Mots-Clés

Machine Learning, Single cell RNAseq, communication intercellulaire

Description

Titre : Apprentissage  machine  pour  l’analyse  de  la  communication intercellulaire à partir de données transcriptomiques sur cellules uniques « Single Cell ».  
 
Contexte
La radiobiologie est l'étude des effets biologiques des rayonnements sur le vivant. Une des missions de l’IRSN 
est de développer des programmes de recherche afin de comprendre les effets biologiques des rayonnements 
ionisants (RI) dans le cadre de leur utilisation dans le domaine médical et notamment la radiothérapie. 
Dans le But de mieux comprendre et de modéliser la réponse moléculaire des cellules endothéliales (cellules 
qui tapissent la surface des vaisseaux sanguins) à l'irradiation, le service de recherche en radiobiologie et en 
médecine régénérative (SERAMED) de l’IRSN a récemment mis en place une technique de séquençage sur 
cellule unique «single cell RNA seq ». L’intérêt fondamental de cette approche est de connaitre l'hétérogénéité 
de la réponse cellulaire aux RI et d’identifier les signatures moléculaires des sous-populations cellulaires.  
Le volume de données  en présence est  important nécessitant  alors une forte  réduction dimensionnelle pour 
visualiser l’information biologique.  
 
Missions
Le stage proposé vise à mobiliser un ensemble d’outils de réduction dimensionnelle et d’apprentissage adapté 
à  la  très  grande  dimensionnalité  des  données  en  présence.  Les  différentes  techniques  d’analyses  seront 
conduites  sur  une  base  de  données  récemment  acquise  regroupant  plusieurs  conditions  expérimentales. 
L’étudiant(e) se familiarisera tout d’abord avec les techniques de normalisation et de réduction dimensionnelle 
classiquement utilisées dans ce contexte : ACP, t-SNE et UMAP. 
Ces  premières  analyses  permettront  de  mettre  en  évidence  les  différents  types  cellulaires  qui  constituent  le 
tissu  complexe  et  en  étudier  le  profil  transcriptomique  après  exposition  aux  radiations.  Il  s’agira  par  la  suite 
d’étudier la communication entre ces divers types de cellules et en comparer les différences selon  certaines  
conditions  d’irradiations. Les résultats obtenus seront par la suite interprétés biologiquement à l’aide d’outils 
bioinformatiques spécifiques.  
 
Intérêt du stage
Ce stage permettra à l’étudiant d’acquérir de solides connaissances en statistique et en apprentissage machine 
dans un contexte d’analyse de données à grande dimension (big data) à fort développement méthodologique 
actuellement.