Signatures TCR des réponses immunes dans les pathologies auto-immunes et les infections

TCR signatures of immune responses in autoimmune diseases and infections

• Auteur / Autrice : Pierre Barennes
• Direction : David Klatzmann, Maria de la Encarnacion Mariotti-Ferrandiz
• Type : Thèse de doctorat
• Discipline(s) : Biothérapies et biotechnologies
• Date : Soutenance le 26/09/2022
• Etablissement(s) : Université Paris Cité
• Ecole(s) doctorale(s) : École doctorale Hématologie, oncogenèse et biothérapies (Paris ; 2014-....)
• Partenaire(s) de recherche : Laboratoire : Immunologie, immunopathologie, immunothérapie (Paris ; 2009-....)
• Jury : Président / Présidente : Jérémie Sellam
• Jury : Examinateurs / Examinatrices : Jérémie Sellam, Aleksandra Walczak, Laurent Chiche, Benjamin Terrier
• Jury : Rapporteurs / Rapporteuses : Aleksandra Walczak, Laurent Chiche

Mots clés

Mots clés contrôlés

Gènes du récepteur des cellules T

Marqueurs biologiques

Réponse immunitaire

Maladies autoimmunes

Mots clés libres

Immunité adaptative

Répertoire TCR

Biomarqueurs

Maladies auto-Immunes

Sars-CoV-2

Adaptive immunity

TCR repertoire

Biomarkers

Autoimmunes diseases

Sars-CoV-2

Résumé

Les lymphocytes T représentent les cellules immunitaires centrale du système immunitaire adaptatif se distinguant en deux populations majeures : les cellules T effectrices (Teffs), auxillaires ou cytotoxiques, ayant un rôle pro-inflammatoire, contribuant à l'élimination des pathogènes en contexte infectieux et responsables des atteintes tissulaires dans le contexte des maladies auto-immunes (MAI) ; les cellules T régulatrices (Tregs) ayant un rôle anti-inflammatoire sur la réponse Teffs, permettant le contrôle des désordres auto-immuns. Teffs et Tregs se caractérisent par la reconnaissance spécifique d'antigène, nécessaire à l'activation cellulaire, et portée par le récepteur des lymphocytes T, autrement appelé T-cell receptor (TCR). Chaque TCR résulte d'un mécanisme de recombinaison génique générant une collection très diverse de TCR, communément appelé répertoire. Véritable reflet de l'histoire immunitaire de chaque individu, l'implication directe de la reconnaissance par le TCR dans les fonctions antagonistes des Tregs et des Teffs, à la fois dans la genèse mais aussi dans la progression des pathologies immunes, soulève la nécessité d'analyser distinctement leurs répertoires TCR. Dans le cadre de ma thèse, j'avais pour objectif d'évaluer le caractère prédictif du répertoire TCR au regard de l'état physiopathologique et de son évolution de patients atteints de MAI, pour lesquelles les outils diagnostiques et/ou pronostiques demeurent limités ainsi que de patients atteints de la COVID-19, maladie infectieuse émergente caractérisée par une forte mortalité des individus immunodéprimés et touchant gravement également des individus considérés sains. Pour cela, j'ai fait appel aux technologies de séquençage à haut-débit offrant aujourd'hui précision et profondeur nécessaire à l'étude de cet objet biologique complexe. Dans ce contexte, la fiabilité des protocoles de biologie moléculaire ainsi que les méthodes bio-informatiques et de modélisations représentent un défi majeur. J'ai dans un premier temps comparé neufs protocoles publiés et/ou commercialisés parmi les plus utilisés dans la littérature. A l'aide d'analyses de la diversité et de modélisation statistique, j'ai élaboré un score de performance, à partir duquel j'ai mis en évidence les forces et faiblesses de chaque protocole. J'ai ainsi identifié la méthode la plus fiable, robuste et reproductible. Avec ce protocole, j'ai ensuite analysé les répertoires TCR des Teffs auxillaires et des Tregs issus de prélèvements sanguins de patients atteints de diabète de type 1 et de polyarthrite rhumatoïde, deux MAI. A l'aide d'outils de modélisation mathématiques et d'apprentissage machine, j'ai développé une stratégie d'identification de TCR discriminants des groupes d'individus. Cette méthode innovante a permis d'identifier des signatures TCR des différents MAI étudiées ainsi que des Teffs et des Tregs, soutenant l'idée que la composition du répertoire TCR signe l'état physiopathologique, y compris dans des pathologies chroniques établies. Appliquée au répertoire TCR de patients atteints de lupus érythémateux systémique sous traitement à l'interleukine-2 à faible dose, j'ai identifié des signatures TCR des Teffs et des Tregs définissant les patients traités répondeurs, pouvant être utilisées comme potentiels biomarqueurs prédictifs de l'efficacité du traitement. Finalement, j'ai également appliqué cette approche sur des répertoires de patients atteints de Sars-CoV-2 pour lesquels l'issue clinique était connue. J'ai ainsi identifié une signature TCR pronostique de la guérison et discriminant les patients décédés. Ensemble, ces résultats renforcent l'intérêt de l'étude du répertoire TCR en montrant que celui-ci contient une information clinique fine, capable non seulement de séparer des patients atteints de différentes maladies mais aussi de distinguer, de façon précoce, la réponse au traitement ainsi que le niveau de sévérité face à une infection.

