Séminaire de l’équipe MSDMA, vendredi 24 Novembre 2023

Méthode. Les méthodes d’analyse exploratoire des liens entre de nombreuses variables structurées en blocs et de natures différentes (i.e., numériques, nominales et ordinales) sont requises dans de nombreux domaines, en biologie notamment. Cependant, les méthodes multiblocs sont généralement développées pour les variables numériques (e.g., MB-PCA, STATIS, AFM, GCCA), et plus rarement pour des données de natures différentes (AFM mixte, OVERALS). Dans le cadre de la quantification optimale (Optimal Scaling), l’intégration d’un algorithme ALSOS à l’ACP multibloc (MB-PCA) a permis son extension à l’analyse de variables de natures différentes (MB-PCAOS). Des outils d’aide à l’interprétation ainsi qu’un package R sont proposés pour en faciliter l’utilisation.

Application. La méthode MB-PCAOS a été appliquée à des données structurées en blocs et de natures différentes, relatives au cancer du poumon (projet LORD, Lung Oncology Research Discovery). Ce projet vise à développer et mesurer l’utilité clinique du score de risque polygénique (PRS) pour cette maladie. Sur une cohorte de 24 012 individus (4 002 cas et 20 010 témoins), sont recueillies des variables relatives aux participants (âge, sexe, IMC), à leur potentiel risque génétique (PRS), à leur statut tabagique (e.g., nombre de cigarettes/jours, durée de tabagisme, âge lors du tabagisme) ainsi qu’à la maladie (stade pathologique, type histologique). L’application de la méthode MB-PCAOS a permis : (i) une analyse exploratoire des liens entre ces potentiels facteurs de risque du cancer du poumon, (ii) et l’établissement des limites supérieures du PRS, afin de détecter les personnes à haut risque génétique de cancer du poumon qui pourraient servir lors des campagnes de dépistage.