Mots-Clés

Bioinformatique, biologie systémique (i.e. approche globale), cancer, microARN, séquençage cellule unique, "benchmark"

Description

Validation d’algorithmes de prédiction de cibles de microARN à partir de données « single cell miRNA-seq »

Les microARN sont de petits ARN d’une vingtaine de nucléotides. Ils sont des régulateurs majeurs de l’expression des gènes codants pour les protéines appelé « cibles » de ces microARN. Ils peuvent donc agir sur les voies de signalisations de protéines (en les réprimant principalement). A ce titre, les microARN ont été montrés comme impliqué dans plusieurs étapes de la cancérogénèse.

Depuis une dizaine d’années, le séquençage d’ARN à l’échelle de la cellule unique a permis de mieux caractériser les tumeurs. Ainsi, plusieurs jeux de données publiques existent. Pour les microARN, la technique est récente et difficile à mettre en œuvre, mais il existe quelques jeux de données de co-séquençage.

L’objectif du projet est d’utiliser de façon astucieuse ces quelques jeux de données pour évaluer les performances de différentes techniques de prédiction de cibles. Suivant les goûts et l’aisance du stagiaire, un développement méthodologique de tests statistiques pourra être envisagé.

L’environnement de recherche consiste en une petite équipe, dynamique, constituée à la fois de biologistes et de bioinformaticiens. Le stage sera encadré par un bioinformaticien « senior » et co-encadré par une doctorante en bioinformatique.

Encadrants : Laurent Guyon ; laurent.guyon@cea.fr et Louise Velut ; louise.velut@cea.fr (contacts email)

Mots clés : Bioinformatique, biologie systémique (i.e. approche globale), cancer, microARN, séquençage cellule unique.

Niveau requis : Etudiant en M1/M2 ou école d’ingénieur, une connaissance des outils informatique (R idéalement) et un intérêt pour la recherche fondamentale sur le cancer. L’étudiant perçoit une gratification.

Durée : 4-6 mois

3 références de l’équipe d’accueil :

1. Giroux, P., Bhajun, R., Segard, S., Picquenot, C., Charavay, C., Desquilles, L., ... & Guyon, L. (2020). miRViz: a novel webserver application to visualize and interpret microRNA datasets. Nucleic Acids Research. (lien)

2. Jardillier, R., Koca, D., Chatelain, F., & Guyon, L. (2022). Optimal microRNA sequencing depth to predict cancer patient survival with random forest and cox models. Genes. (lien)

3. Reda El Sayed, S., Cristante, J., Guyon, L., Denis, J., Chabre, O., & Cherradi, N. (2021). MicroRNA therapeutics in cancer: current advances and challenges. Cancers, 13(11), 2680. (lien)