Pilier 6
Analyse computationnelle, modélisation et résultats évolutifs (CAMEO)
La pandémie de COVID-19 a révélé la nécessité d’intégrer davantage la modélisation et l’analyse des données dans les études de santé publique, expérimentales et cliniques. Tout au long des deux premières années de la pandémie, des efforts concertés ont été déployés pour améliorer notre compréhension de la réponse immunitaire de l’hôte au virus du SRAS-CoV-2 afin de mieux prévoir la gravité de la COVID-19, de répondre aux questions relatives au traitement et à la mise au point d’un vaccin, et de mieux comprendre l’évolution virale et l’impact des variants sur l’immunopathologie.
Nous présentons ici des perspectives sur ce qui a été accompli à l’aide de méthodes quantitatives, notamment la modélisation prédictive, la génétique des populations, l’apprentissage automatique et les techniques de réduction de la dimensionnalité au cours des 26 premiers mois de la pandémie de COVID-19 et sur la voie à suivre pour améliorer nos réponses à cette pandémie et aux pandémies à venir.
The race to understand immunopathology in COVID-19: Perspectives on the impact of quantitative approaches to understand within-host interactions. Sonia Gazeau, Xiaoyan Deng, Hsu Kiang Ooi , Fatima Mostefai, Julie Hussin, Jane Heffernan, Adrianne L. Jenner, and Morgan Craig. ImmunoInformatics. 2023.01.08.100021; https://www.sciencedirect.com/science/article/pii/S2667119023000010