Notre consortium

Le Prof. Brun est reconnu pour avoir développé des méthodes transformatrices en biologie cellulaire bactérienne. Ses travaux pionniers sur la croissance bactérienne, l’adhésion et la formation de biofilms ont été publiés dans des revues scientifiques de premier plan. Il a dirigé de nombreux projets de recherche d’envergure, géré des plateformes et des collaborations multidisciplinaires, et il supervise la gestion de ce consortium avec un accent particulier sur la microbiologie et la microscopie. Au sein du consortium, il développe et met en œuvre des plateformes de criblage visant à identifier des cibles bactériennes et des composés actifs, ainsi qu’à déterminer le mécanisme d’action des composés identifiés.

Site web • Google Scholar • ORCID

Le Prof. Corbeil est un entrepreneur chevronné et professeur, à l’interface de la recherche « omique », de l’apprentissage automatique et de la médecine translationnelle. Ses travaux portent sur la résistance aux antimicrobiens et les interactions hôte-pathogène, et il dirige des initiatives sur la COVID-19 et la résistance antimicrobienne à l’échelle nationale et internationale. Dans ce consortium, il génère des données métabolomiques à haut débit et évalue la toxicité des composés à l’aide de plateformes d’organes-sur-puce. Il assure une intégration étroite entre les équipes de science des données et celles des laboratoires expérimentaux.

Site web • Google Scholar • ORCID

Le Prof. Bengio est reconnu comme un expert mondial en intelligence artificielle et en apprentissage profond. Sensible aux enjeux éthiques et sociaux de l’IA, il a contribué à la Déclaration de Montréal pour un développement responsable de l’IA, favorisant une réglementation responsable. Ses recherches couvrent le développement de nouveaux concepts et méthodologies en apprentissage automatique (AA) et leurs applications pour le bien commun, notamment la découverte de médicaments. Dans ce consortium, son équipe développe des réseaux neuronaux graphiques et des modèles d’apprentissage actif pour la prédiction antimicrobienne in silico, ainsi que pour la sélection d’échafaudages moléculaires et de blocs de construction moléculaires pour les bibliothèques codées par l’ADN.

Site web • Google Scholar • ORCID

Le Dr. Beaini dirige des recherches en apprentissage automatique appliqué à la découverte de médicaments. Il est reconnu pour ses contributions à l’apprentissage profond géométrique, en particulier sur l’expressivité des réseaux neuronaux graphiques et les transformeurs de graphes. Son objectif est de faire progresser l’apprentissage automatique vers une meilleure compréhension des molécules et de leurs interactions avec la biologie humaine. Chez Valence Labs, il dirige un effort visant à construire des réseaux neuronaux graphiques ultra-larges pré-entraînés sur des milliers d’essais chimiques et biologiques, qu’il adapte ici à la prédiction antimicrobienne.

Site web • Google Scholar • ORCID

Le Prof. Chandar est professeur agrégé à Polytechnique Montréal, où il dirige le Chandar Research Lab. Il est également membre professoral principal de Mila, l’Institut québécois d’intelligence artificielle. Il détient une Chaire Canada CIFAR en IA ainsi que la Chaire de recherche du Canada en apprentissage automatique tout au long de la vie. Ses intérêts de recherche incluent l’apprentissage continu, l’apprentissage profond, l’optimisation, l’apprentissage par renforcement, le traitement automatique du langage naturel et l’IA pour la science. Afin de promouvoir la recherche en apprentissage tout au long de la vie, il a fondé la conférence Conference on Lifelong Learning Agents (CoLLAs) en 2022 et en a été président de programme en 2022 et 2023. Il a obtenu son doctorat à l’Université de Montréal et une maîtrise de recherche à l’Indian Institute of Technology Madras.

Site web • Google Scholar • ORCID

Le Prof. Charette possède une vaste expérience dans le développement de méthodes de synthèse en conditions traditionnelles (batch) et en flux continu pour la préparation de petites molécules. Dans ce consortium, il développe des voies de synthèse en flux continu de molécules de base, de structures centrales et les réactifs identifiés comme importants pour la découverte de médicaments antimicrobiens. Il applique également des méthodes de suivi en temps réel et d’ajustement fin des systèmes de chimie en flux à l’aide d’analyses basées sur l’IA afin d’améliorer l’efficacité et la rentabilité des procédés de synthèse en mettant en place des boucles de rétroaction automatisées pour trouver rapidement les conditions réactionnelles optimales.

Site web • Google Scholar • ORCID

La Prof. Durand travaille sur l’apprentissage par renforcement et les algorithmes de bandits, tant sur les plans théorique qu’appliqué. Elle exploite également l’apprentissage interactif dans des applications scientifiques, avec un accent particulier sur les sciences de la santé. Ses contributions ont été publiées dans des conférences et revues de premier plan, et elle s’est impliquée dans Women in Machine Learning. Dans ce consortium, elle apporte des stratégies d’apprentissage interactif pour guider la sélection de blocs de construction moléculaires pour les bibliothèques codées par l’ADN.

Site web • Google Scholar

Le Prof. Hernández-García est professeur adjoint à l’Université de Montréal, membre académique principal de Mila, professeur à IVADO et membre de l’Institut Courtois. Ses recherches en apprentissage automatique sont motivées par des applications scientifiques visant à relever des défis sociétaux. Ses travaux actuels portent notamment sur l’apprentissage automatique actif et génératif pour accélérer les découvertes scientifiques, telles que de nouveaux matériaux et antibiotiques. Il milite également pour une analyse critique des impacts de l’IA. Il est un ardent défenseur de la science ouverte, inclusive, équitable, reproductible, transparente et écoresponsable.

