Mots-Clés
modélisation
stochastique
cancer
résistance
sélection
Description
Intitulé du stage : Mesure de la sélection dans des données (simulées & réelles) de séquençage avant et après traitement.
Type de stage : L3 / M1 / M2 / (4 à 6 mois)
Responsable : Céline Bonnet (ENS Lyon) ; Pierre Martinez (CRCL)
Coordonnées : celine.bonnet@ens-lyon.fr ; pierre.martinez@lyon.unicancer.fr
Site web : https://perso.ens-lyon.fr/celine.bonnet/ ; https://pierremartinez.github.io/
Sujet du stage
Les données de séquençage ADN permettent d’étudier la répartition des mutations dans les population cellulaires de tout type, ce qui peut permettre d’appréhender leur dynamique évolutive sous-jacente1. Toutefois, il n’existe pas de moyen de robuste pour quantifier précisément la sélection opérant entre deux échantillons avant et après traitement sur ces données. Dans cette optique, le laboratoire étudie l’utilisation de diverses métriques (nombre de mutations apparues/disparues, caractéristiques de la distribution des fréquences mutationnelles2, indices de diversité..) à même de refléter la sélection à l’œuvre dans le temps séparant deux échantillons avant et après traitement. Le but est de déterminer la plus fiable, tant dans des données réelles à forte pertinence biologique (barcodées3 afin de suivre plus précisément la diversité de la population), que dans des données simulées où la force de la sélection est connue.
Le stage intègre le versant modélisation et simulation du projet, notamment sur l’amélioration et l’utilisation des outils de modélisation stochastique de l’équipe (processus de naissance/mort avec structure d’âge, appelé processus de Bellman Harris4). Les objectifs sont :
- Simuler des populations croissant jusqu’à une taille maximale, puis décroissant sous traitement ;
- Générer des données de séquençage synthétique avant et après traitement pour chaque réalisation du modèle ;
- Evaluer la performance de différentes métriques mesurables sur les paires de séquençages synthétiques pour estimer la force de la sélection ayant opéré.
Compétences requises
Bonnes compétences de programmation, en langage python de préférence. Notions de modélisation stochastique. Bonne communication afin d’interagir efficacement avec les différents profils des membres de l’équipe. Notions de biologie souhaitables mais pas obligatoires.
Informations complémentaires
L’offre de stage s’adresse aux étudiants de L3 à Master 2, pour une durée de 4 à 6 mois, avec gratification (~580 euros par mois, remboursement partiel des titres de transport). Le stage se déroulera à l’ENS de Lyon et au CRCL, sous la direction de Céline Bonnet (mathématicienne, Inria) et Pierre Martinez (bioinformaticien, Inserm). L’équipe et ses collaborateurs (médecins, mathématiciens, biologistes, bioinformaticiens) forment un environnement hautement pluridisciplinaire. N’hésitez pas à contacter les encadrants pour toute question. Dates de début/fin du stage flexibles en fonction de la scolarité.
Références
1. Williams, M. J., Werner, B., Heide, T., Curtis, C., Barnes, C. P., Sottoriva, A. et al. Quantification of subclonal selection in cancer from bulk sequencing data. Nat. Genet. 50, 895–903 (2018).
2. Williams, M. J., Werner, B., Barnes, C. P., Graham, T. A. & Sottoriva, A. Identification of neutral tumor evolution across cancer types. Nat. Genet. 48, 238–244 (2016).
3. Acar, A., Nichol, D., Fernandez-Mateos, J., Cresswell, G. D., Barozzi, I., Hong, S. P. et al. Exploiting evolutionary steering to induce collateral drug sensitivity in cancer. Nat. Commun. 2020 111 11, 1–14 (2020).
4. Harris, T. E. The Theory of Branching Processes. (Springer, 1963).