Biographie

Titres

2024 : Professeur adjoint, faculté de pharmacie, Université de Montréal

• 2024, Postdoctoral fellowship, McGill University et Mila – Institut québécois d’intelligence artificielle
• 2021, Ph.D. Bio-informatique, Université de Montréal

Le profil génétique des individus peut nous permettre de mieux comprendre le profil d’efficacité et de sûreté des médicaments et de personnaliser la pharmacothérapie en tenant compte des différences génétiques entre les individus. Les activités de recherche du laboratoire visent à prédire l’effet de médicaments en développement ainsi qu’à développer des prédicteurs moléculaires de la réponse au médicament. Afin d’atteindre ces objectifs, nous développons de nouvelles méthodes bio-informatiques, statistiques et d’apprentissage machine. À terme, nos activités de recherche visent à développer des outils d’aide à la décision quant au choix de la pharmacothérapie afin d’accroitre la personnalisation des soins de santé.

• Épidémiologie génétique
• Randomisation mendélienne
• Bio-informatique
• Apprentissage automatique
• Cibles pharmacologiques
• Pharmacogénomique

Sommaire de carrière

Marc-André Legault a obtenu son doctorat en bio-informatique à l’Université de Montréal et à l’Institut de Cardiologie de Montréal où il a développé et appliqué de nouvelles méthodes computationnelles pour la validation de cibles pharmacologiques. Il a par la suite complété un stage de recherche postdoctorale à l’Université McGill et au Mila, l’institut québécois d’intelligence artificielle où il a travaillé sur le développement d’algorithmes d’estimation par variable instrumentale et sur les applications de l’apprentissage automatique à l’épidemiologie génétique plus largement. Il est maintenant professeur adjoint à la faculté de pharmacie de l’Université de Montréal et chercheur au Centre de recherche Azrieli du CHU Sainte-Justine.

Laboratoire

Laboratoire de recherche pharmacogénomique computationnelle

Présentations

1. 6^th Mendelian Randomization Conference, 2024, Bristol, United Kingdom, A novel machine learning Mendelian randomization estimator applied for drug target MR of sclerostin inhibition
2. 1^er Colloque francophone interfacultaire de recherche en Biostatistique, 2024, Montreal, Canada, Un nouvel estimateur de randomisation mendélienne issu de l’apprentissage automatique
3. Great Lakes Bioinformatics Conference (GLBIO), International Society for Computational Biology, 2023, Montreal, Canada, ml-mr: Software for nonparametric and nonlinear Mendelian randomization estimation using machine learning.
4. International Genetic Epidemiology Society, 2023, Nashville, TN, USA, Evaluating machine learning instrumental variable methods to estimate conditional treatment effects in Mendelian randomization
5. American Society for Human Genetics, 2021, Virtual (International), ExPheWas: a browser for gene-based pheWAS associations

Publications

1. Legault MA, Hartford J, Arsenault BJ, Yang AY, Pineau J. A novel and efficient machine learning Mendelian randomization estimator applied to predict the safety and efficacy of sclerostin inhibition. Preprint at medRxiv. 2024
2. Legault MA, Barhdadi A, Gamache I, Lemaçon A, Lemieux Perreault LP, Grenier JC, et al. Study of effect modifiers of genetically predicted CETP reduction. Genet Epidemiol. 2023, 47(2):198–212.
3. Legault MA, Perreault LPL, Tardif JC, Dubé MP. ExPheWas: a platform for cis-Mendelian randomization and gene-based association scans. Nucleic Acids Res. 2022, 50(W1):W305–11.
4. Legault MA, Sandoval J, Provost S, Barhdadi A, Lemieux Perreault LP, Shah S, et al. A genetic model of ivabradine recapitulates results from randomized clinical trials. PLoS One. 2020 15(7):e0236193.
5. Legault MA, Tardif JC, Dubé MP. Pharmacogenomics of blood lipid regulation. Pharmacogenomics. 2018, 19(7):651–65.