Sébastien Lemieux

Membre académique associé

Professeur associé, Université de Montréal, Département d'informatique et de recherche opérationnelle et Département de biochimie et de médecine moléculaire

Sujets de recherche

Biologie computationnelle

Modélisation moléculaire

Site web

Google Scholar

Biographie

Microbiologiste de formation, Sébastien Lemieux s'est tourné vers la bio-informatique en 1997 et a réalisé des études de maîtrise et de doctorat à l'Université de Montréal sous la direction de François Major. Après avoir obtenu son doctorat en 2002, le jeune chercheur s'est dirigé vers le secteur privé et a effectué un stage postdoctoral chez Elitra Canada (maintenant Merck & Co.) sous la supervision de Bo Jiang. Il y a acquis des compétences en analyse de séquences et en analyse de données de microréseaux d'ADN, ainsi qu'en intégration informatique de données expérimentales.

Il a finalement rejoint les rangs de l'Institut de recherche en immunologie et en cancérologie (IRIC) en 2005. En 2018, il a été nommé professeur agrégé au Département de biochimie et médecine moléculaire de la Faculté de médecine de l'Université de Montréal.

Étudiants actuels

Serena Chan

Maîtrise recherche - UdeM

Site web

Léa Kaufmann

Maîtrise recherche - UdeM

Site web

Github

Publications

CAMAP: Artificial neural networks unveil the role of 1 codon arrangement in modulating MHC-I peptides 2 presentation discovery of minor histocompatibility with

Tariq Daouda

Maude Dumont-Lagacé

Albert Feghaly

Yahya Benslimane

6. Rébecca

Panes

Mathieu Courcelles

Mohamed Benhammadi

Lea Harrington

Pierre Thibault

François Major

Yoshua Bengio

Étienne Gagnon

Sébastien Lemieux

Claude Perreault

30 MHC-I associated peptides (MAPs) play a central role in the elimination of virus-infected and 31 neoplastic cells by CD8 T cells. However… (voir plus), accurately predicting the MAP repertoire remains 32 difficult, because only a fraction of the transcriptome generates MAPs. In this study, we 33 investigated whether codon arrangement (usage and placement) regulates MAP biogenesis. We 34 developed an artificial neural network called Codon Arrangement MAP Predictor (CAMAP), 35 predicting MAP presentation solely from mRNA sequences flanking the MAP-coding codons 36 (MCCs), while excluding the MCC per se . CAMAP predictions were significantly more accurate 37 when using original codon sequences than shuffled codon sequences which reflect amino acid 38 usage. Furthermore, predictions were independent of mRNA expression and MAP binding affinity 39 to MHC-I molecules and applied to several cell types and species. Combining MAP ligand scores, 40 transcript expression level and CAMAP scores was particularly useful to increaser MAP prediction 41 accuracy. Using an in vitro assay, we showed that varying the synonymous codons in the regions 42 flanking the MCCs (without changing the amino acid sequence) resulted in significant modulation 43 of MAP presentation at the cell surface. Taken together, our results demonstrate the role of codon 44 arrangement in the regulation of MAP presentation and support integration of both translational 45 and post-translational events in predictive algorithms to ameliorate modeling of the 46 immunopeptidome. 47 48 49 they modulated the levels of SIINFEKL presentation in both constructs, but enhanced translation efficiency could only be detected for OVA-RP. These data show that codon arrangement can modulate MAP presentation strength without any changes in the amino

Factorized embeddings learns rich and biologically meaningful embedding spaces using factorized tensor decomposition

Claude Perreault

2020-07-01

Bioinform. (publié)

doi.org