Our research program the goal of applying computational tools to investigate the impact of biological systems on aging using genetic data, including sex stratified analyses
Some of our lab’s research interests are to:
(1) identify and better understand genetic contributors for complex traits to help detect targets for more effective treatment options, particularly for disorders affecting the brain-heart axis, and
(2) integrate and interpret summary-level single-variant association data from thousands of traits collected as part of phenome-wide scans of genetic variants in large cohorts to reveal key mechanistic insights for further exploration.
We tackle these problems from a biological perspective using statistical and computational tools. Both arms of research use rich sets of “big data” in silico, and involve cross-disciplinary collaborative efforts across genomic, epigenomic, and health datasets. This work will increase knowledge on the genetic aetiology of complex traits to allow for earlier and better diagnoses, and the potential to support personalized treatments and novel therapies.
Notre programme de recherche a pour l’objectif d’utiliser les approches computationnelles pour investiguer l’impact des systèmes biologiques sur le vieillissement en utilisant les données génétiques, y compris les analyses stratifiées par le sexe
Quelques intérêts de recherche de notre laboratoire sont de :
(1) identifier et mieux comprendre les contributeurs génétiques qui influencent les traits complexes afin d'aider à détecter les cibles pour des options de traitement plus efficaces, en particulier pour les troubles affectant l'axe cerveau-cœur, et
(2) intégrer et interpréter des données d'association à partir de milliers de traits collectés dans le cadre d'analyses « phenome-wide » de variants génétiques dans de grandes cohortes afin de révéler des informations mécanistes clés pour une exploration plus approfondie.
Nous abordons ces problèmes d'un point de vue biologique à l'aide d'outils statistiques et bio-informatiques. Les deux axes de recherche utilisent de riches ensembles de « big data » in silico et impliquent des efforts de collaboration interdisciplinaires à travers des ensembles de données génomiques, épigénomiques et de santé. Ces travaux permettront d'accroître les connaissances sur l'étiologie génétique des traits complexes pour permettre des diagnostics plus précoces et de meilleure qualité, et le potentiel de soutenir des traitements personnalisés et de nouvelles thérapies.