{"id":2869,"date":"2018-02-02T05:22:58","date_gmt":"2018-02-02T05:22:58","guid":{"rendered":"https:\/\/blog.kolabtree.com\/?p=2869"},"modified":"2018-07-27T13:15:47","modified_gmt":"2018-07-27T13:15:47","slug":"7-ways-cancer-research-can-benefit-from-big-data","status":"publish","type":"post","link":"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/","title":{"rendered":"7 fa\u00e7ons dont la recherche sur le cancer peut b\u00e9n\u00e9ficier du Big Data"},"content":{"rendered":"<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_45_1 counter-flat ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\">Table des mati\u00e8res<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" area-label=\"ez-toc-toggle-icon-1\"><label for=\"item-69f643236d7c7\" aria-label=\"Table des mati\u00e8res\"><span style=\"display: flex;align-items: center;width: 35px;height: 30px;justify-content: center;direction:ltr;\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/label><input  type=\"checkbox\" id=\"item-69f643236d7c7\"><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/#1_Sequencing_Cancer_Genomes_of_Humans\" title=\"1. S\u00e9quen\u00e7age des g\u00e9nomes du cancer chez l&#039;homme\">1. S\u00e9quen\u00e7age des g\u00e9nomes du cancer chez l'homme<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/#2_High-Throughput_Sequencing_of_Patient_Samples\" title=\"2. S\u00e9quen\u00e7age \u00e0 haut d\u00e9bit d&#039;\u00e9chantillons de patients\">2. S\u00e9quen\u00e7age \u00e0 haut d\u00e9bit d'\u00e9chantillons de patients<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/#3_Sequencing_Genomes_of_Other_Organisms\" title=\"3. S\u00e9quen\u00e7age des g\u00e9nomes d&#039;autres organismes\">3. S\u00e9quen\u00e7age des g\u00e9nomes d'autres organismes<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/#4_Transcriptome_Analysis_for_Better_Cancer_Monitoring\" title=\"4. Analyse du transcriptome pour un meilleur suivi du cancer\">4. Analyse du transcriptome pour un meilleur suivi du cancer<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/#5_Incorporating_Machine_Learning_Algorithms_For_Diagnostic_Modelling\" title=\"5. Incorporation d&#039;algorithmes d&#039;apprentissage automatique pour la mod\u00e9lisation du diagnostic\">5. Incorporation d'algorithmes d'apprentissage automatique pour la mod\u00e9lisation du diagnostic<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/#6_Presenting_Greater_Clarity_on_Disease_Prognosis\" title=\"6. Pr\u00e9senter une plus grande clart\u00e9 sur le pronostic de la maladie\">6. Pr\u00e9senter une plus grande clart\u00e9 sur le pronostic de la maladie<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/#7_Clinical_Data_also_Presents_Viable_Answers_for_Cancer_Relapses\" title=\"7. Les donn\u00e9es cliniques apportent \u00e9galement des r\u00e9ponses viables aux rechutes du cancer\">7. Les donn\u00e9es cliniques apportent \u00e9galement des r\u00e9ponses viables aux rechutes du cancer<\/a><\/li><\/ul><\/nav><\/div>\n<p>Data is ubiquitous in healthcare\u2014from hospitals, laboratories and <a href=\"https:\/\/www.kolabtree.com\/blog\/fr\/ensuring-reproducibility-in-ai-driven-research-how-freelance-experts-can-help-in-biotech-and-healthcare\/\">recherche<\/a> centres to surveillance systems, data makes up an indiscriminate part of healthcare systems. In fact, there\u00a0is a myriad of types of data in biosciences research collected through clinical research or generated by genome sequencing or computational drug modelling. <a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/oncology?utm_source=BlogCancer\">Recherche sur le cancer<\/a> b\u00e9n\u00e9ficie en particulier des applications du big data et de l'analytique. Les programmes de d\u00e9pistage du cancer sont \u00e0 l'origine de riches r\u00e9pertoires de donn\u00e9es d'imagerie et de laboratoire, qui n\u00e9cessitent une analyse approfondie et des tests r\u00e9p\u00e9t\u00e9s afin d'en tirer une r\u00e9elle valeur. Les tests r\u00e9p\u00e9t\u00e9s et l'analyse des donn\u00e9es permettent aux chercheurs cliniques de mettre au point de meilleurs m\u00e9dicaments, de comprendre leurs attributs et d'am\u00e9liorer la qualit\u00e9 de vie des patients. <em>in vivo<\/em> et produire de nouveaux types de m\u00e9dicaments pour lutter contre le cancer.