Portrait de Jacques Corbeil

Jacques Corbeil

Membre affilié
Professeur titulaire, Université Laval
Linearis Venture and Labs
Sujets de recherche
Apprentissage automatique appliqué
Biologie computationnelle
IA et santé
Site web
Google Scholar
LinkedIn

Biographie

Le Dr Jacques Corbeil se concentre sur l'utilisation des dernières techniques de bio-informatique et d'apprentissage automatique pour faciliter le diagnostic, le pronostic et la réponse au traitement. Les techniques modernes de génomique et de métabolomique génèrent un déluge de données qui doivent être interprétées à l'aide de nouvelles approches informatiques. Le Dr Corbeil utilise des instruments et des méthodologies de pointe pour faciliter l'interprétation de données complexes, y compris la spectrométrie de masse à haut débit, en particulier la métabolomique et le séquençage next-gen.

Les recherches du Dr Corbeil portent notamment sur la manière dont les micro-organismes infectieux interagissent avec leur hôte, sur les effets des antibiotiques sur notre flore microbienne et sur l'environnement, et sur la manière de concevoir de petites molécules et des médicaments pour interférer avec des fonctions microbiennes spécifiques et avec la progression du cancer. Travaillant à l'interface de l'apprentissage automatique et des sciences omiques, il possède une expertise dans l'intégration des données omiques et se spécialise dans l'analyse de données massives appliquée aux maladies infectieuses et au cancer. Le Dr Corbeil collabore avec de nombreuses industries pour améliorer leurs processus et mettre en œuvre des stratégies d'intelligence artificielle. Depuis 2004, le Dr Corbeil est titulaire de la Chaire de recherche du Canada en génomique médicale (niveau 1).

Publications

Invariant Causal Set Covering Machines
Thibaud Godon
Baptiste Bauvin
Pascal Germain
Jacques Corbeil
Alexandre Drouin
2023-06-07
ArXiv (prépublication)
doi.org
arxiv.org
MOT: A Multi-Omics Transformer for Multiclass Classification Tumour Types Predictions
Mazid Osseni
Prudencio Tossou
Franccois Laviolette
Jacques Corbeil
2023-02-16
Proceedings of the 16th International Joint Conference on Biomedical Engineering Systems and Technologies (publié)
doi.org
Sample Boosting Algorithm (SamBA) - An interpretable greedy ensemble classifier based on local expertise for fat data
Baptiste Bauvin
Cécile Capponi
Florence Clerc
Pascal Germain
Sokol Koço
Jacques Corbeil
2023-01-01
UAI (publié)
proceedings.mlr.press
openreview.net
RandomSCM: interpretable ensembles of sparse classifiers tailored for omics data
Thibaud Godon
Pier-Luc Plante
Baptiste Bauvin
Élina Francovic-Fontaine
Alexandre Drouin
Jacques Corbeil
Background: Understanding the relationship between the Omics and the phenotype is a central problem in precision medicine. The high dimensio… (voir plus)nality of metabolomics data challenges learning algorithms in terms of scalability and generalization. Most learning algorithms do not produce interpretable models -- Method: We propose an ensemble learning algorithm based on conjunctions or disjunctions of decision rules. -- Results : Applications on metabolomics data shows that it produces models that achieves high predictive performances. The interpretability of the models makes them useful for biomarker discovery and patterns discovery in high dimensional data.
2022-08-11
ArXiv (prépublication)
doi.org
arxiv.org