Se concentrer sur la mission du groupe

Le groupe Vital-IT, dirigé par Mark Ibberson, est une ressource clé en bioinformatique durable au service de projets et de collaborations nationaux et internationaux , avec des partenaires universitaires et industriels. Grâce à son expertise diversifiée en biologie computationnelle, en gestion des données et en génie logiciel, l'équipe est en mesure de trouver des solutions sur mesure pour répondre à des questions biologiques complexes, notamment dans le domaine des données biomédicales et omiques. La valeur qu'elle apporte à ses partenaires réside dans son engagement profond à faire progresser la science de manière efficace et indépendante.

Gestion des connaissances

Nos compétences en matière de gestion des connaissances et de gestion des données nous permettent d'obtenir des informations nouvelles et plus rapides sur des ensembles de données complexes. Nous organisons, nettoyons et contrôlons la qualité de vos ensembles de données en vue d'une analyse ultérieure. En outre, nous traitons, transformons et alignons vos ensembles de données sur les normes existantes et les mettons à disposition sous forme de base de données. Nous sommes spécialisés dans le traitement de différents types de données omiques (par exemple, RNA-Seq, métabolomique, lipidomique, protéomique, transcriptomique, microbiomique), y compris les données sensibles, pour lesquelles nous pouvons fournir des solutions sur mesure (par exemple, analyse fédérée ou serveurs dédiés sécurisés pour l'analyse à distance). Nos spécialités comprennent :

  • Gestion des données FAIR
  • Curation des données et de la littérature
  • Représentation des connaissances

En pratique :

  • Mise en place d'une « base de données fédérée pour la découverte de biomarqueurs » dans le diabète de type 2 (DT2) dans le cadre du consortium IMI RHAPSODY. Dans cette base de données, 10 cohortes cliniques observationnelles regroupant au total 50 000 patients ont été normalisées, harmonisées et mises à disposition pour analyse statistique. Nous avons développé des outils d'exploration de données et d'analyse statistique dans un progiciel destiné aux chercheurs du consortium.En savoir plus et regarder la vidéo
  • Mise en place d'une base de données composée d'une centaine d'essais cliniques dans le cadre du consortium IMI Hypo-RESOLVE. Ce travail a consisté à mettre en place un pipeline ETL (extraction, transformation, chargement) pour alimenter une base de données Oracle sécurisée avec les données des essais et à créer un environnement d'analyse virtuel accessible via un bureau à distance et sécurisé par une authentification à deux facteurs.
  • Mise en place de pipelines sécurisés pour traiter et analyser les données de séquençage de l'exome dans divers cancers, afin d'identifier les facteurs responsables de la résistance à l'immunothérapie, dans le cadre du projet IMI IMMUcan.

En savoir plus sur le rôle du SIB dans les partenariats public-privé européens

Exploration et analyse des données

Nous proposons des pipelines d'analyse adaptés à chaque contexte de recherche, y compris des modèles multi-omiques et l'interprétation des résultats. Nos spécialités comprennent :

  • Analyse omique
  • Analyse intégrative et analyse de réseaux
  • Apprentissage automatique

En pratique :

  • Développement d'une «  méthode » d'interprétation des données d'expression génétique à l'aide de modèles métaboliques, qui a permis d'identifier des gènes clés dans l'inflammation liée à l'obésité dans les tissus adipeux (lire l'article)
  • Analyse intégrative des données lipidomiques de souris et d'humains, qui a conduit à la découverte de nouveaux biomarqueurs lipidiques candidats pour le DT2 (lire l'article)
  • Assemblage de transcrits et caractérisation fonctionnelle des lncARN spécifiques au cœur en collaboration avec la Faculté de médecine de l'Université de Lausanne (lire l'article)
  • Analyse des données transcriptomiques issues de biopsies musculaires dans le cadre d'un essai clinique humain étudiant l'effet de l'urolithine A sur la fonction musculaire (lire l'article)

Outils bioinformatiques

Nous développons des applications web et des outils logiciels sur mesure pour présenter, analyser, visualiser et interpréter les données et les résultats. Nous utilisons diverses normes appropriées afin de garantir l'interopérabilité et la réutilisabilité (par exemple, les normes W3C telles que RDF).

En pratique :

  • Développement, en collaboration avec l'EMBO, de SourceData, une plateforme web pour la conservation et l'annotation de figures dans les publications scientifiques (lire l'article).
  • Développement, en collaboration avec le groupe Clinical Bioinformatics du SIB et les Hôpitaux universitaires de Genève (HUG), d'Oncobench ® - une plateforme logicielle destinée à faciliter le diagnostic du cancer (lire l'actualité)

Accédez à notre pile logicielle

Outils logiciels et applications web

Notre approche

Nous nous efforçons d'établir des partenariats: même pour des collaborations ponctuelles, nous cherchons à comprendre en profondeur les données et les objectifs du projet sur lequel nous travaillons. Nos partenaires apprécient notre fiabilité, notre engagement et notre esprit d'équipe.