<\/p>\n<p>Ce n'est pas un secret que <a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/data-analysis\">donn\u00e9es massives<\/a> est consid\u00e9r\u00e9e comme la m\u00e9thode la plus s\u00fbre pour briser la complexit\u00e9 du cancer.  La volont\u00e9 d'\u00e9tablir de nouveaux m\u00e9canismes pour traiter le cancer a conduit les entreprises \u00e0 \u00e9tudier les outils de visualisation et d'analyse des donn\u00e9es. La capture, la collecte, le stockage et l'analyse des donn\u00e9es provenant des cellules canc\u00e9reuses est un tout nouveau jeu de balle dans lequel\u00a0<strong>IA bienveillante<\/strong>,<strong>\u00a010X Genomics<\/strong>,<strong>\u00a0M\u00e9decine Insilico<\/strong>\u00a0et\u00a0<strong>NuMedii<\/strong>\u00a0ont franchi leurs premiers jalons.<i>\u00a0<\/i>En fait, 10X Genomics s'est surpass\u00e9 pour fournir des services de s\u00e9quen\u00e7age du g\u00e9nome entier, de s\u00e9quen\u00e7age de l'exome et d'analyse du transcriptome d'une seule cellule qui indiquent clairement les s\u00e9quences de g\u00e8nes susceptibles de provoquer un cancer dans l'ADN, l'ARNm et les cha\u00eenes polypeptidiques, respectivement. Peu d'autres entreprises utilisent des cadres de donn\u00e9es plus larges, de nouveaux m\u00e9canismes de criblage et des algorithmes de filtrage de donn\u00e9es \u00e0 haute d\u00e9finition pour tester les m\u00e9dicaments anticanc\u00e9reux sur un large \u00e9ventail d'environnements cellulaires.<\/p>\n<p>L'applicabilit\u00e9 du big data au diagnostic, \u00e0 l'exp\u00e9rimentation et \u00e0 la gestion du cancer est salu\u00e9e comme l'\u00e9tape essentielle vers une recherche sur le cancer de niveau sup\u00e9rieur. Voici sept fa\u00e7ons dont le big data influence la recherche sur le cancer.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"1_Sequencing_Cancer_Genomes_of_Humans\"><\/span>1. S\u00e9quen\u00e7age des g\u00e9nomes du cancer chez l'homme<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p><img decoding=\"async\" src=\"https:\/\/www.thermofisher.com\/blog\/wp-content\/uploads\/sites\/6\/2017\/05\/shutterstock_430479463.jpg\" \/><\/p>\n<p>Chaque cellule de notre corps poss\u00e8de le m\u00eame nombre de chromosomes et \u00e0 peu pr\u00e8s le m\u00eame volume d'ADN. Mais les cellules canc\u00e9reuses pr\u00e9sentent des aberrations distinctes au niveau du contenu chromosomique et de la croissance, qui, si elles sont soumises \u00e0 une visualisation in silico, peuvent \u00eatre utilis\u00e9es pour exploiter les informations jusqu'au niveau de l'ADN. Ces \u00e9tudes de s\u00e9quen\u00e7age peuvent aider les biologistes cellulaires, les bioinformaticiens, les biologistes mol\u00e9culaires et les nanobiotechnologues \u00e0 mettre au point de meilleures m\u00e9thodes pour \u00e9liminer les anomalies chromosomiques, ce qui peut d\u00e9boucher sur d'\u00e9ventuelles voies th\u00e9rapeutiques.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"2_High-Throughput_Sequencing_of_Patient_Samples\"><\/span>2. S\u00e9quen\u00e7age \u00e0 haut d\u00e9bit d'\u00e9chantillons de patients<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Nous sommes \u00e0 l'\u00e8re o\u00f9 la m\u00e9decine personnalis\u00e9e devient monnaie courante dans le domaine des soins de sant\u00e9 et le cancer est le principal champ d'application de ce progr\u00e8s. Ce mouvement vers la m\u00e9decine personnalis\u00e9e a mis l'accent sur la biologie computationnelle, la branche de la biologie qui rend les soins de sant\u00e9 aussi sophistiqu\u00e9s qu'ils sont per\u00e7us aujourd'hui. <strong><a