Passer au contenu

/ Département de mathématiques et de statistique

Je donne

Rechercher

 

Craig, Morgan

Vcard

Professeure agrégée

Faculté des arts et des sciences - Département de mathématiques et de statistique

André-Aisenstadt Local 5243

514 343-6111 ext 7471

Courriels

Affiliations

  • Membre Centre de recherche du CHU Sainte-Justine
  • Membre Centre for Applied Mathematics in Bioscience and Medicine (CAMBAM)
  • Membre Groupe de recherche universitaire sur le médicament
  • Membre GRUM — Groupe de recherche universitaire sur le médicament
  • Membre Society for Industrial and Applied Mathematics
  • Membre Society for Mathematical Biology

Cours donnés

  • MAT3450 A - Intro. modélisation math.

Expertise

Dre. Morgan Craig est Chercheuse au Centre de recherche du CHU Sainte-Justine et Professeure adjointe au Département de mathématiques et de statistique à l'Université de Montréal. Après avoir obtenu son Ph.D. en Sciences pharmaceutiques de l'Université de Montréal, elle a fait un stage postdoctoral au Department of Organismic and Evolutionary Biology à l'Université Harvard. Elle dirige le Laboratoire de recherche en médecine quantitative et translationnelle qui travaille sur l'application et l'implémentation d'approches quantitatives, surtout la biologie computationnelle, dans l'optique de décortiquer l'influence de l’hétérogénéité sur les maladies et l'efficacité des traitements. Sa recherche se concentre sur le développement de modèles mécanistiques et prédictifs appliqués à l'immunologie (surtout la réponse immunitaire aux virus) et le traitement des cancers par les immunothérapies dans le but de mener des études cliniques in silico pour établir des traitements de pointe. Sa recherche est hautement multidisciplinaire et est menée en étroite collaboration avec des expérimentalistes et cliniciens.

Encadrement Tout déplier Tout replier

Mathematical modelling of experimental therapy for granulosa cell tumour of the ovary and mammary cell differentiation in the context of triple-negative breast cancer Thèses et mémoires dirigés / 2023-12
Le Sauteur-Robitaille, Justin
Abstract
Le développement de nouveaux médicaments ou traitements contre le cancer requiert des années de travail préclinique avant de se rendre aux essais cliniques et ultimement le marché. Malheureusement, la grande majorité des composés ne réussiront pas cette transition et ne démontreront pas de bénéfices en essais cliniques. Dans le but de réduire l’attrition au long du processus de développement des médicaments, la modélisation mathématique est de plus en plus utilisée dans la recherche préclinique pour investiguer et optimiser les traitements pour améliorer les probabilités de succès de thérapies potentielles. Les modèles mécanistiques visent à incorporer les mécanismes d’action d’un médicament ainsi que les interactions physiologiques et cellulaires pour approfondir notre compréhension des systèmes et des effets thérapeutiques. La dissertation suivante traite de l’implémentation the modèles mécanistique hétérogènes dans des contextes précliniques pour la recherche contre le cancer. Le second chapitre discute du cancer des cellules granulosa ovarienne and du développement d’un modèle mathématique pour investiguer le potentiel d’une thérapie combinatoire qui inclut une chimiothérapie et une immunothérapie produisant une protéine en lien avec le facteur de nécrose tumorale (TRAIL) à l’aide d’un virus oncolytique (VO). Le modèle considère les cellules tumorales à travers les stades de la mitose, l’infection de ces cellules par le VO et la pression du système immunitaire inné sur la population de cellules tumorales. Le modèle incorpore aussi des modèles pharmacocinétique/pharmacodynamie (PK/PD) pour TRAIL et le médicament chimio thérapeutique, composé activateur de procaspase-1 (PAC-1). Cela inclue un modèle PK mécanistique décrivant la liaison de TRAIL à son récepteur ainsi qu’un modèle pharmacocinétique à deux compartiments pour PAC-1 dans le but d’intégrer les deux concentrations dans une fonction d’effets combinés affectant la population de cellules cancéreuses. À travers les simulations, nous avons déterminé les doses minimales requises et le schéma posologique optimal pour PAC-1 pour minimiser la croissance tumorale. Nous avons aussi établi un scénario permettant d’éradiquer la tumeur à l’aide d’un VO possédant un taux d’infection plus grand qu’initialement testé. 4 Dans le chapitre 3, nous présentons différentes approches pour inclure la variabilité inter-individuelle dans des modèles mécanistiques et discutons de leur bénéfices et désavantages. Nous décrivons comment les modèles PK de population (PopPK) informent sur la moyenne des paramètres d’une cohorte, la variation provenant des covariables et comment cette variabilité dans les paramètres permet d’étudier différentes dynamiques à travers une population. Dans une cohorte, la variabilité peut être généré par des algorithmes en assurant que les patients virtuels générés possèdent des paramètres et des résultats réalistiques. Nous discutons aussi des cohortes in silico pouvant prédire un intervalle de résultats and de scénarios potentiels d’un traitement. Ces essais cliniques virtuels sont très utiles en pharmacologie quantitative de systèmes (QSP). Enfin, nous présentons une application d’un modèle PopPK utilisant 300 patients virtuels dans un modèle QSP pour la différentiation des cellules souches mammaires affectées par des doses d’estrogène. Nous investiguons l’effet de cette thérapie hormonale sur la différentiation cellulaire pour son application potentiel pour traiter le cancer du sein triple négatif (TNBC) puisque la prolactine a été proposée dans des modèles expérimentaux pour forcer la différentiation cellulaire des cellules cancéreuses. Notre modèle et les résultats obtenus servent de preuve de concept pour continuer la recherche des méthode pharmacologiques pour induire la différentiation des cellules souches permettant de réduire la sévérité et la plasticité des cellules cancéreuses.

