Nouvelles
Léonard Sauvé présente ses travaux sur l’utilisation d’auto-encoders pour la prédiction de prognostic depuis des données d’expression géniqueà l’édition 2023 du symposium RéseauxLAB.
Léa Kaufmann et Karla Félix Navarro se joignent au Laboratoire Lemieux pour y compléter leurs travaux de Doctorat en Bio-informatique et Maîtrise en Informatique, respectivement. Bienvenue !
Charbel Machaalani et Eve Wang ont présentés leurs travaux à la 5ème journée des stagiaires de l’IRIC. Ils ont remportés conjointement le prix de la meilleure présentation pour leurs posters: félicitations !
L’article de Maria Virginia Ruiz Cuevas, “BamQuery: a proteogenomic tool to explore the immunopeptidome and prioritize actionable tumor antigens”, a été publié dans BMC Genome Biology et est desormais disponible en ligne. Félicitations, Maria!
Félicitations à Dr. Maria Virginia Virginia Ruiz Cuevas pour sa défense de thèse réussite! Sa thèse, intitulée “Improving anti-cancer therapies through a better Identification and characterization of non-canonical MHC-I associated peptides” (amélioration des thérapies anti-cancer par l’avancée de l’identification et de la caractérisation des peptides non-canoniques associées au CHM-I), sera disponible sous peu dans le système Papyrus de l’UdeM.
Marc-Andrée Legault, un ancien du Laboratoire Lemieux, se joindra à la Faculté de pharmacie (UdeM) et au Centre de recherche Azrieli du CHU Sainte-Justine à titre de professeur IVADO à partir du mois d’août 2024.
Caroline Labelle faisait partie de la délégation de neuf personnes travaillant ou étudiant à l’IRIC qui ont participé au symposium, à Montpellier (France). Elle a eu l’opportunité de faire un oral portant sur Enhancing the drug discovery process: Selecting relevant and potent compounds with Bayesian inference.
Le court article de Jeremie Zumer: Pepid: a Highly Modifiable, ML-Friendly Peptide-Centric Search Engine, introduisant le moteur de recherche du labo Lemieux, sera presentée lors de la conference Apprentissage Automatique et Biologie Computationelle (Machine Learning and Computational Biology, MLCB) 2022.
