Société Française de Bioinformatique

Mots-Clés

Single-Cell RNA-seq Transcriptomique spatiale Imputation Voisinage cellulaire (« Neighborhood Analysis »)

Description

Contexte
La toxicité digestive radio-induite est une préoccupation clinique majeure, touchant de nombreux patients traités par radiothérapie pour des tumeurs abdomino-pelviennes. Ces lésions résultent de processus complexes impliquant différents types cellulaires interagissant dans une séquence temporelle précise.
Comprendre l’ensemble des événements cellulaires et des réseaux de communication contribuant à la pathogenèse des lésions digestives radio-induites, à partir de modèles murins précliniques, est essentiel pour identifier de nouvelles cibles thérapeutiques. L’étude de la communication intercellulaire et de l’organisation spatiale des cellules digestives constitue donc une étape clé pour décrypter la réponse des tissus au stress radio-induit.

Objectifs
L’objectif du stage est d’analyser et d’intégrer des données de transcriptomique spatiale et scRNA-seq afin de quantifier les voisinages cellulaires et de décrypter les réseaux de communication impliqués dans les lésions digestives radio-induites. Deux processus majeurs dans l’induction de la pathologie radio-induite seront étudiés :

• La réponse inflammatoire, caractérisée par la formation de nodules lymphoïdes en bordure d’ulcère colique, où cellules immunitaires et stromales interagissent et pourraient être à l’origine de la persistance de la pathologie radio-induite.
• La cicatrisation épithéliale, à travers l’analyse de la niche des cellules épithéliales pour identifier les cellules et molécules impliquées dans la persistance des lésions.
  L’approche bioinformatique inclura des méthodes de « neighborhood analysis » et d’imputation afin de mieux comprendre les mécanismes cellulaires et moléculaires responsables de la pathologie radio-induite.

Données
Le stage s’appuie sur des jeux de données déjà obtenues au laboratoire à la fois 1) de transcriptomique spatiale (MERFISH), technologie basée sur l’imagerie et l’hybridation in situ (panel de 300 gènes) et 2) de jeux de données single-cell RNA-seq murin couvrant l’ensemble du transcriptome est disponible. L’intégration de ces jeux de données permettra d’associer l’information spatiale obtenue par MERFISH avec les profils d’expression obtenus par single-cell RNA-seq. Ces données ont été générées à partir d’un modèle de souris irradiées localement au niveau de la zone colorectale par une dose unique de 26 Gy ou des doses fractionnées (3 × 15 Gy), reproduisant des lésions aiguës (2 semaines post-irradiation) et tardives (12 semaines post-irradiation), comparables à celles observées chez les patients qui développent des séquelles sévères après radiothérapie.

Travail demandé

• « Neighborhood analysis » : quantification des voisinages cellulaires, identification des niches, visualisation, clustering et mise en évidence des structures associées aux processus inflammatoires et à la cicatrisation épithéliale.
• Imputation : enrichissement des données de transcriptomique spatiale (MERFISH) avec l’expression transcriptomique complète (scRNA-seq) pour l’analyse des interactions cellule-cellule.

Profil souhaité

• Maitrise des langages R et Python
• Analyse de données single-cell RNA-seq et transcriptomique spatiale
• Des notions en Machine Learning et Deep Learning pour comprendre les algorithmes d’imputation et de voisinage seraient un plus