Notre expérience couvre des projets de recherche biomédicale de différentes envergures, allant d'une aide ponctuelle à des projets européens à long terme.

Nous sommes reconnus pour notre flexibilité et notre indépendance, qui nous permettent d'élaborer des solutions efficaces et de proposer des services de conseil adaptés à chaque situation. Par exemple, la collaboration peut être personnalisée afin d'inclure les ontologies propres à notre partenaire, d'apporter un soutien à la validation d'approches internes ou d'intégrer des quantités importantes et complexes de données de types et d'origines variés.

Nous formons aussi bien les débutants que les experts aux méthodes, langages et meilleures pratiques de la bioinformatique.

Notre équipe hautement qualifiée de 30 personnes possède en moyenne plus de 10 ans d'expérience dans le domaine de la bioinformatique.

Ducrest AL, San-Jose LM, Neuenschwander S, Schmid-Siegert E, Simon C, Pagni M, Iseli C, Richter H, Guex N, Cumer T, Beaudoing E, Dupasquier M, Charruau P, Ducouret P, Xenarios I, Goudet J, Roulin A. Melanin and Neurotransmitter Signalling Genes Are Differentially Co-Expressed in Growing Feathers of White and Rufous Barn Owls. Pigment Cell Melanoma Res 2025;38(2):e70001

