Mots-Clés

Spatial transcriptomique Hétérogénéité tumorale Déconvolution du signal Bioinformatique Cancer.

Description

Contexte et Importance :  La diversité cellulaire au sein des tumeurs influence la progression tumorale ainsi que la réponse aux thérapies, rendant l'étude de cette hétérogénéité essentielle pour le développement de stratégies thérapeutiques plus efficaces. Récemment, des avancées technologiques ont permis d'explorer cette hétérogénéité à un niveau encore plus fin grâce à l'étude du contexte spatial des tumeurs. La technologie de transcriptomique spatiale, offre une opportunité unique de cartographier les profils moléculaires des populations cellulaires en fonction de leur localisation au sein des tissus tumoraux.

Nous avons pu observer différentes formes d'hétérogénéité spatiale, qu'elles soient compartimentées ou mélangées, dans les tumeurs du pancréas (collaboration J. Cros, Hôpital Beaujon). Nous formulons l'hypothèse que le contexte spatial pourrait moduler le profil moléculaire d’une même population cellulaire en raison des interactions spécifiques avec les autres types cellulaires environnants.

Objectifs du Stage : Le projet de M2 vise à explorer l’impact du contexte spatial sur les profils moléculaires des populations tumorales. L'étudiant(e) travaillera sur des données de transcriptomique spatiale générées à partir de microdissections préalablement annotées pour le type d’hétérogénéité (compartimenté/pure/mélange) sur une dizaine de cas. L’effectif est réduit car cette technologie récente est encore chère.

Étapes du Stage :

1. Mise en place d’un pipeline d’analyse des données 10X spatiales :
   • Participer à l'implémentation et à l'optimisation d'un pipeline d'analyse pour les données issues de la technologie de transcriptomique spatiale.
2. Identification des types cellulaires présents :
   • Utiliser des méthodes de déconvolution du signal ainsi qu'un atlas de marqueurs mis en place par notre consortium pour identifier les différents types cellulaires présents.
3. Analyse des changements transcriptionnels :
   • Étudier les différences d’expression au sein d'une même population cellulaire en fonction du type d’hétérogénéité spatiale observé.

Profil recherché :

-  Étudiant(e) en Master 2, cursus Université ou Ecole d’ingénieur avec maitrise de la bioinformatique

-  Compétences en programmation scientifique (R, shell, python)

-  Intérêt voire aptitude pour la gestion et l’utilisation des données de type omique

-  Fort intérêt pour les applications biologiques ou médicales

-  Bonne maitrise de l’anglais à l’écrit et à l’oral

-  Bonnes qualités relationnelle et rédactionnelle

-  Capacité à travailler en équipe dans un contexte interdisciplinaire

-  Rigueur et sens de l’organisation

Encadrement : Stage sous la supervision de Yuna Blum en lien étroit avec l’UGA (TIMC MAGe team) et l’Hôpital Beaujon.