Mots-Clés

Multi‑omiques Single‑cell RNA‑seq Déconvolution Intégration de données Lipidomique Métabolomique Obésité Tissu adipeux Maladies cardiométaboliques

Description

Contexte et intérêt biologique

L’obésité favorise l’apparition du diabète de type 2 et des maladies cardiovasculaires, enjeux majeurs de santé publique. Certains nutriments – dont l’acide oléique, composant central du régime méditerranéen – exercent toutefois des effets protecteurs. Nos résultats montrent que l’acide oléique alimentaire limite la prise de poids, améliore la sensibilité à l’insuline et préserve l’homéostasie du tissu adipeux blanc (White Adipose Tissue, WAT) dans un modèle préclinique murin d’obésité. La question centrale est de comprendre quels mécanismes cellulaires et moléculaires sous‑tendent ces effets protecteurs. Nous avons généré des jeux de données omiques (RNAseq, lipidomique, métabolomique, protéomique) sur le tissu adipeux blanc de notre modèle murin dont l’analyse et l’intégration éclairera les mécanismes en jeu.

Approche scientifique

• Dynamiques cellulaires du WAT (question : “quelles populations cellulaires changent ?”)
  Déconvolution de données bulk RNA-seq à l’aide de références single-cell publiques (par ex. outils BisqueRNA, MuSiC) pour estimer la composition cellulaire et identifier celles modulées par l’oléate.

• Voies moléculaires impliquées (question : “quels programmes biologiques s’activent ou s’éteignent ?”)
  Analyses différentielles et fonctionnelles de chaque modalité (transcriptome, lipidome, métabolome, protéome) afin de mettre en évidence des signatures spécifiques.

• Intégration multi-omique (question : “comment relier les différents niveaux pour comprendre l’effet global de l’oléate ?”)
  Utilisation d’approches d’intégration (par ex. MOFA) pour identifier des facteurs latents reliant les données transcriptomiques, lipidiques et métaboliques, et formuler des hypothèses mécanistiques expliquant la protection conférée par l’oléate.

Profil recherché

• Étudiant·e en M2 bioinformatique, biologie computationnelle ou data science
• Compétences en analyse de données omiques et en R
• Intérêt pour la single-cell, la multi-omique et les applications biomédicales
• Bon niveau d’anglais scientifique
• Rigueur, autonomie, capacité à travailler en équipe interdisciplinaire

Encadrement et lieu

• Laboratoires : U1087 Institut du Thorax – Équipe IV (Nantes) & U6290 Institut de Génétique et de Développement de Rennes – Équipe GEO (Rennes)
• Encadrants : Simon Ducheix (Inserm) & Yuna Blum (CNRS)
• Lieu principal : Nantes (Institut du Thorax), avec réunions régulières (présentiel ou visioconférence) avec Rennes