016): 179–91.

Rampasek, L. et A. Goldenberg. « TensorFlow: Biology’s Gateway to Deep Learning? » Cell systems 2, no 1 (2016): 1214.

Saria, S. et A. Goldenberg. « Subtyping: What it is and its role in precision medicine. » IEEE Intelligent Systems Magazine 30, no4 (2015): 7075.

Colak, R. et coll. « JBASE: Joint Bayesian Analysis of Subphenotypes and Epistasis. » Bioinformatics 32, no 2 (2015): 201–10.

Wang, B. et coll. « Similarity network fusion for aggregating data types on genomic scale. » Nature Methods 11, no 3 (2014): 3377.

Mezlini, A. et coll. « Identifying cancer specific functionally relevant miRNAs from gene expression and miRNA to gene networks using regularized regression. » PloS One 8, no 10 (2013): E73168.

Goldenberg, A. et coll. « Unsupervised detection of genes of influence in lung cancer using biological networks. » Bioinformatics 27, no 22 (2011): 316672.

Connecter

Goldenberg Lab