Melissa Haendel

Haendel a obtenu son diplôme de premier cycle en chimie au Reed College^[1]. Sa thèse de premier cycle portait sur la conception de produits pharmaceutiques utilisant des potentiels électrostatiques moléculaires (MEP) pour construire des relations quantitatives structure-activité^[2]. Elle a déménagé à l'université du Wisconsin à Madison pour ses études supérieures, où elle a utilisé le piégeage de gènes in vitro pour étudier le gène de l'axotrophine^[3]. Son début de carrière s'est concentré sur la génétique et la biologie moléculaire^[4]. En 2000, elle a rejoint l'université de l'Oregon en tant que chercheuse postdoctorale pour étudier le rôle des hormones thyroïdiennes dans le développement neural du poisson-zèbre.

Haendel a commencé à travailler dans l'informatique de la santé en 2004^[4]. Elle a déplacé l'orientation de ses recherches des neurosciences et de la biologie du poisson zèbre vers le développement de ressources pour la bibliothèque de l'Oregon Health & Science University. Elle a été promue professeure agrégée d'informatique médicale en 2015.

Les recherches de Haendel portent sur le développement d'ontologies, la biocuration et l'harmonisation des données^[4]. La biocuration rassemble des informations à partir des dossiers des patients, des résultats de recherche et de la littérature médicale pour créer un format calculable de qualité contrôlée^[4]. Elle est directrice de la science des données translationnelles à l'Institut Linus-Pauling^[5].

Haendel pense qu'un ensemble de critères cohérents à l'échelle mondiale, une collecte, un partage et une analyse plus complets des données aideront à diagnostiquer les maladies rares^[6]. On pense que les maladies rares affectent 10 % de la population mondiale, ce qui signifie qu'un nombre considérable de patients sont mal desservis par leurs systèmes de santé^[7]. En 2019, Haendel et le CD2H ont reçu près de 9 millions de dollars pour rendre les données liées à la recherche sur le cancer plus centralisées et organisées^[8]. Le Center for Cancer Data Harmonization utilise un portail en nuage pour partager des données entre les médecins et les chercheurs sur le cancer à travers le pays^[9].

Pendant la pandémie de Covid-19, les États-Unis ne disposaient d'aucun moyen normalisé pour collecter et partager des données cliniques^[10],[11]. Haendel craignait que le nombre de décès et d'infections ne soit pas compté avec précision et que cela puisse compromettre une réouverture en toute sécurité^[12]. En juin 2020, Haendel a formé le National COVID Cohort Collaborative (N3C) ^[13] qui rassemble et analyse les données des dossiers médicaux des personnes atteintes de la maladie à coronavirus^[14]. Le N3C cherche à identifier les facteurs de risque qui peuvent prédire la gravité de la maladie à coronavirus et aider à identifier les traitements potentiels^[14]. Il a des axes de travail dans le partenariat de données, les phénotypes, l'analyse collaborative, l'harmonisation des données et la synthèse des données.

• Mungall, Torniai, Gkoutos et Lewis, « Uberon, an integrative multi-species anatomy ontology », Genome Biology, vol. 13, n^o 1,‎ 2012, R5 (ISSN 1465-6906, PMID 22293552, PMCID 3334586, DOI 10.1186/gb-2012-13-1-r5)
• Day-Richter, Harris, Haendel et Lewis, « OBO-Edit an ontology editor for biologists », Bioinformatics, vol. 23, n^o 16,‎ 1^er juin 2007, p. 2198–2200 (ISSN 1367-4803, PMID 17545183, DOI 10.1093/bioinformatics/btm112)
• Shimoyama, Dwinell et Jacob, « Multiple Ontologies for Integrating Complex Phenotype Datasets », Nature Precedings,‎ 5 août 2009 (ISSN 1756-0357, DOI 10.1038/npre.2009.3554)