Mots-Clés

single cell RNAseq analyse de données R

Description

Analyse de données de séquençage en « noyau unique »

pour comprendre l’effet de signaux bactériens sur le fonctionnement
de la racine d’une plante légumineuse modèle**

Contexte :

Les plantes sont des organismes sessiles dont le système racinaire, important pour leur
ancrage et leur nutrition, présente un développement très plastique qui leur permet de
s’adapter à un environnement changeant. Par exemple, les racines de la plante modèle
Medicago truncatula peuvent modifier leur développement en réponse à des signaux produits
par des bactéries et des champignons du sol. L’équipe de S. Bensmihen (LIPME) cherche à
comprendre comment ces signaux microbiens peuvent influencer le développement racinaire
de la plante et, particulièrement, comment ces signaux perçus à la surface des racines peuvent
réguler l’activité et le devenir de différents tissus de la plante. Pour cela, l’équipe a récemment
acquis un grand jeu de données transcriptomiques au niveau « noyau unique » (4 traitements,
2 fonds génétiques de plante et 2 réplicats biologiques, plus de 100000 noyaux en tout).
Le but du stage vise à analyser les données par l’utilisation de différentes méthodes de
bioinformatiques et biostatistiques, afin de répondre à la question biologique et notamment
de rechercher des gènes répondant de manière différentielle entre les génotypes et/ ou les
traitements simples ou combinés. Ces résultats pourront être comparés à ceux obtenus par
l’équipe de S. Bensmihen lors de l’analyse de données de bulk RNA-seq.

Objectifs du stage :

• Il faudra tout d’abord se familiariser avec les données d’expression disponibles et
reprendre les premières analyses faites à l’aide du package Seurat lors de projets
d’étudiants de la spécialité Mathématiques appliquées de l’INSA Toulouse.
• Il faudra ensuite approfondir l’analyse différentielle pour pouvoir comparer l’effet des
traitements et/ou des différents fonds génétiques (dont l’un ne peut plus percevoir les
signaux microbiens) sur la réponse génique. Ce point nécessitera de tester différentes
méthodes d’analyse différentielle déjà disponibles sous forme de packages R ou en
python, voire de tester des méthodes de classification supervisée.
• Durant ce stage, les analyses seront effectuées avec le logiciel R ou en python. Des
scripts et des outils de visualisation/exploitation des résultats seront produits pour
assurer la reproductibilité des résultats et aider l’équipe de S. Bensmihen. Des bilans
d’analyse seront produits en Rmarkdown ou quarto.

Encadrantes :

Sandra Bensmihen
DR CNRS, LIPME, Auzeville-Tolosane
sandra.bensmihen@inrae.fr

Cathy Maugis-Rabusseau
INSA Toulouse / IMT
Plateforme Genotoul Biostat
cathy.maugis@insa-toulouse.fr

L’étudiant-e bénéficiera d’un environnement pluridisciplinaire entre biologie et biostatistique
au sein des laboratoires du LIPME et de l’IMT.

Compétences attendues :

• De bonnes compétences en programmation R et des connaissances en python
• Une appétence pour les applications à la biologie et les gros jeux de données

Conditions du stage :

• Durée du stage : 4 à 6 mois
• Gratification de stage selon les règles en vigueur
• Localisation : L’étudiant.e partagera son temps de travail entre le LIPME (campus
INRAE, Auzeville) et l’Institut de Mathématiques de Toulouse (campus INSA Toulouse,
GMM)

Candidature :

Veuillez envoyer un email contenant votre CV et une lettre de motivation aux deux
encadrantes citées ci-dessus, en indiquant dans l’objet « Candidature Stage scRNAseq LIPME-
IMT ».