href=\"https:\/\/research.cornell.edu\/news-features\/cancer-and-big-data-analytics\">Professeur Olivier Elemento<\/a><\/strong>L'\u00e9quipe de l'Universit\u00e9 de Cornell, experte en m\u00e9decine informatique, souligne que les cellules canc\u00e9reuses sont toujours en train de changer, d'\u00e9voluer et de s'adapter \u00e0 l'environnement humain, et que des technologies de nouvelle g\u00e9n\u00e9ration plus rapides sont plus que jamais n\u00e9cessaires pour d\u00e9couvrir la composition g\u00e9n\u00e9tique d'une tumeur. Et l'effort ne s'arr\u00eate pas l\u00e0, les s\u00e9quences de mutation doivent \u00eatre identifi\u00e9es, segment\u00e9es et trait\u00e9es en fonction du g\u00e8ne exprim\u00e9.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"3_Sequencing_Genomes_of_Other_Organisms\"><\/span>3. S\u00e9quen\u00e7age des g\u00e9nomes d'autres organismes<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p><img decoding=\"async\" src=\"https:\/\/image.slidesharecdn.com\/ncigenomicsfairwashukibbe-170207033019\/95\/national-cancer-data-ecosystem-and-data-sharing-21-638.jpg?cb=1486440230\" alt=\"Image result for cancer data\" \/><\/p>\n<p>Le premier g\u00e9nome \u00e0 avoir \u00e9t\u00e9 s\u00e9quenc\u00e9 est celui du <em>Escherichia coli<\/em>un organisme unicellulaire. Ensuite, les g\u00e9nomes des plantes comme <em>Arabidopsis thaliana<\/em> et des vers non vert\u00e9br\u00e9s, des reptiles et des rongeurs ont \u00e9t\u00e9 s\u00e9quenc\u00e9s. Avec chaque degr\u00e9 de complexit\u00e9 que pr\u00e9sentaient ces organismes, le s\u00e9quen\u00e7age du g\u00e9nome a gagn\u00e9 en importance en termes de compr\u00e9hension du potentiel d'une seule cellule \u00e0 contr\u00f4ler, sensibiliser ou \u00e9loigner les cellules canc\u00e9reuses. Il a \u00e9galement permis de pr\u00e9senter des th\u00e9ories de travail sur les d\u00e9clencheurs du cancer. Aujourd'hui, les chercheurs analysent des donn\u00e9es en temps r\u00e9el provenant de lign\u00e9es de cellules canc\u00e9reuses de l'ovaire de hamster de souris ou de poulet afin d'augmenter ou d'am\u00e9liorer les m\u00e9thodes de d\u00e9tection du cancer, tout en augmentant la pr\u00e9cision des tests de d\u00e9pistage actuellement disponibles.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"4_Transcriptome_Analysis_for_Better_Cancer_Monitoring\"><\/span>4. Analyse du transcriptome pour un meilleur suivi du cancer<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Au cours de la derni\u00e8re d\u00e9cennie, de grandes bases de donn\u00e9es de d\u00e9pistage et de donn\u00e9es exp\u00e9rimentales ont \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9es uniquement lors d'\u00e9tudes li\u00e9es au cancer. Cela a ajout\u00e9 une valeur cruciale au maintien des g\u00e8nes marqueurs qui sont maintenant les outils de premi\u00e8re main pour la surveillance des oncog\u00e8nes, la d\u00e9couverte de m\u00e9dicaments et les \u00e9tudes de biocompatibilit\u00e9. En outre, certaines entreprises extrapolent les donn\u00e9es du g\u00e9nome du cancer pour analyser les transcriptomes et la synth\u00e8se des prot\u00e9ines. C'est la cl\u00e9 pour trouver des fragments de g\u00e8nes mal plac\u00e9s et leurs produits, ce qui permet de suivre les mutations, qu'elles soient conservatrices ou non.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"5_Incorporating_Machine_Learning_Algorithms_For_Diagnostic_Modelling\"><\/span>5. Incorporation d'algorithmes d'apprentissage automatique pour la mod\u00e9lisation du diagnostic<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Les syst\u00e8mes de soins de sant\u00e9 stockent d'\u00e9normes quantit\u00e9s de donn\u00e9es, que les technologies modernes permettent d'exploiter plus facilement. Les chercheurs en biotechnologie et les chercheurs interdisciplinaires effectuent de vastes analyses de ces bases de donn\u00e9es \u00e0 l'aide de technologies \u00e0 haut d\u00e9bit. <a