Chercheuse chevronnée, Centre d’épidémiologie clinique, Institut Lady Davis
Professeure, Département d’oncologie, Département d’épidémiologie, de biostatistiques et de santé au travail et Division de l’épidémiologie relative au cancer, Université McGill
La professeure Greenwood a été embauchée à l’ILD alors qu’elle travaillait à l’Hôpital pour enfants malades et à l’École Dalla Lana en santé publique de Toronto. Elle est une statisticienne s’intéressant aux méthodes d’analyse des données issues de la génétique et de la génomique. Ses travaux méthodologiques couvrent les études familiales qui s’intéressent aux modes de transmission des gènes responsables des maladies, les études cas-témoin s’intéressant au lien entre les marqueurs anonymes de l’ADN et l’état de la maladie, les études d’expression génétique analysant les différences entre les groupes de patients ou de tissus, et l’estimation des variations dans le nombre de copies du génome. Certains des travaux théoriques élaborés par ses étudiants comprennent : un algorithme d’estimation des haplotypes à l’aide des modèles de Markov cachés, une méthode flexible permettant de définir les relations entre la maladie et les gènes dans les données peu abondantes à l’aide des mélanges de processus de Dirichlet et des modèles d’arborescence permettant d’estimer les preuves de liens entre différents éléments hétérogènes.
Elle a dirigé l’équipe d’analyse statistique dans le cadre d’une étude d’association pangénomique où un nouveau locus a été identifié comme pouvant conférer un risque accru de cancer colorectal. Dans le cadre de cette étude, l’équipe a proposé et s’est servie d’une nouvelle méthode stratifiée pour évaluer les taux de fausses découvertes et a développé une méthode informatisée efficiente permettant d’estimer de façon empirique un grand nombre de valeurs prédictives pour des associations haplotype-maladie.
Principales activités de recherche
Durant plusieurs années, la professeure Greenwood s’est intéressée aux problèmes de qualité des données et des mesures issues de la génomique et comment des mesures de qualité pouvaient être conçues et utilisées pour améliorer la détection de signaux importants dans les données génomiques à haut rendement. Plus particulièrement, ces recherches visaient, entre autres, l’intégration des données, où les renseignements provenant de différentes expériences étaient combinés dans le but d’améliorer la performance dans les prédictions ou la détection du signal.