Mots-Clés

multiomics single-cell tumor resistance cancer data integration whole genome sequencing

Description

Contexte

Le Centre de Recherche en Cancérologie et Immunologie Intégrée Nantes Angers (CRCI2NA), INSERM UMR 1307- CNRS UMR 6075 - Nantes Université - Université d’Angers est composé de 12 équipes de recherche dédiées à l’analyse des tumeurs en tant qu’écosystèmes composés de types cellulaires distincts, liés par des relations de coopération ou de compétition. Le projet global du CRCI²NA est d’explorer les interactions et les changements dynamiques des écosystèmes tumoraux au cours de la progression tumorale et de la réponse aux traitements de manière à mieux classer, comprendre et traiter les cancers.

L’équipe Integrated Cancer Genomics (ICAGEN, équipe 8) est composée essentiellement de biologistes computationnel·le·s, bioinformaticien·ne·s et technicien·ne·s. Son objectif est de disséquer les mécanismes (épi)génétiques sous-jacents à la résistance aux traitements dans le myélome multiple en intégrant des données de séquençage génomiques, épigénomiques et transcriptomiques (bulk et single-cell). Elle bénéficie pour cela d’un contexte de recherche privilégié qui comprend 1) un accès à des prélèvements séquentiels de patients traités au CHU de Nantes, 2) des capacités internes de séquençage et d’analyse, et 3) des données cliniques détaillées incluant lignes de traitements et réponses.

Ce stage de Master (M1 ou M2) est financé dans le cadre du Labex SysMics (Towards Systems medicine based on multi-oMics) pour une durée de 6 mois et sera co-encadré par deux bioinformaticien·ne·s de l’équipe. Il pourra être effectué entre septembre 2025 et juin 2026 en fonction des disponibilités du ou de la candidate et des spécificités de sa formation.

Sujet du stage

Le myélome multiple est l’un des cancers hématologiques les plus fréquents, caractérisé par une forte hétérogénéité intra-tumorale et un pronostic défavorable. Il demeure incurable, avec des rechutes systématiques malgré l’essor récent des immunothérapies (lymphocytes T modifiés génétiquement, anticorps bi-spécifiques…).

Ce stage en bioinformatique fait suite au développement d’une approche originale multi-modale et intégrative (génome, transcriptome et épigénome) pour reconstruire l’histoire évolutive de chaque tumeur d’une cohorte de 38 patients aux histoires thérapeutiques diverses. Elle s’est notamment révélée efficace chez 3 de ces patients pour identifier des mécanismes de résistance à un anticorps bi-spécifique ciblant GPRC5D (talquetamab). Le projet du stage sera d’exploiter l’intégralité des données issues de ces analyses pour révéler d’autres mécanismes de résistance associés à un panel plus large de traitements, en particulier via le suivi longitudinal des patients.

Références en lien avec le projet

• Acquired Resistance to a GPRC5D-Directed T-Cell Engager in Multiple Myeloma Is Mediated by Genetic or Epigenetic Target Inactivation.
  Derrien, et al. Nature Cancer 4, no 11 (novembre 2023): 1536‑43.
• (Poster) Integrative Bulk and Single-Cell Multiomic Framework for Tracing (Sub)clonal Evolution in Multiple Myeloma.
  Nils Giordano, Marie Denoulet, et al. Journées Ouvertes en Biologie, Informatique et Mathématiques (JOBIM 2025), Jul 2025, Bordeaux, France. ⟨hal-05118693⟩
• (Poster) Detection of Somatic Copy Number Alterations from Single-cell Multiomics Data With the R Package muscadet.
  Marie Denoulet, Nils Giordano, et al. Journées Ouvertes en Biologie, Informatique et Mathématiques (JOBIM 2025), Jul 2025, Bordeaux, France. ⟨hal-05150254⟩

Missions

En fonction de ses compétences et/ou intérêts, la ou le stagiaire pourra être amené à :

1. corréler les dynamiques évolutives de chaque tumeur en réponse aux lignes de traitements reçues,
2. détecter des signatures d’altérations (épi)génétiques résiduelles et prédictives de la réponse thérapeutique,
3. évaluer le rôle de la sous-clonalité dans l’émergence de ces nouvelles résistances.

Ces missions impliqueront le développement ou la modification de pipelines et de scripts d’analyses bioinformatiques, en utilisant notamment Git, Conda, Snakemake, Bash, et R, le tout sous un environnement de type UNIX (MacOS et/ou Linux).

Profil et compétences recherchées

• Étudiante ou étudiant en M1 ou M2 bioinformatique, biostatistique, data science, biologie computationnelle ou formation équivalente
• Maîtrise de la ligne de commande pour soumission de calculs sur serveur et d’au moins un langage de script (R, Python, Julia…)
• Des connaissances en analyse de données transcriptomiques et/ou single-cell RNA-seq seraient un plus
• Capacité à travailler en équipe dans un environnement collaboratif
• Goût pour la valorisation et la présentation des résultats scientifiques lors de séminaires d’équipe
• Capacité à communiquer en Français et en Anglais (oral et écrit)