href=\"https:\/\/blog.kolabtree.com\/artificial-intelligence-and-machine-learning-are-transforming-healthcare\/\">algorithmes d'apprentissage automatique<\/a> qui peuvent analyser les donn\u00e9es, interagir avec elles et garantir la plus grande pr\u00e9cision dans l'int\u00e9gration de grandes bases de donn\u00e9es. Des algorithmes d'apprentissage automatique et des syst\u00e8mes de mod\u00e9lisation de donn\u00e9es de haute technologie sont utilis\u00e9s pour int\u00e9grer des donn\u00e9es relatives au cancer provenant de diff\u00e9rentes sources afin d'obtenir une image plus compl\u00e8te des tumeurs. Les outils de visualisation des donn\u00e9es g\u00e9n\u00e9tiques font des vagues dans la d\u00e9tection du cancer en permettant de nouvelles m\u00e9thodes de contr\u00f4le de la croissance des cellules canc\u00e9reuses et de la mort des cellules saines. Ces outils ont \u00e9t\u00e9 mis en \u0153uvre de mani\u00e8re efficace en int\u00e9grant le syst\u00e8me d'information sur la modification g\u00e9n\u00e9tique et la recherche clinique, qui sont les syst\u00e8mes de gestion des donn\u00e9es de recherche \u00e0 source ouverte les plus efficaces pour visualiser les donn\u00e9es de s\u00e9quen\u00e7age et de d\u00e9pistage \u00e0 haut d\u00e9bit.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"6_Presenting_Greater_Clarity_on_Disease_Prognosis\"><\/span>6. Pr\u00e9senter une plus grande clart\u00e9 sur le pronostic de la maladie<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Certains outils logiciels de visualisation des donn\u00e9es sur les soins de sant\u00e9, tels que l'application <strong>CancerLinQ<\/strong> ont \u00e9t\u00e9 d\u00e9velopp\u00e9es, qui permettent aux m\u00e9decins et aux interventionnistes d'avoir acc\u00e8s \u00e0 des donn\u00e9es m\u00e9dicales de haute qualit\u00e9 sur les patients. Ces donn\u00e9es sont importantes car elles permettent de comprendre les incidences ant\u00e9rieures du cancer, la progression de la maladie et le r\u00e9gime de traitement pr\u00e9c\u00e9dent. Les m\u00e9decins se r\u00e9f\u00e8rent aux donn\u00e9es m\u00e9dicales prot\u00e9g\u00e9es des patients \u00e0 l'aide d'outils de d\u00e9pistage et les utilisent pour recommander des essais cliniques, proposer des protocoles de traitement personnalis\u00e9s et d\u00e9cider plus efficacement de l'\u00e9tendue de la prise en charge du cancer. Aujourd'hui, les h\u00f4pitaux qui enregistrent des taux d'admission \u00e9lev\u00e9s de patients atteints de cancer ont \u00e9galement commenc\u00e9 \u00e0 utiliser des outils de d\u00e9pistage. <strong>Cartes d'identification des tumeurs<\/strong> qui permettent \u00e0 leurs donn\u00e9es d'\u00eatre accessibles de mani\u00e8re centralis\u00e9e pour une \u00e9valuation clinique.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"7_Clinical_Data_also_Presents_Viable_Answers_for_Cancer_Relapses\"><\/span>7. Les donn\u00e9es cliniques apportent \u00e9galement des r\u00e9ponses viables aux rechutes du cancer<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>De plus en plus de prestataires de soins de sant\u00e9 se tournent vers les outils d'analyse de donn\u00e9es pour comprendre les raisons pour lesquelles certains patients pr\u00e9sentent des tumeurs r\u00e9currentes alors que d'autres non. Les m\u00e9decins \u00e9valuent un grand nombre de rapports de cas qui permettent d'\u00e9valuer les risques pour la sant\u00e9 des patients dans une perspective beaucoup plus large qu'auparavant. Si les rapports de cas m\u00e9dicaux sont utilis\u00e9s depuis longtemps, ce n'est que maintenant que leur accessibilit\u00e9 et leur utilit\u00e9 augmentent. Les donn\u00e9es de laboratoire ne sont donc pas soumises \u00e0 des processus d'identification standard, mais \u00e9valu\u00e9es apr\u00e8s comparaison avec d'autres cas signal\u00e9s dans le monde. Les donn\u00e9es deviennent ainsi la condition essentielle d'un traitement personnalis\u00e9.