  1. Bozzi D, Neuenschwander S, Cruz Dávalos DI, Sousa da Mota B, Schroeder H, Moreno-Mayar JV, Allentoft ME, Malaspinas AS. Towards predicting the geographical origin of ancient samples with metagenomic data. Sci Rep 2024;14(1):21794
  2. Cailleau G, Junier T, Paul C, Fatton M, Corona-Ramirez A, Gning O, Beck K, Vidal J, Bürgmann H, Junier P. Temporal and spatial changes in the abundance of antibiotic resistance gene markers in a wastewater treatment plant. Water Environ Res 2024;96(8):e11104
  3. Castillo-Armengol J, Marzetta F, Sanchez-Archidona AR, Fledelius C, Evans M, McNeilly A, McCrimmon RJ, Ibberson M, Thorens B. Correction to: Disrupted hypothalamic transcriptomics and proteomics in a mouse model of type 2 diabetes exposed to recurrent hypoglycaemia. Diabetologia 2024;67(2):403
  4. Decken Ivd, Gutiérrez DR, Sproll P, Opitz L, Stevenson B, Azimi H, Lang-Muritano M, Konrad D, Lenherr-Taube N, Kennedy U, L’Allemand D, Livshits L, Raafat S, Nef S, Biason-Lauber A. Maximizing the Benefits of WES Data for Clinical Diagnosis of individuals with Differences/Variations of Sex Development 2024
  5. Delfin C, Dragan I, Kuznetsov D, Tajes JF, Smit F, Coral DE, Farzaneh A, Haugg A, Hungele A, Niknejad A, Hall C, Jacobs D, Marek D, Fraser DP, Thuillier D, Ahmadizar F, Mehl F, Pattou F, Burdet F, Hawkes G, Arts ICW, Blanch J, Van Soest J, Fernández-Real JM, Boehl J, Fink K, van Greevenbroek MMJ, Kavousi M, Minten M, Prinz N, Ipsen N, Franks PW, Ramos R, Holl RW, Horban S, Duarte-Salles T, Tran VDT, Raverdy V, Leal Y, Lenart A, Pearson E, Sparsø T, Giordano GN, Ioannidis V, Soh K, Frayling TM, Le Roux CW, Ibberson M. A Federated Database for Obesity Research: An IMI-SOPHIA Study. Life (Basel) 2024;14(2):262
  6. Gaudry A, Pagni M, Mehl F, Moretti S, Quiros-Guerrero LM, Cappelletti L, Rutz A, Kaiser M, Marcourt L, Queiroz EF, Ioset JR, Grondin A, David B, Wolfender JL, Allard PM. A Sample-Centric and Knowledge-Driven Computational Framework for Natural Products Drug Discovery. ACS Cent Sci 2024;10(3):494-510
  7. Gloyn AL, Ibberson M, Marchetti P, Powers AC, Rorsman P, Sander M, Solimena M. Author Correction: Every islet matters: improving the impact of human islet research. Nat Metab 2024;6(7):1415
  8. Gouy A, Wang X, Kapopoulou A, Neuenschwander S, Schmid E, Excoffier L, Heckel G. Genomes of Microtus Rodents Highlight the Importance of Olfactory and Immune Systems in Their Fast Radiation. Genome Biol Evol 2024;16(11):evae233
  9. Hurcombe JA, Dayalan L, Barrington F, Burdet F, Ni L, Coward JT, Brinkkoetter PT, Holzenberger M, Jeffries A, Oltean S, Welsh GI, Coward RJ. The insulin / IGF axis is critically important controlling gene transcription in the podocyte 2024
  10. Keller F, Denicolò S, Leierer J, Kruus M, Heinzel A, Kammer M, Ju W, Nair V, Burdet F, Ibberson M, Menon R, Otto E, Choi YJ, Pyle L, Ladd P, Bjornstad PM, Eder S, Rosivall L, Mark PB, Wiecek A, Heerspink HJL, Kretzler M, Oberbauer R, Mayer G, Perco P. Association of Urinary Epidermal Growth Factor, Fatty Acid-Binding Protein 3, and Vascular Cell Adhesion Molecule 1 Levels with the Progression of Early Diabetic Kidney Disease. Kidney Blood Press Res 2024;49(1):1013-1025
  11. Lay AC, Tran VDT, Nair V, Betin V, Hurcombe JA, Barrington AF, Pope RJ, Burdet F, Mehl F, Kryvokhyzha D, Ahmad A, Sinton MC, Lewis P, Wilson MC, Menon R, Otto E, Heesom KJ, Ibberson M, Looker HC, Nelson RG, Ju W, Kretzler M, Satchell SC, Gomez MF, Coward RJM, BEAt-DKD consortium. Profiling of insulin-resistant kidney models and human biopsies reveals common and cell-type-specific mechanisms underpinning Diabetic Kidney Disease. Nat Commun 2024;15(1):10018
  12. Li S, Dragan I, Tran VDT, Fung CH, Kuznetsov D, Hansen MK, Beulens JWJ, Hart LM', Slieker RC, Donnelly LA, Gerl MJ, Klose C, Mehl F, Simons K, Elders PJM, Pearson ER, Rutter GA, Ibberson M. Multi-omics subgroups associated with glycaemic deterioration in type 2 diabetes: an IMI-RHAPSODY Study. Front Endocrinol (Lausanne) 2024;15:1350796
  13. Mehl F, Sánchez-Archidona AR, Meitil I, Gerl M, Cruciani-Guglielmacci C, Wigger L, Le Stunff H, Meneyrol K, Lallement J, Denom J, Klose C, Simons K, Pagni M, Magnan C, Ibberson M, Thorens B. A multiorgan map of metabolic, signaling, and inflammatory pathways that coordinately control fasting glycemia in mice. iScience 2024;27(11):111134
  14. Niarakis A, Laubenbacher R, An G, Ilan Y, Fisher J, Flobak Å, Reiche K, Rodríguez Martínez M, Geris L, Ladeira L, Veschini L, Blinov ML, Messina F, Fonseca LL, Ferreira S, Montagud A, Noël V, Marku M, Tsirvouli E, Torres MM, Harris LA, Sego TJ, Cockrell C, Shick AE, Balci H, Salazar A, Rian K, Hemedan AA, Esteban-Medina M, Staumont B, Hernandez-Vargas E, Martis B S, Madrid-Valiente A, Karampelesis P, Sordo Vieira L, Harlapur P, Kulesza A, Nikaein N, Garira W, Malik Sheriff RS, Thakar J, Tran VDT, Carbonell-Caballero J, Safaei S, Valencia A, Zinovyev A, Glazier JA. Immune digital twins for complex human pathologies: applications, limitations, and challenges. NPJ Syst Biol Appl 2024;10(1):141
  15. Palmieri F, Diserens J, Gresse M, Magnin M, Helle J, Salamin B, Bisanti L, Bernasconi E, Pernot J, Shanmuganathan A, Trompette A, von Garnier C, Junier T, Neuenschwander S, Bindschedler S, Pagni M, Koutsokera A, Ubags N, Junier P. One-Step Soft Agar Enrichment and Isolation of Human Lung Bacteria Inhibiting the Germination of Aspergillus fumigatus Conidia. Microorganisms 2024;12(10):2025
  16. Sempach L, Doll JPK, Limbach V, Marzetta F, Schaub AC, Schneider E, Kettelhack C, Mählmann L, Schweinfurth-Keck N, Ibberson M, Lang UE, Schmidt A. Examining immune-inflammatory mechanisms of probiotic supplementation in depression: secondary findings from a randomized clinical trial. Transl Psychiatry 2024;14(1):305
  17. Slieker RC, Münch M, Donnelly LA, Bouland GA, Dragan I, Kuznetsov D, Elders PJM, Rutter GA, Ibberson M, Pearson ER, 't Hart LM, van de Wiel MA, Beulens JWJ. An omics-based machine learning approach to predict diabetes progression: a RHAPSODY study. Diabetologia 2024;67(5):885-894

Membres

Consultez la liste des membres de notre groupe ici