Site web • Google Scholar • ORCID

Les recherches de la Prof. Lavoie-Cardinal portent sur le développement de techniques de microscopie à super-résolution assistées par apprentissage automatique, appliquées aux cellules vivantes. En combinant la microscopie optique quantitative et l’apprentissage profond, ses approches ont permis d’importantes avancées dans l’imagerie fonctionnelle de la plasticité synaptique. Dans ce consortium, elle développe des méthodes d’analyse quantitative d’images de microscopie supervisées et non supervisées, ainsi que des stratégies d’acquisition assistées par l’IA.

Site web • Google Scholar • ORCID

Les recherches du Prof. Koziarski portent sur des méthodes d’apprentissage automatique visant à accélérer l’exploration de l’espace chimique. Il s’intéresse à la modélisation générative, à l’apprentissage actif et à la prédiction des propriétés moléculaires, dans le but de relier la conception computationnelle à la validation expérimentale. En facilitant le transfert vers le laboratoire expérimental et en soutenant la génération de données à haut débit, il développe des outils favorisant des découvertes dans divers domaines thérapeutiques.

Site web • Google Scholar

Le Prof. Lemieux est formé en microbiologie et s’est tourné vers la bioinformatique en 1997, complétant sa maîtrise et son doctorat à l’Université de Montréal sous la supervision de François Major. Après son doctorat en 2002, il a effectué un stage postdoctoral dans le secteur privé chez Elitra Canada (aujourd’hui Merck & Co.), sous la supervision de Bo Jiang, où il a acquis une expertise en analyse de séquences, de microréseaux d’ADN et en intégration de données expérimentales et computationnelles. Il s’est joint à l’Université de Montréal en 2005, d’abord à l’Institut de Recherche en Immunologie et en Cancérologie (IRIC). En 2018, il a été nommé professeur agrégé au Département de biochimie et de médecine moléculaire de la Faculté de médecine.

Site web • Google Scholar • ORCID

La Pr Marinier possède une expertise reconnue en chimie médicinale et une solide expérience industrielle en découverte de médicaments, notamment dans le domaine des antimicrobiens. Elle a cofondé deux entreprises, ExCellThera et RejuvenRx (RRX), et est directrice générale de RRX. Dans ce consortium, elle contribue à la synthèse de bibliothèques codées par ADN, à la sélection des composés actifs, ainsi qu’à la synthèse et à l’optimisation des candidats antibiotiques. 

Site web • Google Scholar • ORCID

Les recherches de la Prof. Nguyen portent sur la biologie de Pseudomonas, la pathogenèse des infections pulmonaires associées à la fibrose kystique, les mécanismes de tolérance aux antibiotiques et les interactions hôte-pathogène. Dans ce consortium, elle coordonne la sélection des souches bactériennes pour le criblage, en collaboration avec des cliniciens, et assure le transfert des connaissances vers la clinique. Elle contribue également au développement d’essais à haut débit et d’études précliniques des candidats antibiotiques dans des modèles cellulaires et animaux. 

Site web • Google Scholar • ORCID

Le Prof. Tang est spécialiste de l’apprentissage profond géométrique, des réseaux neuronaux graphiques, des graphes de connaissances et des modèles génératifs appliqués à la modélisation moléculaire. Ses travaux pionniers sur l’apprentissage de représentations de graphes sont largement cités et ont un impact tangible sur la découverte de médicaments. Dans ce consortium, il développe de nouvelles approches de conception de peptides fondées sur l’apprentissage profond géométrique et les modèles génératifs, et contribue à l’optimisation de méthodologies de synthèse en flux continu.

Site web • Google Scholar • ORCID

Le Prof. Thibault est un chimiste bioanalytique de renommée internationale, spécialisé en spectrométrie de masse et en protéomique. Il a agi à titre de chercheur principal dans des laboratoires universitaires, gouvernementaux et industriels. Son programme de recherche en protéomique basée sur la spectrométrie de masse permet une meilleure compréhension des mécanismes moléculaires et des modifications post-traductionnelles régulant les fonctions protéiques, notamment en immunité et en signalisation cellulaire. Dans ce projet, il apporte des plateformes de recherche et de l’expertise en protéomique, et il identifie les cibles protéiques des candidats antibiotiques.

Site web • Google Scholar • ORCID

Les recherches du Pr Tyers visent à générer de nouveaux agents antimicrobiens contre des pathogènes tels que M. tuberculosis, E. coli, S. aureus, P. falciparum et le SARS-CoV-2, à l’aide de méthodes de biologie synthétique. Il a développé des approches basées sur CRISPR pour élucider le mécanisme d’action de centaines de petites molécules et de composés bioactifs dans les cellules humaines. Dans ce consortium, il fournit des plateformes pour la génération, le criblage et l’analyse de vastes bibliothèques de peptides conçues par l’IA, ainsi que des essais cellulaires et ciblés pour valider les composés antimicrobiens actifs.

Site web • Google Scholar • ORCID

Le Prof. Wishart a développé de nombreuses techniques largement utilisées basées sur la spectroscopie RMN, la spectrométrie de masse, la chromatographie liquide et la chromatographie en phase gazeuse pour caractériser la structure de petites et grandes molécules. Il a également dirigé le Human Metabolome Project, qui recense l’ensemble des composés chimiques connus dans les tissus et biofluides humains. Son laboratoire utilise des techniques d’apprentissage automatique et d’intelligence artificielle pour créer des bases de données chimiques et des outils logiciels permettant de caractériser et d’identifier des métabolites, des médicaments, des pesticides et des produits naturels. Dans ce consortium, il contribue au développement de méthodes de profilage métabolomique de la toxicité des composés.

Site web • Google Scholar