Haplotype analysis suggest common founders in carriers of the recurrent BRCA2 mutation, 3398delAAAAG, in French Canadian hereditary breast and/ovarian cancer families

Affiliation: Faculté de médicine, Université de Montréal

Modeling protein evolution using secondary structures

L’évolution des protéines est un domaine important de la recherche en bioinformatique et catalyse l'intérêt de trouver des outils d'alignement qui peuvent être utilisés de manière fiable et modéliser avec précision l'évolution d'une famille de protéines. TM-Align (Zhang and Skolnick, 2005) est considéré comme l'outil idéal pour une telle tâche, en termes de rapidité et de précision. Par conséquent, dans cette étude, TM-Align a été utilisé comme point de référence pour faciliter la détection des autres outils d'alignement qui sont en mesure de préciser l'évolution des protéines. En parallèle, nous avons élargi l'actuel outil d'exploration de structures secondaires de protéines, Helix Explorer (Marrakchi, 2006), afin qu'il puisse également être utilisé comme un outil pour la modélisation de l'évolution des protéines.

RNA recurrent motifs : identification and characterization

La détermination de la structure tertiaire du ribosome fut une étape importante dans la compréhension du mécanisme de la synthèse des protéines. Par contre, l’élucidation de la structure du ribosome comme tel ne permet pas une compréhension de sa fonction. Pour mieux comprendre la nature des relations entre la structure et la fonction du ribosome, sa structure doit être étudiée de manière systématique. Au cours des dernières années, nous avons entrepris une démarche systématique afin d’identifier et de caractériser de nouveaux motifs structuraux qui existent dans la structure du ribosome et d’autres molécules contenant de l’ARN. L’analyse de plusieurs exemples d’empaquetage de deux hélices d’ARN dans la structure du ribosome nous a permis d’identifier un nouveau motif structural, nommé « G-ribo ». Dans ce motif, l’interaction d’une guanosine dans une hélice avec le ribose d’un nucléotide d’une autre hélice donne naissance à un réseau d’interactions complexes entre les nucléotides voisins. Le motif G-ribo est retrouvé à 8 endroits dans la structure du ribosome. La structure du G-ribo possède certaines particularités qui lui permettent de favoriser la formation d’un certain type de pseudo-nœuds dans le ribosome. L’analyse systématique de la structure du ribosome et de la ARNase P a permis d’identifier un autre motif structural, nommé « DTJ » ou « Double-Twist Joint motif ». Ce motif est formé de trois courtes hélices qui s’empilent l’une sur l’autre. Dans la zone de contact entre chaque paire d’hélices, deux paires de bases consécutives sont surenroulées par rapport à deux paires de bases consécutives retrouvées dans l’ARN de forme A. Un nucléotide d’une paire de bases est toujours connecté directement à un nucléotide de la paire de bases surenroulée, tandis que les nucléotides opposés sont connectés par un ou plusieurs nucléotides non appariés. L’introduction d’un surenroulement entre deux paires de bases consécutives brise l’empilement entre les nucléotides et déstabilise l’hélice d’ARN. Dans le motif DTJ, les nucléotides non appariés qui lient les deux paires de bases surenroulées interagissent avec une des trois hélices qui forment le motif, offrant ainsi une stratégie élégante de stabilisation de l’arrangement. Pour déterminer les contraintes de séquences imposées sur la structure tertiaire d’un motif récurrent dans le ribosome, nous avons développé une nouvelle approche expérimentale. Nous avons introduit des librairies combinatoires de certains nucléotides retrouvés dans des motifs particuliers du ribosome. Suite à l’analyse des séquences alternatives sélectionnées in vivo pour différents représentants d’un motif, nous avons été en mesure d’identifier les contraintes responsables de l’intégrité d’un motif et celles responsables d’interactions avec les éléments qui forment le contexte structural du motif. Les résultats présentés dans cette thèse élargissent considérablement notre compréhension des principes de formation de la structure d’ARN et apportent une nouvelle façon d’identifier et de caractériser de nouveaux motifs structuraux d’ARN.

