Mots-Clés

transcriptome, métabolome, analyse différentielle, stress multiples

Description

Intégration de données transcriptomiques et métabolomiques pour l'étude de la réponse aux stress multiples.

Nous avons réalisé deux expériences transcriptomiques et métabolomiques avec plus de 10 réplicats par condition biologique:
(i) l'une pour étudier un stress azote léger dans des conditions contrôlées et
(ii) l'autre pour étudier la combinaison de deux stress : CO2 et chaleur.
Le nombre de réplicats important augmente significativement la puissance de l'analyse et doit faciliter l'interprétation et l'intégration des données transcriptomiques et métabolomiques [1]. Au-delà de la pertinence biologique de ces jeux de données dans le contexte du changement climatique et de la réduction des intrants en agriculture, nous souhaitons utiliser ces jeux de données pour quantifier efficacement dans quelle mesure l’impact des stress combinés est différent de la somme des impacts des stress simples et évaluer dans quelle mesure il est possible de prédire les acteurs de la réponse aux stress combinés à partir des stress simples.

Pour initier cette étude nous recherchons un étudiant de master 2 en bioinformatique/biostatistique qui aura pour mission (i) de mettre en place l'analyse différentielle au niveau transcriptomique et métabolomique (avec des outils classiques comme DESeq2 ou Dico-Express [2]) et de participer à l’interprétation biologique des données, et (ii) d'évaluer la robustesse des listes de gènes et métabolites différentiels et l'intersection de ces listes dans des conditions de stress simples et multiples grâce à des techniques de ré-échantillonage (voir [1]).

Le projet est une collaboration interdisciplinaire entre une équipe de bioinformatique et plusieurs équipes de biologie de l'IPS2. Le/la stagiaire sera amené à discuter et présenter ses résultats avec les différentes équipes. Nous avons une très bonne expérience des analyses transcriptomiques et métabolomiques et pourrons aider le stagiaire dans ces choix d'analyse, mais la capacité à travailler de manière indépendante vers des objectifs définis et à résoudre les problèmes de programmation avec les ressources en ligne est essentielle.

Compétences recherchées:
- étudiant en master 2 bioinformatique/biostatistiques
- programmation : R, analyse différentielle (DESeq2, EdgeR...)
- un intérêt pour la biologie et la génomique végétale serait un plus

Durée : 5 à 6 mois entre mars et août 2022.
Rémunération : environ 450 par mois.

[1] Schurch, Nicholas J., et al. "How many biological replicates are needed in an RNA-seq experiment and which differential expression tool should you use?." Rna 22.6 (2016): 839-851.
[2] Lambert, Ilana, et al. "DiCoExpress: a tool to process multifactorial RNAseq experiments from quality controls to co-expression analysis through differential analysis based on contrasts inside GLM models." Plant Methods 16 (2020): 1-10.

IN ENGLISH

We performed two transcriptomic and metabolomic experiments with more than 10 replicates per biological condition:
(i) one to study mild nitrogen stress under controlled conditions and
(ii) the other to study the combination of two stresses: CO2 and heat.
The large number of replicates significantly increases the power of the analysis and should facilitate the interpretation and integration of transcriptomic and metabolomic data [1]. Beyond the biological relevance of these datasets in the context of climate change and reduction of agricultural inputs, we wish to use these datasets to effectively quantify to what extent the impact of combined stresses is different from the sum of the impacts of simple stresses and assess to what extent it is possible to predict the actors of the response to combined stresses from simple stresses.

To initiate this study we are looking for a master 2 student in bioinformatics/biostatistics whose mission will be
(i) to set up the differential analysis at the transcriptomic and metabolomic level (with conventional tools such as DESeq2 or Dico-Express [2]) and to participate in the biological interpretation of the data;
and (ii) to assess the robustness of the lists of differential genes and metabolites and the intersection of these lists under single and multiple stress conditions using resampling techniques (see [1]).

The project is an interdisciplinary collaboration between a bioinformatics team and several IPS2 biology teams. The trainee will have to discuss and present his/her results with the different teams. We have very good experience with transcriptomic and metabolomic analyzes and will be able to assist the trainee in his/her analysis choices, but the ability to work independently towards defined goals and to solve programming problems with online resources is essential.

Skills sought:
- master's student in bioinformatics/biostatistics
- programming: R, differential analysis (DESeq2, EdgeR ...)
- an interest in plant biology and genomics would be a plus