Société Française de Bioinformatique

Mots-Clés

transcriptomique spatiale multi-omique mécanismes immunologiques workflow

Description

Développement d’un pipeline bio-informatique pour le traitement de données de transcriptomique spatiale

Laboratoire : CR2TI, UMR1064, Nantes, équipes 4 & 5

Supervision : Richard DANGER et Martin MORIN

Adresse mail
richard.danger@univ-nantes.fr et martin.morin@univ-nantes.fr

Description du Projet
La technologie de transcriptomique spatiale permet aujourd’hui de cartographier l’expression de centaines, voire de milliers, de gènes à l’échelle subcellulaire. Cette méthode permet de caractériser l’hétérogénéité cellulaire dans un contexte spatial tissulaire et ainsi la compréhension des interactions cellulaires in situ. L’approche devient multi-omique en corrélant ces profils d’expression aux images histologiques H&E et aux marquages protéiques, facilitant la segmentation cellulaire. Cependant, l’analyse de ces données en informations biologiques exploitables pour identifier les niches cellulaires associées au tissu reste un enjeu critique.
L’objectif principal du stage est de concevoir et d’implémenter un pipeline bio-informatique robuste et reproductible pour le traitement de données de transcriptomique spatiale issues de l’appareil Xenium (10x Genomics). Les analyses reposeront sur un jeu de données de biopsies rénales de patients transplantés présentant un rejet d’allogreffe et de données publiques. Ces analyses permettront d’identifier les interactions cellulaires impliquées lors de rejet d’allogreffe et améliorer la compréhension des mécanismes immunologiques et moléculaires en jeu.
Le projet s’articule autour de trois axes :
1. Intégration de données : harmonisation des données locales (patients en rejet) avec des jeux de données publics pour augmenter la puissance statistique et valider les signatures cellulaires.
2. Analyse spatiale : segmentation cellulaire, identification des types cellulaires et analyse des interactions de voisinage (niches inflammatoires).
3. Workflow : réalisation d’un workflow reproductible, accessible publiquement (sur gitlab.univ-nantes.fr), et mise en place au sein de l’infrastructure SpOT.

Le développement de ces analyses nécessitera des connaissances en Python (via les librairies comme Squidpy et Scanpy) et R (Seurat). L’implémentation via Snakemake sera réalisée pour garantir la portabilité, la gestion des dépendances (Conda) et la reproductibilité des analyses. Ce stage se déroulera au CR2TI, co-encadré par Richard Danger (équipe 4) et Martin Morin (équipe 5).