Mots-Clés

Déconvolution RNAseq Embryon Intestin

Description

Contexte socio-économique et scientifique :

En France, 15% des couples consultent pour des problèmes d'infertilité. Cependant, le taux de réussite varie et stagne autour de 20 à 30 % par cycle. Améliorer l'efficacité des procédures de FIV est un enjeu médical et sociétal majeur pour assurer une grossesse en bonne santé et augmenter le taux de naissances vivantes des couples infertiles. Un gain important qui peut être réalisé au niveau de l'embryon in vitro. Les milieux de culture utilisés sont principalement basés sur les connaissances acquises en culture cellulaire et en modèle murin. Il est crucial comprendre les événements moléculaires à l'origine du développement préimplantatoire afin de fournir les meilleures conditions de culture aux embryons humains. Concernant l'évaluation de la qualité des embryons, des méthodes prédictives de qualité non invasives, pertinentes, rapides et bon marché seraient extrêmement utiles. Plusieurs études ont rapporté une association entre les marqueurs morphocinétiques time lapse et le potentiel d'implantation, mais avec une précision encore perfectible. Dans ce contexte, les travaux en cours sur l'intelligence artificielle et les approches d'analyse d'images/vision par ordinateur pourraient permettre de faire avancer les choses et d'améliorer la pertinence clinique des données en time lapse1,2. Enfin, plusieurs expériences de protéomique3 dans les milieux de culture ont été rapportées au cours des 15 dernières années, mais avec une pertinence et des succès limités jusqu'à présent. Les 2 principales raisons à cela pourraient être : premièrement que les approches exploratoires et non supervisées sont très difficiles en protéomique; et deuxièmement, la plupart des études n'ont pas utilisé de méthodes MS ultrasensibles ciblées de dernière génération permettant l'identification et la mesure de la concentration avec un niveau de confiance élevé.

Sujet et objectif:

Le scRNAseq permet d’étudier l’hétérogénéité des échantillons biologiques et de générer des atlas des types et états cellulaires qui les composent. A l’inverse, des approches en séquençage d’ARN bulk, en particulier le DGEseq, permet l’analyse de nombreux échantillons avec des coûts maitrisés.

Néanmoins, ce dernier ne reflète pas l’hétérogénéité cellulaire au sein de l’échantillon. Il est possible d’inférer les proportions cellulaires contenues dans les échantillons séquencés en « bulk » en utilisant des algorithmes de déconvolution, entrainés sur des jeux de données scRNAseq existants.

L’objectif du stage est de mettre en place une technique de déconvolution et de la tester dans deux tissus différents, l'embryon et l’intestin humain. Le candidat réalisera la mise en place des environnements de déconvolution CyberSoft, scaden sur R et Python; la création des objets (datasets disponibles à TENS et au CR2TI); et l’analyse et performance de déconvolution des routines choisies.

La mise en place de cette méthode d’analyse permettra de prédire l’hétérogénéité cellulaire sur les échantillons issue de séquençage « bulk ».