T cells represent the central immune cells of the adaptive immune system and are distinguished in two major populations. On one hand, effector T cells (Teffs), helper or cytotoxic, have a pro-inflammatory role and contribute to the elimination of pathogens in the context of infectious diseases as they can be responsible for tissue damage in the context of autoimmune diseases (AD). On the other hand, regulatory T cells (Tregs) have an anti-inflammatory role on the Teffs response, allowing the control of autoimmune disorders. Teffs and Tregs are characterized by antigen-specific recognition, a prerequisite for T cell activation, carried by the T-cell receptor (TCR). Each TCR results from a gene recombination mechanism generating a highly diverse collection of TCRs, commonly called repertoire. The direct implication of the TCR recognition in the antagonistic functions of Tregs and Teffs, both in the genesis and progression of immune diseases, raises the need to analyze their TCR repertoires separately. In the framework of my thesis, I aimed to evaluate the predictive character of the TCR repertoire with respect to the pathophysiological state and its evolution of patients. I focused on patients suffering from AD, for which diagnostic and/or prognostic tools remain limited, as well as of patients suffering from COVID-19, an emerging infectious disease characterized by a high mortality of immunocompromised individuals and also seriously affecting individuals considered healthy. For this purpose, I have used high-throughput sequencing technologies that now offer the precision and depth necessary to study this complex biological object. In this context, the reliability of molecular biology protocols as well as bioinformatics and modelling methods represent a major challenge. I first compared nine published and/or commercialized protocols among the most used in the literature. Using diversity analysis and statistical modeling, I developed a performance score, from which I highlighted the strengths and weaknesses of each protocol. I thus identified the most reliable, robust and reproducible method. With this protocol, I then analyzed the TCR repertoires of helper Teffs and Tregs from blood samples of patients with type 1 diabetes and rheumatoid arthritis, both ADs. Using mathematical modeling and machine learning tools, I developed a strategy to identify TCRs discriminating groups of individuals. This innovative method allowed identifying TCR signatures of the different AD studied as well as Teffs and Tregs, supporting the idea that the composition of the TCR repertoire signs the pathophysiological state, including in established chronic pathologies. Applied to the TCR repertoire of patients with systemic lupus erythematosus under low-dose interleukin-2 treatment, I identified TCR signatures of Teffs and Tregs defining responder treated patients, which can be used as potential predictive biomarkers of treatment efficacy. Finally, I also applied this approach on repertoires of Sars-CoV-2 patients for whom the clinical outcome was known. I thus identified a TCR signature that was prognostic of cure and discriminated against patients who died. Altogether, my work supports the interest of the TCR repertoire study by showing that it contains fine clinical information, capable not only of separating patients with different diseases but also of distinguishing, in an early stage, the response to treatment as well as the level of severity of an infection.