<\/p>\n<p>Le cancer \u00e9volue \u00e0 une vitesse sup\u00e9rieure \u00e0 celle de nos m\u00e9dicaments. Par cons\u00e9quent, si vous cherchez \u00e0 le vaincre, \u00e0 le contr\u00f4ler ou \u00e0 le pr\u00e9venir, il est imp\u00e9ratif de canaliser les efforts gr\u00e2ce \u00e0 une meilleure reconnaissance des cibles. Le big data est cette technologie essentielle qu'un canc\u00e9rologue devrait appliquer pour am\u00e9liorer la qualit\u00e9 de la recherche et obtenir plus rapidement les meilleurs r\u00e9sultats.<\/p>\n<p>_______________________________________<\/p>\n<p><em>Consultez un<a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/oncology?utm_source=BlogCancer\"> Sp\u00e9cialiste de la recherche sur le cancer<\/a>t ou freelance\u00a0<a href=\"https:\/\/www.kolabtree.com\/find-an-expert\/subject\/data-analysis?utm_source=BlogCancer\">sp\u00e9cialiste des donn\u00e9es<\/a> sur Kolabtree.\u00a0<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Data is ubiquitous in healthcare\u2014from hospitals, laboratories and research centres to surveillance systems, data makes up an indiscriminate part of healthcare systems. In fact, there\u00a0is a myriad of types of data in biosciences research collected through clinical research or generated by genome sequencing or computational drug modelling. Cancer research in particular benefits from the applications<\/p>\n<div class=\"read-more\"><a href=\"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/\" title=\"Lire la suite\">Lire la suite<\/a><\/div>","protected":false},"author":32,"featured_media":2906,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[247],"tags":[119,380,388,390,389],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v20.1 (Yoast SEO v20.1) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>7 ways cancer research can benefit from big data | Kolabtree Blog<\/title>\n<meta name=\"description\" content=\"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"7 Ways Cancer Research can Benefit from Big Data\" \/>\n<meta property=\"og:description\" content=\"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/\" \/>\n<meta property=\"og:site_name\" content=\"The Kolabtree Blog\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/kolabtree\" \/>\n<meta property=\"article:published_time\" content=\"2018-02-02T05:22:58+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2018-07-27T13:15:47+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2018\/02\/stem-cell-163711_1280.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1280\" \/>\n\t<meta property=\"og:image:height\" content=\"720\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Mahasweta Pal\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:site\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Mahasweta Pal\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minutes\" \/>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"7 ways cancer research can benefit from big data | Kolabtree Blog","description":"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/","og_locale":"fr_FR","og_type":"article","og_title":"7 Ways Cancer Research can Benefit from Big Data","og_description":"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.","og_url":"https:\/\/www.kolabtree.com\/blog\/fr\/7-ways-cancer-research-can-benefit-from-big-data\/","og_site_name":"The Kolabtree Blog","article_publisher":"https:\/\/www.facebook.com\/kolabtree","article_published_time":"2018-02-02T05:22:58+00:00","article_modified_time":"2018-07-27T13:15:47+00:00","og_image":[{"width":1280,"height":720,"url":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2018\/02\/stem-cell-163711_1280.jpg","type":"image\/jpeg"}],"author":"Mahasweta Pal","twitter_card":"summary_large_image","twitter_creator":"@kolabtree","twitter_site":"@kolabtree","twitter_misc":{"\u00c9crit par":"Mahasweta Pal","Dur\u00e9e de lecture estim\u00e9e":"5 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#article","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/"},"author":{"name":"Mahasweta