Investing Online: Concerns about the Evolving Use of the Internet as an Investment Tool in the Secondary Market Context

La croissance dramatique du commerce électronique des titres cache un grand potentiel pour les investisseurs, de même que pour l’industrie des valeurs mobilières en général. Prenant en considération ses risques particuliers, les autorités réglementaires vivent un défi important face à l’Internet en tant que nouveau moyen d’investir. Néanmoins, malgré l’évolution technologique, les objectifs fondamentaux et l’approche des autorités réglementaires restent similaires à ce qui se produit présentement. Cet article analyse l’impact de l’Internet sur le commerce des valeurs mobilières en se concentrant sur les problèmes soulevés par l’utilisation de ce nouveau moyen de communication dans le contexte du marché secondaire. Par conséquent, son objectif est de dresser le portrait des plaintes typiques des investisseurs, de même que celui des activités frauduleuses en valeurs mobilières propres au cyberespace. L’auteur fait une synthèse des développements récents en analysant l’approche des autorités réglementaires, les études doctrinales, la jurisprudence et les cas administratifs. L'auteure désire remercier la professeure Raymonde Crête pour ses précieux commentaires et conseils.

Modeling High-Dimensional Audio Sequences with Recurrent Neural Networks

Cette thèse étudie des modèles de séquences de haute dimension basés sur des réseaux de neurones récurrents (RNN) et leur application à la musique et à la parole. Bien qu'en principe les RNN puissent représenter les dépendances à long terme et la dynamique temporelle complexe propres aux séquences d'intérêt comme la vidéo, l'audio et la langue naturelle, ceux-ci n'ont pas été utilisés à leur plein potentiel depuis leur introduction par Rumelhart et al. (1986a) en raison de la difficulté de les entraîner efficacement par descente de gradient. Récemment, l'application fructueuse de l'optimisation Hessian-free et d'autres techniques d'entraînement avancées ont entraîné la recrudescence de leur utilisation dans plusieurs systèmes de l'état de l'art. Le travail de cette thèse prend part à ce développement. L'idée centrale consiste à exploiter la flexibilité des RNN pour apprendre une description probabiliste de séquences de symboles, c'est-à-dire une information de haut niveau associée aux signaux observés, qui en retour pourra servir d'à priori pour améliorer la précision de la recherche d'information. Par exemple, en modélisant l'évolution de groupes de notes dans la musique polyphonique, d'accords dans une progression harmonique, de phonèmes dans un énoncé oral ou encore de sources individuelles dans un mélange audio, nous pouvons améliorer significativement les méthodes de transcription polyphonique, de reconnaissance d'accords, de reconnaissance de la parole et de séparation de sources audio respectivement. L'application pratique de nos modèles à ces tâches est détaillée dans les quatre derniers articles présentés dans cette thèse. Dans le premier article, nous remplaçons la couche de sortie d'un RNN par des machines de Boltzmann restreintes conditionnelles pour décrire des distributions de sortie multimodales beaucoup plus riches. Dans le deuxième article, nous évaluons et proposons des méthodes avancées pour entraîner les RNN. Dans les quatre derniers articles, nous examinons différentes façons de combiner nos modèles symboliques à des réseaux profonds et à la factorisation matricielle non-négative, notamment par des produits d'experts, des architectures entrée/sortie et des cadres génératifs généralisant les modèles de Markov cachés. Nous proposons et analysons également des méthodes d'inférence efficaces pour ces modèles, telles la recherche vorace chronologique, la recherche en faisceau à haute dimension, la recherche en faisceau élagué et la descente de gradient. Finalement, nous abordons les questions de l'étiquette biaisée, du maître imposant, du lissage temporel, de la régularisation et du pré-entraînement.

