ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG
ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG


Notre groupe se concentre sur le développement de nouvelles approches d'IA et d'apprentissage automatique adaptées aux données biomédicales complexes et multimodales afin d'élucider les mécanismes du cancer, du niveau intracellulaire à celui du patient. Nous visons à obtenir des représentations interprétables du microenvironnement tumoral en intégrant des données omiques (spatiales) unicellulaires et histopathologiques, et à comprendre comment les tumeurs réagissent aux perturbations médicamenteuses ex vivo, afin de mettre au point des approches d'oncologie de précision assistées par l'IA.