Informations de contact

  • email : marion.brandolini-bunlon{at}inrae{dot}fr 
  • tel : +33(0)4 73 62 46 76

En tant que statisticienne dans la composante « métabolomique » de la plate-forme d’exploration du métabolisme (PFEM), j’assure tout ce qui relève du traitement statistique de données de projets de recherche ayant une approche métabolomique non ciblée (pré-traitements, analyses statistiques, paramétriques ou non paramétriques, uni ou multidimensionnelles), afin de mettre en évidences les métabolites dont les intensités relatives varient entre groupes expérimentaux pour caractériser des phénotypes ou identifier des biomarqueurs. Je suis également co-pilote du processus qualité « recherche et développements » concernant le traitement de données, et conçois et réalise, principalement sous le logiciel R, des développements d’outils pour l’intégration de données métabolomiques avec des données d’autres natures, ou pour optimiser les méthodes statistiques utilisées sur la PFEM. 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.

Missions

  • organisation de la préparation des données métabolomiques de projets nutrition/santé, traitement statistique des données avec des outils statistiques et informatiques les mieux adaptés, valorisation des résultats.
  • conception, pilotage, participation à la réalisation, à la diffusion et à la valorisation d’outils statistiques (workflow, programmes, packages avec leur documentation pour les utilisateurs) pour intégrer des données métabolomiques à des données d’autre nature, ou pour optimiser des traitements statistiques.
  • transmission de connaissances et transfert de compétences (enseignement, encadrement de stagiaires).
  • pilotage du processus qualité « recherche et développements » concernant le traitement de données.

Publications principales

  • 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
  • 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