Julie Hussin
La nomination
Membre des Réseaux de solutions
L’IA intégrée au service de l’imagerie médicale
Stratégie pancanadienne en matière d’IA
Connect
À Propos
Chercheuse à l’Institut de cardiologie de Montréal et membre de l’Institut de valorisation des données IVADO, Julie Hussin utilise la science des données et les techniques d’apprentissage automatique pour analyser des données moléculaires et cliniques afin d’améliorer la santé cardiovasculaire chez diverses populations. La prévention et la gestion des maladies cardiovasculaires nécessitent de combiner plusieurs niveaux biologiques au moyen de stratégies informatiques flexibles, équitables et interprétables. Les membres de son groupe se concentrent sur le développement d’approches d’apprentissage automatique pour analyser ces données. Ils explorent le potentiel des techniques d’apprentissage profond en génomique, en proposant une nouvelle architecture d’apprentissage profond pour les données omiques. Ils développent des approches faisant appel aux réseaux de neurones profonds pour l’analyse fonctionnelle des gènes à l’aide de séquences, de modèles de coexpression et d’interactions protéine-protéine. Ils utilisent également l’apprentissage automatique pour réaliser le profilage métabolomique de patients ayant été victimes d’un infarctus du myocarde ou souffrant d’insuffisance cardiaque, afin de mettre en lumière de nouvelles pistes d’intérêt clinique. Enfin, le groupe de Julie Hussin a développé des algorithmes d’apprentissage automatique pour analyser les données génétiques du SRAS-CoV-2 et les résultats de la COVID-19.
Prix
- Prix Bravo Recherche – Édition spéciale COVID-19, Université de Montréal, 2021
- Bourse EPAC, Linacre College, Université d’Oxford, 2014-2017
- Jeune chercheuse sélectionnée pour la 64e rencontre des lauréats du prix Nobel à Lindau, 2014
- Bourse postdoctorale, Human Frontier Science Program, 2013-2016
- Prix d’excellence en recherche pédiatrique, Fondation des étoiles, Montréal, 2011
Publications Pertinentes
- Romero, A. et coll. (2017). Diet Networks: Thin Parameters for Fat Genomics. 5th International Conference on Learning Representations. arXiv:1611.09340
- Samman, K., Mehanna, P. et coll. (2021). Ticagrelor differentially modulates Omega-3/6 Polyunsaturated Fatty Acids Levels compared to Clopidogrel in Patients with Myocardial Infarction. Cell Reports Medicine, 2(6), 1002999. https://doi.org/10.1016/j.xcrm.2021.100299
- Hamelin, D., Fournelle, D. et coll. (2021). The mutational landscape of SARS-CoV-2 variants diversifies T cell targets in an HLA supertype-dependent manner. Cell Systems, 13(2), 143-157.
- Pesaranghader, A., Matwin, S. et coll. (2022). deepSimDEF: deep neural embeddings of gene products and Gene Ontology terms for functional analysis of genes. Bioinformatics, 38(11), 3051-3061.
- Kuchroo, M., Huang, J. et coll. (2022). Multiscale PHATE Exploration of SARS-CoV-2 Data Reveals Multimodal Signatures of Disease. Nature Biotechnology, 40, 681-691.