Génétique, Statistiques, Épidémiologie, Analyse multivariée, Psychiatrie, Neuroanatomie

Cette thèse s'inscrit dans les domaines des biostatistiques et de l'épidémiologie génétique des troubles psychiatriques tout en intégrant une composante en neurosciences et en méthodologie. L'objectif principal a été d'étudier la génétique commune à la neuroanatomie et aux troubles psychiatriques en identifiant des structures génétiques sous-jacentes qui pourraient mener à l'identification de biomarqueurs pour l'amélioration de la prévention des troubles psychiatriques, et pourraient également mettre en lumière des processus biologiques qui n'ont pas été précédemment identifiés pour ces troubles. Les travaux effectués sont divisés en trois axes : la preuve de concept d'une méthode de détection de ces structures génétiques sous-jacentes, l'optimisation de la sélection de phénotypes pour l'analyse multivariée et l'utilisation de ces phénotypes en tant que covariables pour l'amélioration de la détection en analyse univariée. Le premier axe présente une méthode de détection de structures génétiques communes aux troubles psychiatriques et à la neuroanatomie à partir de résultats d'analyses multivariées de phénotypes neuroanatomiques. Ici, nous étudierons l'apport des associations génétiques détectées dans les analyses multivariées pour l'identification de ces structures génétiques communes au travers d'algorithmes de partitionnement dont la pertinence sera évaluée au travers d'analyses d'enrichissement. Le deuxième axe se concentrera sur la méthode de sélection des phénotypes pour la maximisation de détection de variants. Cette question a été soulevée dans le premier axe et a été approfondie pour proposer une méthode data-driven d'estimation d'un modèle stratifié se basant sur des métriques associées à ces phénotypes et nous démontrerons sa capacité à prédire le gain. Une généralisation de ce modèle stratifié sera également étudiée, permettant de ne pas spécifier de nombre de phénotypes souhaité au préalable. Le troisième et dernier axe, toujours en cours d'étude, nous renvoie vers les limitations de l'analyse multivariée, où nous étudierons l'impact de l'utilisation de phénotypes neuroanatomiques en tant que covariables. Pour cela, nous nous appuierons sur une méthode de sélection de covariables computationnellement lourde, « Covariate for Multiphenotype Studies ». En bref, cette méthode sélectionne des covariables corrélées au phénotype d'intérêt mais non associées au prédicteur d'intérêt pour améliorer la précision de l'association. Nous appliquerons une pré-sélection pour réduire le temps de calcul et quantifierons le gain obtenu par cette méthode sur les phénotypes neuroanatomiques. Ces deux derniers axes n'étudient donc pas directement la génétique partagée de la neuroanatomie et des troubles psychiatriques, mais visent à optimiser la détection de variants génétiques, ce qui impactera les résultats obtenus à travers des méthodologies similaires à celle présentée dans le premier axe.