Application des approches bio-informatiques pour la compréhension des maladies par l'analyse des données génomiques et transcriptomiques

Bioinformatics approaches application for disease understanding through genomics and transcriptomics data analysis

• Auteur / Autrice : Yufei Luo
• Direction : Antonio Rausell
• Type : Thèse de doctorat
• Discipline(s) : Génétique
• Date : Soutenance le 09/07/2024
• Etablissement(s) : Université Paris Cité
• Ecole(s) doctorale(s) : École doctorale Bio Sorbonne Paris Cité (Paris ; 2014-....)
• Partenaire(s) de recherche : Laboratoire : Institut des Maladies Génétiques (Paris)
• Jury : Président / Présidente : Andrée Delahaye-Duriez
• Jury : Rapporteurs / Rapporteuses : Chunlong Chen, Florence Coulet

Mots clés

Mots clés contrôlés

Homozygote

Lignées cellulaires

Analyse en cellule unique

Mots clés libres

Homozygotie

Variants prédits de perte de fonction

Gènes humains dispensables

ARN sur cellule unique

Transcriptomique spatiale

Lignée cellulaire

Type cellulaire

Annotation type cellulaire

Maladie rare

Oncologie

Homozygosity

Loss-of-function variants

Dispensable human genes

Single-cell

Spatial transcriptomics

Cell line

Cell type

Cell-type annotation

Rare disease

Cancer

Résumé

Cette thèse, réalisée dans le cadre de la Validation des Acquis de l'Expérience (VAE), présente deux sujets distincts liés à l'application des approches bio-informatiques pour comprendre les maladies. Le premier sujet explore l'analyse des données génomiques, tandis que le second se concentre sur l'analyse des données transcriptomiques. Premier sujet : les gènes humains homozygotes pour des variants apparents de perte de fonction (LoF) sont de plus en plus signalés chez une proportion importante d'individus sans phénotypes cliniques évidents. Nous avons trouvé 166 gènes avec 179 variants LoF prédits pour lesquels la fréquence d'individus homozygotes dépasse 1 % dans au moins l'une des populations présentes dans les bases de données ExAC et gnomAD. Ces gènes potentiellement dispensables présentent un relâchement des contraintes sélectives, suggérant qu'une proportion importante de ces gènes pourrait être en train de subir une pseudogénisation. Huit de ces variants LoF ont affiché des signaux robustes de sélection positive, dont deux variants dans des gènes impliqués dans la résistance aux maladies infectieuses. L'identification de gènes dispensables facilitera la découverte de fonctions qui sont maintenant redondantes, voire même avantageuses, pour la survie humaine. Deuxième sujet : la technologie d'ARN monocellulaire (scRNA) a été développée pour atténuer les limitations de résolution de la séquence d'ARN en vrac en fournissant des profils d'expression génique au niveau de la cellule unique, révélant ainsi de nombreuses utilités dans le domaine de la recherche, telles que l'identification des populations cellulaires, la réponse de la résistance ou de la sensibilité cellulaire à un traitement, les trajectoires cellulaires et les interactions cellule-cellule. L'identification des populations cellulaires (annotation des types cellulaires) est le point clé de cette étude. J'ai utilisé des modèles de lignées cellulaires bien caractérisées, telles que Jurkat pour les lymphocytes T, SK-MEL-2 pour les cellules mélanome, Daudi et OCI-LY18 pour les cellules lymphocytes B, pour construire des échantillons de scRNA avec une proportion attendue de mélanges de populations cellulaires afin d'explorer les défis de l'annotation des types cellulaires. J'ai démontré que nous pouvons identifier des types cellulaires rares (< 2 %) dans ces données de scRNA en utilisant des méthodes bioinformatiques. Les données multiomiques au sein de plusieurs modalités omiques, telles que les données de transcriptomique spatiale (ST), se distinguent pour aider à comprendre l'hétérogénéité cellulaire avec plus de preuves biologiques. J'ai utilisé des données ST du cancer du pancréas adénocarcinome canalaire (PDAC) pour explorer la robustesse potentielle de l'identification des types cellulaires.

This thesis, conducted within Validation of Acquired Experience (VAE), presents two distinct topics related to applying bioinformatics approaches for understanding diseases. The first topic digs into genomics data analysis, while the second focuses on transcriptomics data analysis. First topic: human genes homozygous for apparent loss of function (LoF) variants are increasingly reported in a sizeable proportion of individuals without overt clinical phenotypes. We found 166 genes with 179 predicted LoF variants for which the fre- quency of homozygous individuals exceeds 1% in at least one of the populations present in databases ExAC and gnomAD. These putatively dispensable genes showed relaxation of se- lective constraints, suggesting that a considerable proportion of these genes may be undergoing pseudogenization. Eight of these LoF variants displayed robust signals of positive selec- tion, including two variants in genes involved in resistance to infectious diseases. The identification of dispensable genes will facilitate the identification of functions that are now re- dundant, or possibly even advantageous, for human survival. Second topic: single Cell RNA (scRNA) technology was developed to mitigate the resolution limitations of bulk RNA-seq by providing gene expression profiles at the single-cell level, thus revealing numerous utilities in the research field, such as cell population identification, the response of cell resistance or sensitivity to a treatment, cell trajectories, and cell-cell interactions. Cell population identification (cell type annotation) is the key point of this study. I have used well-characterized cell line models, such as Jurkat for T lymphocytes, SK-MEL-2 for melanoma cells, Daudi and OCI-LY18 for B lymphocyte cells, to construct scRNA samples with an expected proportion of cell population mixtures to explore the challenges of cell type annotation. I have demonstrated that we can identify rare cell types (< 2%) in these scRNA data using bioinformatics methods. multiomics data within multiple omics modalities, such as Spatial Transcriptomics (ST) data, stands out to help understand cellular heterogeneity with more biological evidence. I used ST Pancreatic Ductal Adenocarcinoma Cancer (PDAC) data to explore the potential robustness of cell type identification.