Subventions et contributions gouvernementales

Le groupe d’OVGU Magdeburg dirigera le développement de la technique proposée de vélocimétrie thermographique de traces de phosphore. L’équipe appliquera la technique à l’analyse d’un écoulement laminaire et d’un écoulement turbulent d’air chauffé et la validera en comparant les résultats obtenus à ceux de la vélocimétrie thermographique conventionnelle par images de particules. Des expériences supplémentaires sur une couche interfaciale chauffée seront mises en place à Magdeburg pour appliquer la technique à une configuration difficile proche d’une paroi et les résultats seront comparés aux résultats des simulations de traces réalisées à l’École Polytechnique de Montréal. L’équipe d’OVGU Magdeburg travaillera aussi à la mise en œuvre du système de vélocimétrie thermographique de traces de phosphore et à la mise en place de l’expérience sur l’écoulement diphasique.

Des simulations numériques haute-fidélité seront réalisées à l’École Polytechnique de Montréal pour caractériser les performances de la technique proposée de vélocimétrie thermographique par images de particules de phosphore. Le schéma d’écoulement sera constitué d’une couche interfaciale turbulente se développant au-dessus d’une plaque plane chaude. Des mesures synthétiques seront obtenues à l’aide d’un algorithme de suivi des particules pour valider et caractériser la technique expérimentale de manière fine. Les mesures synthétiques offriront par ailleurs des renseignements inaccessibles expérimentalement, tels que le rôle des effets 3D et l’existence possible d’une vitesse de glissement des particules par rapport au flux environnant.

Les cellules souches présentent d’incroyables possibilités pour régénérer les tissus abîmés après un traumatisme ou en raison d’une maladie chronique ou dégénérative. Malheureusement, il est si difficile de manipuler et de faire croître les systèmes de cellules souches in vivo que l’usage des thérapies qui font appel à ces cellules en milieu clinique s’en trouve limité. Concevoir un traitement optimal avec des cellules souches s’avère donc extrêmement compliqué, car on doit en tester le moindre aspect, ce qui demande du temps et de l’argent. La conception d’un traitement in silico, grâce à des modèles d’apprentissage automatique, constitue une solution de rechange très performante. Le but général du projet consiste à mettre au point de nouvelles méthodes articulées sur l’IA pour concevoir les meilleures thérapies cellulaires. On y parviendra en formulant des prévisions précises sur l’aboutissement d’une perturbation qui affecte les systèmes de cellules souches à partir des données très pointues sur le génome d’une seule cellule. Les chercheurs colligeront les données publiques pertinentes sur les cellules des muscles squelettiques, ainsi que les données sur les cellules recueillies par l’Institut de recherche de l’Hôpital d’Ottawa, auxquelles ils ajouteront les solutions du programme « Technologies de rupture au service des thérapies cellulaires et géniques » du CNRC. Les méthodes d’IA et les modèles de simulation élaborés dans le cadre du projet nous aideront à mieux comprendre comment les cellules souches se différencient pour former des cellules précises, aux propriétés désirées, ce qui en accélérera la sélection par la méthode idéale, tout en rendant les thérapies articulées sur les cellules souches moins dispendieuses, mais aussi plus sûres et plus efficaces. Il en ressortira un outil aussi robuste qu’utile pour choisir la thérapie à base de cellules souches idéale.

De nombreuses simulations sont nécessaires quand on veut optimiser la performance d’un microsystème électromécanique (MEMS) à haut rendement lors de sa conception. L’usage de MEMS complexes, comme en optique adaptative (OA), exige l’optimisation de maintes spécifications contradictoires et de multiples paramètres structuraux. Les concepteurs chevronnés passent parfois des mois à développer de tels systèmes, mais interrompent souvent leurs efforts dès qu’ils les jugent assez performants, sans chercher à les optimiser totalement. Ceci restreint et freine l’innovation dans l’application des technologies qui utilisent les MEMS. Le projet verra le développement de méthodes IA propres à faciliter l’optimisation en fonction de nombreux objectifs, le but étant d’automatiser la conception et l’optimisation des MEMS complexes. Le problème que pose la performance des MEMS en regard d’objectifs multiples en est un dans lequel l’IA pourrait s’avérer réellement utile et accélérer l’innovation de façon appréciable.