Projets de recherche Tout déplier Tout replier

Canada Research Chair in Computational Immunology SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements / 2024 - 2029

Dynamiques des réseaux à travers les échelles : illustrer nos relations avec les virus et notre environnement FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT) / 2023 - 2026

Centre de recherches mathématiques (CRM) FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT) / 2022 - 2029

Centre de recherches mathématiques (CRM) CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) / 2022 - 2027

Plasmonic optophysiology optogenetics SPIIE/Secrétariat des programmes interorganismes à l’intention des établissements / 2022 - 2025

La médecine quantitative au service de la personnalisation thérapeutique en oncologie FRQS/Fonds de recherche du Québec - Santé (FRSQ) / 2021 - 2025

One Health Modelling Network for Emerging Infections (OMNI)/RÉseau UNe seule santé sur la modélisation des InfectionS (REUNIS) CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) / 2021 - 2024

La médecine quantitative au service de la personnalisation thérapeutique en oncologie COLE Foundation/Fondation Cole / 2021 - 2023

One Health Modelling Network for Emerging Infections CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) / 2021 - 2023

One Health Modelling Network for Emerging Infections (OMNI)/RÉseau UNe seule santé sur la modélisation des InfectionS (REUNIS) CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) / 2021 - 2023

One Health Modelling Network for Emerging Infections (OMNI)/RÉseau UNe seule santé sur la modélisation des InfectionS (REUNIS) CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) / 2021 - 2022

Réseau Québécois de Recherche sur les Médicaments (RQRM) / Integrated quantitative approach to novel targets in triple negative breast cancer. FRQS/Fonds de recherche du Québec - Santé (FRSQ) / 2021 - 2022

La médecine quantitative en appui à la personnalisation des thérapies. Fondation de l'Hôpital Ste-Justine / 2020 - 2022

Quantitative Approaches to Understand Differential Immune Responses in COVID-19 CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) / 2020 - 2021

Supplément COVID-19 CRSNG_Characterization of disrupted hematopoiesis by mathematical modelling CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) / 2020 - 2021

Characterization of disrupted hematopoiesis by mathematical modelling CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) / 2018 - 2025

Characterization of disrupted hematopoiesis by mathematical modelling CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) / 2018 - 2024