Caractérisation des adipocytes associés au cancer : approche méthodologique combinant la spectroscopie Raman aux méthodes d’inférence de trajectoire
Auteur / Autrice : | Nicolas Goffin |
Direction : | Olivier Piot |
Type : | Thèse de doctorat |
Discipline(s) : | Aspects moléculaires et cellulaires de la biologie |
Date : | Soutenance le 13/12/2023 |
Etablissement(s) : | Reims |
Ecole(s) doctorale(s) : | École doctorale Biologie, Chimie, Santé (Reims ; 2018-) |
Partenaire(s) de recherche : | Laboratoire : BioSpectroscopie Translationnelle (BIOSPECT) - EA 7506 (Reims, Marne) |
Jury : | Président / Présidente : Ludovic Duponchel |
Examinateurs / Examinatrices : Olivier Piot, Erik Goormaghtigh, Hervé Rigneault, Stéphane Brézillon, Emilie Buache | |
Rapporteur / Rapporteuse : Erik Goormaghtigh, Hervé Rigneault |
Mots clés
Résumé
Le cancer du sein est une maladie complexe et hétérogène, affectant sa progression, son pronostic et sa réponse aux traitements. Cette variabilité provient non seulement de différences génétiques des cellules tumorales, mais aussi de l'influence du micro-environnement cellulaire et moléculaire entourant la tumeur. Les adipocytes, jouant un rôle clé dans la régulation du métabolisme lipidique, sont des acteurs essentiels du développement tumoral. L'interaction prolongée entre les cellules cancéreuses et les adipocytes entraîne une ''reprogrammation'' de ces derniers en ''adipocytes associés au cancer'' (CAAs), qui facilitent la croissance et la progression des tumeurs par la libération d'adipokines, de facteurs de croissance et de métabolites.Ce travail de recherche se concentre sur l'utilisation de la spectroscopie de diffusion Raman pour caractériser spectralement ces CAAs. La nature complexe des données vibrationnelles nécessite l'emploi de méthodes chimiométriques avancées pour classer ou discriminer les échantillons selon leurs états physiopathologiques. Cependant, en raison de la dynamique et de l'hétérogénéité des processus biologiques, comme la différenciation des adipocytes ou le développement du cancer, les méthodes traditionnelles peuvent s'avérer inadéquates.Dans ce contexte, les outils algorithmiques d'inférence de trajectoire (TI) sont intéressants. Initialement développés pour interpréter les données de transcriptomique à l'échelle de la cellule unique (scRNA-seq), ces algorithmes peuvent modéliser et reconstruire numériquement des processus biologiques, en exploitant l'hétérogénéité intrinsèque des populations cellulaires. L'objectif de cette thèse est d'utiliser ces outils pour caractériser spectralement les populations d'adipocytes. En particulier, l'algorithme Partition-based graph abstraction (PAGA) a été utilisé pour examiner toutes les sources de variations des gouttelettes lipidiques, qu'elles soient quantitatives ou compositionnelles, afin d'identifier des sous-populations d'adipocytes.