On Recurrent and Deep Neural Networks

L'apprentissage profond est un domaine de recherche en forte croissance en apprentissage automatique qui est parvenu à des résultats impressionnants dans différentes tâches allant de la classification d'images à la parole, en passant par la modélisation du langage. Les réseaux de neurones récurrents, une sous-classe d'architecture profonde, s'avèrent particulièrement prometteurs. Les réseaux récurrents peuvent capter la structure temporelle dans les données. Ils ont potentiellement la capacité d'apprendre des corrélations entre des événements éloignés dans le temps et d'emmagasiner indéfiniment des informations dans leur mémoire interne. Dans ce travail, nous tentons d'abord de comprendre pourquoi la profondeur est utile. Similairement à d'autres travaux de la littérature, nos résultats démontrent que les modèles profonds peuvent être plus efficaces pour représenter certaines familles de fonctions comparativement aux modèles peu profonds. Contrairement à ces travaux, nous effectuons notre analyse théorique sur des réseaux profonds acycliques munis de fonctions d'activation linéaires par parties, puisque ce type de modèle est actuellement l'état de l'art dans différentes tâches de classification. La deuxième partie de cette thèse porte sur le processus d'apprentissage. Nous analysons quelques techniques d'optimisation proposées récemment, telles l'optimisation Hessian free, la descente de gradient naturel et la descente des sous-espaces de Krylov. Nous proposons le cadre théorique des méthodes à région de confiance généralisées et nous montrons que plusieurs de ces algorithmes développés récemment peuvent être vus dans cette perspective. Nous argumentons que certains membres de cette famille d'approches peuvent être mieux adaptés que d'autres à l'optimisation non convexe. La dernière partie de ce document se concentre sur les réseaux de neurones récurrents. Nous étudions d'abord le concept de mémoire et tentons de répondre aux questions suivantes: Les réseaux récurrents peuvent-ils démontrer une mémoire sans limite? Ce comportement peut-il être appris? Nous montrons que cela est possible si des indices sont fournis durant l'apprentissage. Ensuite, nous explorons deux problèmes spécifiques à l'entraînement des réseaux récurrents, à savoir la dissipation et l'explosion du gradient. Notre analyse se termine par une solution au problème d'explosion du gradient qui implique de borner la norme du gradient. Nous proposons également un terme de régularisation conçu spécifiquement pour réduire le problème de dissipation du gradient. Sur un ensemble de données synthétique, nous montrons empiriquement que ces mécanismes peuvent permettre aux réseaux récurrents d'apprendre de façon autonome à mémoriser des informations pour une période de temps indéfinie. Finalement, nous explorons la notion de profondeur dans les réseaux de neurones récurrents. Comparativement aux réseaux acycliques, la définition de profondeur dans les réseaux récurrents est souvent ambiguë. Nous proposons différentes façons d'ajouter de la profondeur dans les réseaux récurrents et nous évaluons empiriquement ces propositions.

An Analysis of Laypeople’s Beliefs Regarding the Origins of Their Worst Nightmare

Essai présenté à la Faculté des Arts et des Sciences en vue de l’obtention du grade de Doctorat en Psychologie Clinique (D. Psy.)

Les issues périnatales des femmes avec prééclampsie récidivante : une étude rétrospective

OBJECTIF: Évaluer si la prééclampsie (PE) récidivante présente un taux de prématurité (< 37 semaines de gestation) plus élevé qu'une première PE. Les critères de jugement secondaires étaient le retard de croissance intra-utérin (RCIU) et la morbidité maternelle. MÉTHODES: Il s'agit d'une étude rétrospective de cohorte conduite sur 383 femmes avec un diagnostic de prééclampsie et ayant accouché au CHU Sainte-Justine à Montréal (Canada) entre 2001 et 2011. Parmi elles, 128 ont développé une récidive de PE à la grossesse successive. RÉSULTATS: Chez les femmes récidivantes (n = 128), les taux de prématurité et de RCIU étaient similaires dans les 2 épisodes de PE, bien que plus atteintes d'hypertension chronique (p = 0.001) et de diabète gestationnel (p = 0.021) dans leur seconde PE. Comparativement aux femmes non récidivantes (n = 255), les récidivantes (n = 128) présentaient, à leur première PE, un profil clinique caractérisé par un taux élevé de PE sévère (p < 0.001), éclampsie et critères adverses (p = 0.007). Le risque relatif de récidive de PE chez une femme avec ce profil clinique à sa première PE a été évalué à 1, 60 (95%IC: 1, 17 – 2, 18). CONCLUSION: La récidive de PE est associée à des taux similairement élevés de prématurité et de RCIU comparativement à la première PE. Les femmes qui à leur première PE ont un profil clinique défini par prééclampsie sévère, éclampsie ou présence de critères adverses sont plus à risque de récidive de PE à la grossesse subséquente. Mots clés: prééclampsie, récidive, issues périnatales, prématurité

Feasibility and preliminary effectiveness of a novel cognitive-behavioral couple therapy for provoked vestibulodynia: a pilot study.