Pal","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/9e27a382e95318cf10b7fe808f31d913"},"headline":"7 Ways Cancer Research can Benefit from Big Data","datePublished":"2018-02-02T05:22:58+00:00","dateModified":"2018-07-27T13:15:47+00:00","mainEntityOfPage":{"@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/"},"wordCount":1088,"commentCount":0,"publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"keywords":["Big Data","cancer treatment","gene therapy","healthcare analytics","research without borders"],"articleSection":["Guest posts"],"inLanguage":"fr-FR","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/","url":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/","name":"7 ways cancer research can benefit from big data | Kolabtree Blog","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/#website"},"datePublished":"2018-02-02T05:22:58+00:00","dateModified":"2018-07-27T13:15:47+00:00","description":"Transcriptome analysis, ML modelling and more: 7 ways big data is is helping advance cancer research, diagnosis and treatment.","breadcrumb":{"@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.kolabtree.com\/blog\/it\/7-ways-cancer-research-can-benefit-from-big-data\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.kolabtree.com\/blog\/"},{"@type":"ListItem","position":2,"name":"7 Ways Cancer Research can Benefit from Big Data"}]},{"@type":"WebSite","@id":"https:\/\/www.kolabtree.com\/blog\/#website","url":"https:\/\/www.kolabtree.com\/blog\/","name":"The Kolabtree Blog","description":"Expert Views on Science, Innovation and Product Development","publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.kolabtree.com\/blog\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/www.kolabtree.com\/blog\/#organization","name":"Kolabtree","url":"https:\/\/www.kolabtree.com\/blog\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/","url":"","contentUrl":"","caption":"Kolabtree"},"image":{"@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/kolabtree","https:\/\/twitter.com\/kolabtree","https:\/\/instagram.com\/kolabtree","https:\/\/www.linkedin.com\/company\/kolabtree","https:\/\/en.m.wikipedia.org\/wiki\/Kolabtree"]},{"@type":"Person","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/9e27a382e95318cf10b7fe808f31d913","name":"Mahasweta Pal","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/79ba39c5e6f127656d1177e94efc1946?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/79ba39c5e6f127656d1177e94efc1946?s=96&d=mm&r=g","caption":"Mahasweta Pal"},"description":"Mahasweta is a freelance medical writer and science communicator, with experience in creating technical documents, blog posts and news articles. She is a biotechnologist at heart with research experience in Tissue Engineering, Medical Imaging Devices and Industrial Microbiology. She majored in Biomedical Engineering from Vellore Institute of Technology and has served as an editor for journal publications from Elsevier, Wolters Kluwer Health and the Royal Society for Chemistry.","url":"https:\/\/www.kolabtree.com\/blog\/fr\/author\/mahasweta-pal\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/posts\/2869"}],"collection":[{"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/users\/32"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/comments?post=2869"}],"version-history":[{"count":11,"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/posts\/2869\/revisions"}],"predecessor-version":[{"id":3862,"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/posts\/2869\/revisions\/3862"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/media\/2906"}],"wp:attachment":[{"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/media?parent=2869"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/categories?post=2869"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/fr\/wp-json\/wp\/v2\/tags?post=2869"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}