Nolwenn LE MEUR

---

Discipline(s) : Biostatistiques, bioinformatique

Titre(s) : Professeur de l’EHESP

Diplôme(s) : Docteur en Sciences spécialité Bioinformatique

Appartenance(s) : Département Méthodes quantitatives en santé publique (METIS)

Cursus

1997-2000 : Diplôme d’ingénieur, Ecole Supérieure de Microbiologie et Sécurité Alimentaire de Brest (ESMISAB), Université de Bretagne Occidentale, Brest, France.

2000-2001 : Diplôme d’étude appliquée en Génomique et Informatique, Université de Haute Bretagne, Rennes I, France.

2001-2005 : Thèse de Doctorat en Bioinformatique, INSERMU533, sous la direction du Dr.Jean Léger, Université de Loire Atlantique, Nantes, France.

2005 – 2008 : Post-doctorat - Fred Hutchinson Cancer Research Center Seattle, WA - USA
Public Health Science, Computational Biology group. (Direction: Dr R. Gentleman)
Rôle des complexes protéique dans la détermination des phénotypes chez la levure.
Gestion, traitement et analyse des données de cytométrie de flux

2008 – 2010 : Post-Doctorat - IRISA INSERM - Université de Rennes I. UPRES SeRAIC INSERM - Université de Rennes I. (Direction: Dr N. Théret). Modélisation de la signalisation TGF-beta et son contrôle de la prolifération cellulaire.

Mars 2010 - Octobre 2010 : Coordinatrice du projet Fédérateur Biogenouest de Génomique intégrative.

Recherche

Mes premiers travaux de recherche portaient sur le développement de méthodes et outils pour l’analyse qualitative, quantitative et l’intégration des données à haut débit en biologie (*omics).

• Développement d’un service web pour le traitement et l’analyse des données de puces à ADN (http://www.madtools.org).
• Développement d'outils pour le traitement et l’analyse des données de cytométrie de flux. Les développements informatiques issus de ce projet sont disponibles sur le site de Bioconductor (http://www.bioconductor.org).
• Analyse des interactions cellulaires pour mieux comprendre leurs rôles dans la détermination des phénotypes (Intégration des données issues des technologies de protéomiques à haut débit)
• Modélisation des voies de signalisation pour mieux comprendre les mécanismes de régulation pouvant influencer le phénotype.

Ces  modèles et  méthodes sont basées sur des approches de fouilles de données et  la théorie des graphes.

Aujourd’hui je complète ces approches par l’intégration de données issues des bases médico-administratives pour répondre à des questions de santé publique (notamment le Programme de médicalisation des systèmes d'information ou PMSI et le Système national d'information inter-régimes de l'Assurance maladie ou SNIIRAM). Je développe des modèles qui s'appuient sur les méthodes de fouilles de données ou la théorie des graphes pour l'identification et la caractérisation de trajectoires de soins afin de:

•   Etudier les éventuellement disparités de recours au soins; notamment au regard de l'environnement socio-économique des patients (Projet DISPARITE financement EHESP; Projet AGIR; financement USPC)
•   explorer les relations entre structures de soins sur la base des transferts de patients (financement FEHAP),
•  identifier des évènements indésirables liés aux soins; notamment déclaration de complication en ambulatoire suite à une chirurgie (Projet PEPS financement ANSM; Projet PRINCEPS financement USPC)

Expertise

• Langage R
• Analyse des données des bases médico-administratives (PMSI, EGB, SNIIRAM)
• Analyse des données *omics  (puces à ADN, puces à protéines, cytométrie de flux, siRNA, SNP)

Enseignement

• Langage R
• Biostatistiques
  • Master en santé publique (Cohab. EHESP - faculté de médecine de Rennes)
  • Master of Public Health (dispensé en anglais)
  • IDEA
  • Elèves filières Etats et Etablissements