Introduction Provoked vestibulodynia (PVD), a recurrent, localized vulvovaginal pain problem, carries a significant psychosexual burden for afflicted women, who report impoverished sexual function and decreased frequency of sexual activity and pleasure. Interpersonal factors such as partner responses to pain, partner distress, and attachment style are associated with pain outcomes for women and with sexuality outcomes for both women and partners. Despite these findings, no treatment for PVD has systematically included the partner. Aims This study pilot‐tested the feasibility and potential efficacy of a novel cognitive–behavioral couple therapy (CBCT) for couples coping with PVD. Methods Couples (women and their partners) in which the woman was diagnosed with PVD (N = 9) took part in a 12‐session manualized CBCT intervention and completed outcome measures pre‐ and post‐treatment. Main Outcome Measures The primary outcome measure was women's pain intensity during intercourse as measured on a numerical rating scale. Secondary outcomes included sexual functioning and satisfaction for both partners. Exploratory outcomes included pain‐related cognitions; psychological outcomes; and treatment satisfaction, feasibility, and reliability. Results One couple separated before the end of therapy. Paired t‐test comparisons involving the remaining eight couples demonstrated significant improvements in women's pain and sexuality outcomes for both women and partners. Exploratory analyses indicated improvements in pain‐related cognitions, as well as anxiety and depression symptoms, for both members of the couple. Therapists' reported high treatment reliability and participating couples' high participation rates and reported treatment satisfaction indicate adequate feasibility. Conclusions Treatment outcomes, along with treatment satisfaction ratings, confirm the preliminary success of CBCT in reducing pain and psychosexual burden for women with PVD and their partners. Further large‐scale randomized controlled trials are necessary to examine the efficacy of CBCT compared with and in conjunction with first‐line biomedical interventions for PVD.

Are primary and secondary provoked vestibulodynia two different entities? A comparison of pain, psychosocial and sexual characteristics.

Introduction Provoked vestibulodynia (PVD) is suspected to be the most frequent cause of vulvodynia in premenopausal women. Based on the onset of PVD relative to the start of sexual experience, PVD can be divided into primary (PVD1) and secondary PVD (PVD2). Studies comparing these PVD subgroups are inconclusive as to whether differences exist in sexual and psychosocial functioning. Aim The aim of this study was to compare the pain, sexual and psychosocial functioning of a large clinical and community-based sample of premenopausal women with PVD1 and PVD2. Methods A total of 269 women (n = 94 PVD1; n = 175 PVD2) completed measures on sociodemographics, pain, sexual, and psychosocial functioning. Main Outcome Measures Dependent variables were the 0–10 pain numerical rating scale, McGill–Melzack Pain Questionnaire, Female Sexual Function Index, Global Measure of Sexual Satisfaction, Beck Depression Inventory-II, Painful Intercourse Self-Efficacy Scale, Pain Catastrophizing Scale, State-Trait Anxiety Inventory Trait Subscale, Ambivalence over Emotional Expression Questionnaire, Hurlbert Index of Sexual Assertiveness, Experiences in Close Relationships Scale—Revised, and Dyadic Adjustment Scale-Revised. Results At first sexual relationship, women with PVD2 were significantly younger than women with PVD1 (P < 0.01). The average relationship duration was significantly longer in women with PVD2 compared with women with PVD1 (P < 0.01). Although women with PVD1 described a significantly longer duration of pain compared with women with PVD2 (P < 0.01), no significant subtype differences were found in pain intensity during intercourse. When controlling for the sociodemographics mentioned earlier, no significant differences were found in sexual, psychological, and relational functioning between the PVD subgroups. Nevertheless, on average, both groups were in the clinical range of sexual dysfunction and reported impaired psychological functioning. Conclusions The findings show that there are no significant differences in the sexual and psychosocial profiles of women with PVD1 and PVD2. Results suggest that similar psychosocial and sex therapy interventions should be offered to both subgroups of PVD.