Je suis statisticienne dans la composante « métabolomique » de la Plateforme d’Exploration du Métabolisme (PFEM), qui est un membre de l’infrastructure de recherche MetaboHUB. La métabolomique (non ciblée) est l'étude exhaustive de toutes les petites molécules de fluides ou de tissus biologiques, ce qui donne une vue d'ensemble d'un système et de l'impact de différents facteurs.

Dans ce contexte, je conçois, pilote et participe à la réalisation, sous le logiciel R, d’outils (workflow, programmes, packages), destinés à la communauté, pour l’intégration (i.e. l’analyse conjointe) de données métabolomiques avec des données d’autres natures, ou pour optimiser leurs traitements statistiques.

J’assure en parallèle l’appui statistique à des projets de recherche en nutrition/santé impliquant la PFEM, ayant une approche métabolomique non ciblée, ce qui consiste à organiser la préparation des données, choisir et mettre en œuvre les méthodes et outils statistiques et informatiques les mieux adaptés à la problématique, jusqu’à la diffusion des résultats. L’objectif peut être soit, de mettre en évidence les métabolites dont les intensités relatives varient entre groupes expérimentaux pour caractériser des phénotypes ou identifier des biomarqueurs, soit, d’intégrer les données métabolomiques avec d’autres données collectées sur les mêmes observations.

Enfin, j’assure des actions de formations aux méthodes statistiques appliquées aux données métabolomiques, dont les méthodes multi-blocs. Notamment, j’interviens et co-organise l’école mixte ChemOmics.

Je suis également membre du bureau du Groupe Chimiométrie de la Société Française de Statistiques, qui est en charge du congrès annuel Chimiométrie et co-organise le congrès bisannuel Colloquium Chemiometricum Mediterraneum.

Publications les plus marquantes

• Brandolini-Bunlon, M., Jaillais, B., Cariou, V., Comte, B., Pujos-Guillot, E., & Vigneau, E. (2023). Global and Partial Effect Assessment in Metabolic Syndrome Explored by Metabolomics. Metabolites, 13(3), 373. https://doi.org/10.3390/metabo13030373
• Brandolini-Bunlon, M., Jaillais, B., Cariou, V., Vigneau, E., Comte, B., & Pujos, E. (2022). Input of sequential and orthogonalized partial least squares regression method in the exploration of metabolic syndrome. Analytics 2022, 75. https://hal.science/hal-03774517
• Comte, B., Monnerie, S., Brandolini-Bunlon, M., Canlet, C., Castelli, F., Chu-Van, E., Colsch, B., Fenaille, F., Joly, C., Jourdan, F., Lenuzza, N., Lyan, B., Martin, J.-F., Migné, C., Morais, J., Pétéra, M., Poupin, N., Vinson, F., Thevenot, E., … Pujos-Guillot, E. (2021). Multiplatform metabolomics for an integrative exploration of metabolic syndrome in older men. EBioMedicine, 69. https://doi.org/10.1016/j.ebiom.2021.103440
• Imbert, A., Rompais, M., Selloum, M., Castelli, F., Mouton-Barbosa, E., Brandolini-Bunlon, M., Chu-Van, E., Joly, C., Hirschler, A., Roger, P., Burger, T., Leblanc, S., Sorg, T., Ouzia, S., Vandenbrouck, Y., Médigue, C., Junot, C., Ferro, M., Pujos-Guillot, E., … Herault, Y. (2021). ProMetIS, deep phenotyping of mouse models by combined proteomics and metabolomics analysis. Scientific Data, 8(1), 311. https://doi.org/10.1038/s41597-021-01095-3
• Brandolini-Bunlon, M., Pétéra, M., Gaudreau, P., Comte, B., Bougeard, S., & Pujos-Guillot, E. (2019). Multi-block PLS discriminant analysis for the joint analysis of metabolomic and epidemiological data. Metabolomics, 15(10), np. https://doi.org/10.1007/s11306-019-1598-y

Autres liens

ORCID: https://orcid.org/0000-0003-0131-8216

HAL: https://cv.hal.science/marion-brandolini

Research gate : https://www.researchgate.net/profile/Marion-Brandolini

PlateForme d'Exploration du Métabolisme (PFEM)