Mots-Clés
Lymphome folliculaire, hétérogénéité intra-tumorale, bulk RNA-seq, scRNA-seq, déconvolution, visualisation, pipeline d’analyse
Description
Contexte :
L’équipe Honeycomb de l’unité INSERM U1236 MOBIDIC s’intéresse au rôle du microenvironnement tumoral dans le contexte du lymphome folliculaire. Le lymphome folliculaire résulte de la transformation des lymphocytes B du centre germinatif des ganglions lymphatiques. Il entraîne une multiplication incontrôlée de cellules malignes dans les tissus lymphoïdes, menant à la formation de tumeurs. Ces tumeurs sont dépendantes d’un microenvironnement de soutien dans lequel se trouvent notamment des cellules immunitaires, endothéliales et stromales. Cette forte diversité laisse supposer un réseau d’interactions complexes entre ces différentes populations, interactions dont la caractérisation moléculaire et fonctionnelle fine est cœur des projets de recherche de notre équipe. En effet, l’hétérogénéité intra-tumorale est un facteur clé pouvant influencer la réponse aux thérapies ciblées.
Problématique :
Le bulk RNA-seq est une technique rentable et efficace pour étudier le transcriptome et estimer le niveau d’expression de milliers de gènes dans les échantillons biologiques, sains ou pathologiques. Elle ne permet cependant pas de caractériser l’hétérogénéité cellulaire d’un échantillon, contrairement au single-cell RNA-seq, qui demeure cependant une technique coûteuse et non applicable à des échantillons conservés de façon classique. La déconvolution de données de bulk RNA-seq permet d’estimer les proportions des différentes populations cellulaires présentes dans un échantillon à partir de leurs profils d’expression génique (signatures). Cette information peut être étudiée en tant que facteur pronostique permettant potentiellement de différencier des groupes de patients aux réponses au traitement ou survies différentes.
Objectifs :
La finalité de ce stage est le développement d’un pipeline de déconvolution de données de bulk RNAseq adapté au lymphome folliculaire. Le/la stagiaire aura ainsi pour missions :
1. d’inventorier et/ou de générer les signatures spécifiques des types cellulaires d’intérêt à partir des données de scRNAseq du laboratoire ainsi que de données publiées afin de créer un atlas ;
2. d’établir une revue des méthodes de déconvolution existantes, puis d’identifier a priori les plus prometteuses ou adaptées à notre problématique (2 ou 3 méthodes) ;
3. de développer un pipeline permettant l’application des méthodes choisies ;
4. d’évaluer et de comparer les performances de chaque méthode grâce à une cohorte de validation appropriée, puis d’exploiter ses résultats sur le plan clinique (pronostic) ;
5. de finaliser le pipeline en i) ne retenant que les méthodes performantes, ii) le rendant robuste et facile d’utilisation pour nos biologistes (non bio-informaticiens).
Langage de programmation : R.
Indemnités de stage : gratification selon les grilles de l’INSERM.
Références :
Fowler, N. H., et al. « Role of the Tumor Microenvironment in Mature B-Cell Lymphoid Malignancies ». Haematologica, vol. 101, nᵒ 5, mai 2016, p. 531‑40. https://doi.org/10.3324/haematol.2015.139493.
Jin, Haijing, et Zhandong Liu. « A Benchmark for RNA-Seq Deconvolution Analysis under Dynamic Testing Environments ». Genome Biology, vol. 22, nᵒ 1, décembre 2021, p. 102. https://doi.org/10.1186/s13059-021-02290-6.