Mots-Clés

single-cell, cellules souches hématopoïétiques, analyse de différenciation

Description

Sujet : Projet HémaMoX Analyse single-cell de l’influence du vieillissement sur la différenciation des cellules Hématopoïétiques

 

Encadrants : Elodie Darbo (LaBRI et BRIC), Patricia Thébault (LaBRI), Raluca Uricaru (LaBRI)

 

L’efficacité de notre système immunitaire repose en grande partie sur la capacité de régénération des cellules sanguines au cours de notre vie. Cette régénération est un processus biologique complexe, mettant en jeu de nombreuses régulations génétiques et épigénétiques pour contrôler la spécialisation des cellules souches hématopoïétiques, permettre leur auto-renouvellement, et maintenir une population suffisante de chaque type de cellule immunitaire. Bien que central et impactant notre résistance à des maladies comme le cancer, les mécanismes biologiques régissant le maintien de notre système immunitaire sont encore mal connus.

Dans ce projet nous visons à proposer de nouvelles hypothèses biologiques sur la régulation de la différenciation des cellules du sang. Des expérimentations, récemment conduites au BRIC par l’équipe du Dr. Sawai, ont permis de mesurer l’évolution de l’expression des gènes à différents stades de l’hématopoïèse chez la souris, et de mettre en avant la diminution de la régénération du système immunitaire avec le vieillissement.

Avec l’objectif d’identifier des corrélations et causalités reliant certains gènes à des phénotypes d’intérêt au niveau cellulaire, les données de cellule unique (single cell RNA-seq et CITE-seq) produites feront l'objet d'une analyse bioinformatique permettant de définir des
sous-populations de types cellulaires à l'aide de méthodes de clustering non supervisées.  L’analyse comparative de ces groupes de cellules permettra d'identifier des changements significatifs dans l'expression, mettant ainsi en évidence des gènes marqueurs essentiels pour chaque groupe de cellules.

Compte tenu de la taille des données, de leur niveau élevé de bruit et de leur dispersion, de la variété des stratégies pouvant être utilisées pour identifier les groupes de cellules et leurs transitions, ainsi que de la difficulté de l'interprétation biologique, l’étape d’analyse et de clustering des données omiques de cellule unique (scRNA-seq et CITE-seq) produites par l’équipe du Dr. Sawai du BRIC est cruciale pour la suite du projet. Concrètement, de nombreux outils de clustering de scRNA-seq existants [Yu, 2022] seront testés, certains basés sur des méthodes génériques (k-means ou clustering hiérarchique), et d'autres sur la détection de communautés à partir de graphes de similarité entre les cellules, éventuellement après avoir appliqué une étape de réduction de dimension. Dans ce projet, forts de l’expertise dans l’analyse de données omiques de l’équipe BKB du LaBRI, plusieurs stratégies seront évaluées afin de mettre en place un pipeline bioinformatique utilisant les langages R et/ou python. Pour augmenter la puissance statistique de notre étude, les données produites par Catherine Sawai et son équipe à partir de cellules souches hématopoïétiques, seront enrichies avec des jeux de données issues du Consortium Tabula Muris [Almanzar, 2020] et de l'étude sur le compartiment HSC [Kirschner, 2017].

 

[Almanzar N. et al.] A single-cell transcriptomic atlas characterizes ageing tissues in the mouse. Nature, 2020.

[Kirschner K et al.] Proliferation Drives Aging-Related Functional Decline in a Subpopulation of the Hematopoietic Stem Cell Compartment. Cell Rep., 2017.

[Yu L. et al.] Benchmarking clustering algorithms on estimating the number of cell types from single-cell RNA-sequencing data. Genome Biol, 2022.

 

Localisation

Ce stage de recherche en bioinformatique se déroulera au sein du Laboratoire Bordelais de Recherche en Informatique (LaBRI), et plus précisément dans l’équipe BKB (Bench to Knowledge and Beyond : https://www.labri.fr/bench-knowledge-and-beyond) dont les travaux sont centrés sur l’analyse de données (biologiques) massives.

 

Profil recherché

Étudiant(e) en Master 2 Bioinformatique, vous disposez des compétences suivantes :

● Connaissances en (bio)statistique et biologie

● Maîtrise des langages R et/ou python

● Motivation pour évoluer dans un environnement pluridisciplinaire

● Rigueur et esprit de synthèse, capacité à travailler en équipe.

 

Mails

Elodie Darbo <elodie.darbo@u-bordeaux.fr>

Patricia Thébault <patricia.thebault@u-bordeaux.fr>

Raluca Uricaru <raluca.uricaru@u-bordeaux.fr>