Mots-Clés

Cancer pédiatrique Transcriptomique Single-cell Réseau de régulation ARN-non codants Déconvolution

Description

Identification de réseaux circRNA-miRNA-mRNA et analyse single-cell pour mieux comprendre l’hétérogénéité et la résistance au traitement dans la leucémie aiguë lymphoblastique pédiatrique

Contexte du projet

La leucémie aiguë lymphoblastique B (B-ALL) est le cancer pédiatrique le plus fréquent. Elle regroupe une grande diversité de sous-types moléculaires, définis par des altérations génétiques distinctes (fusions géniques, aneuploïdies, mutations) qui influencent le phénotype clinique, la réponse au traitement et le risque de rechute.
Les ARN non codants (ncRNA), en particulier les ARN circulaires (circRNA), participent à la régulation fine des programmes d’expression génique et représentent des candidats prometteurs comme biomarqueurs précoces de réponse thérapeutique et de rechute.
Nous avons généré un jeu de données RNA-seq unique (70 patients B-ALL pédiatriques) incluant à la fois des profils circRNA et mRNA. Ce projet vise à combiner l’analyse de ce jeu de données avec cirscan (Fraboulet et al, 2024), une méthode que nous avons développée permettant d’identifier à grande échelle des réseaux de régulation circRNA-miRNA-mRNA à partir de données transcriptomiques, ainsi que de données single-cell RNA-seq générées dans les B-ALL issues de la littérature.
Ces approches permettront de mieux décrypter les réseaux de ncRNA impliqués dans la diversité moléculaire et cellulaire des B-ALL et leur résistance au traitement.

Objectifs du stage

1. Exploration des signatures codantes et non codantes associées aux sous-types de B-ALL
   o Identifier les gènes et circRNA différentiellement exprimés entre sous-types moléculaires à partir des données RNA-seq de la cohorte (70 patients).
   o Décrire les profils d’expression associés aux altérations génétiques majeures et à la réponse initiale au traitement.
2. Identification de réseaux circRNA-miRNA-mRNA associés à la réponse au traitement
   o Appliquer cirscan pour inférer les réseaux d’interactions circRNA-miRNA-mRNA associés à la réponse au traitement et au risque de rechute.
   o Identifier et prioriser les mécanismes majeurs de régulation impliquant des circRNA pour de futures validations expérimentales.
3. Exploitation de données single-cell RNA-seq pour une caractérisation plus fine
   o Réaliser la déconvolution cellulaire des données bulk RNA-seq de la cohorte ReALLCD9 à partir de signatures dérivées d’études single-cell pédiatriques (Nature Communications, 2025).
   o Relier les sous-réseaux circRNA-miRNA-mRNA à des types cellulaires spécifiques et inférer leurs impacts fonctionnels à l’échelle cellulaire.

Profil recherché

• Étudiant·e en M2 bioinformatique, biologie computationnelle ou data science appliquée à la biologie
• Compétences souhaitées :
o Analyse de données omiques (RNA-seq, single-cell)
o Maîtrise de R (tidyverse, DESeq2, limma, Seurat, etc.)
o Utilisation d’un cluster de calcul
o Connaissances de base en biologie moléculaire et en cancérologie
• Qualités : rigueur, curiosité, autonomie, bon niveau d’anglais scientifique, goût pour le travail interdisciplinaire

Encadrement :

• Yuna Blum (Chargée de recherche CNRS - bioinformatique et biologie computationnelle, GEO/BINGO)
• Dr. Frédéric Mazurier (Directeur de recherche INSERM - expert en hématologie et leucémies, GEO)

Informations pratiques

• Durée : 6 mois
• Début : Janvier (flexible selon calendrier universitaire)
• Lieu : Equipe GEO - IGDR - Université de Rennes (Campus Santé de Villejean)
• Gratification : selon la réglementation en vigueur
• Contacts :
o yuna.blum@univ-rennes.fr
o frederic.mazurier@inserm.fr