Le projet engendrera des dispositifs automatiques adaptables pour séquencer rapidement et efficacement le génome du SRAS-CoV-2 en vue d’un dépistage accéléré du virus et de la tenue d’études en épidémiologie moléculaire pour étayer les politiques de santé publique. L’appareil recourra au système PowerBlade et devrait effectuer des analyses moléculaires complexes, notamment la transcription inverse de l’ARN viral, son amplification par PCR et la création d’une bibliothèque en vue d’un séquençage rapide par la technologie Nanopore. L’amplification isotherme médiée par les boucles (réaction LAMP) sera combinée au séquençage par la technique Nanopore pour aboutir à une sorte de test moléculaire rapide fondé sur le séquençage. Les dispositifs conçus dans le cadre du projet pourront être déployés rapidement dans les laboratoires de santé publique, les laboratoires de diagnostic hospitaliers, les laboratoires de génomique et les services de séquençage des universités et du secteur privé lorsqu’il y a éclosion de COVID-19 ou lorsque surgissent d’autres menaces. Ils conviendront aussi à un déploiement là où on en a besoin, y compris dans les régions reculées. L’alliage des technologies PowerBlade et Nanopore pourrait déboucher sur une solution mobile et souple, exploitable aux endroits où les services de génomique sont rudimentaires. On concourrait donc à une plus vaste utilisation du système. Il en découlera un séquençage du génome plus rapide et moins onéreux, mais aussi un séquençage de précision, ce qui facilitera l’identification des variants du SRAS-CoV-2 qui présentent des risques élevés lors des éclosions, en vue d’en informer les responsables de la santé publique.

Les recherches de plus en plus nombreuses sur les avantages liés à la consommation de légumineuses à grain ont suscité un intérêt pour le développement de technologies novatrices qui permettent d’étendre l’utilisation des légumineuses dans les produits alimentaires. Parallèlement, l’incorporation de légumineuses à grain dans les produits alimentaires s’accompagne souvent de défis liés à leur profil sensoriel, notamment les arômes et les saveurs indésirables. Le pois jaune est l’une des principales légumineuses à grains cultivées dans l’Ouest canadien et suscite un intérêt considérable de la part de l’industrie alimentaire. Bien qu’il soit une excellente source de protéines, le pois jaune, comme d’autres légumineuses à grain, pose des problèmes sensoriels liés à son acceptabilité et à sa stabilité dans le temps. La lipoxydase est l’un des principaux responsables des mauvaises odeurs associées aux composés organiques volatils dans les légumineuses. Le projet utilisera une approche « flaveuromique » pour fournir une meilleure compréhension de ces formations de goût indésirable en examinant l’activité de la lipoxydase, les acides gras et le profil des composés organiques volatils de pois jaunes sélectionnés, y compris les fractions traitées, et pour étudier leur association avec leur profil sensoriel.

En chirurgie orthopédique, la robotique réduit passablement le temps que le patient met à se rétablir tout en rendant l’intervention plus efficace, fiable, indépendante et homogène. Malgré ces avantages, des difficultés persistent (coût, sûreté, formation) et devront être surmontées avant que la chirurgie orthopédique assistée par robot (COAR) devienne largement accessible. Le projet recourra à l’approche du jumeau numérique pour réduire le coût de la technologie COAR et rendre la technologie plus sûre. Les simulations informatiques hors ligne et en cours d’intervention occupent une place déterminante dans les systèmes de COAR actuels. On s’efforcera d’améliorer ces simulations en y amalgamant la physique du procédé (à savoir, forces, température, vibrations). Plus précisément, le projet combinera les méthodes qui reposent sur la physique et celles qui sont articulées sur les données pour créer des modèles très fidèles et efficaces de la physique du procédé durant la COAR. Ensuite, ces modèles serviront à créer un logiciel pilote qui aboutira éventuellement au jumeau numérique envisagé.

Faciliter la participation des Autochtones aux dialogues, approfondir le savoir sur les effets cumulatifs et contribuer à une meilleure compréhension des effets du développement des ressources.

Ce projet est surtout associé aux activités de renforcement des capacités et de formation appropriés pour les communautés éloignées et du Nord.

Faciliter la participation des Autochtones aux dialogues, approfondir le savoir sur les effets cumulatifs et contribuer à une meilleure compréhension des effets du développement des ressources.