Inferring molecular mechanisms from single-cell spatial data

Inférence de méchanismes moléculaires a partir de données spatiales de cellules uniques

• Auteur / Autrice : Rémi Trimbour
• Direction : Laura Cantini
• Type : Projet de thèse
• Discipline(s) : Bioinformatique et biologie des systèmes
• Date : Inscription en doctorat le 01/09/2022
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Complexité du vivant (Paris ; 2009-....)
• Partenaire(s) de recherche : Laboratoire : Institut de biologie de l'École normale supérieure (Paris ; 2010-....)
• Partenaire(s) de recherche : Equipe de recherche : Biologie computationnelle des systèmes
• Partenaire(s) de recherche : établissement opérateur d'inscription : École normale supérieure (Paris ; 1985-....)

Mots clés

Mots clés libres

Multi-omiques

Réseau

Multilayer

Spatial

Cellule uniques

Communication cellulaire

Multiomic

Network

Multilayer

Spatial data

Single-cell

Cell communication

Résumé

Les technologies ''single-cell'' offrent aujourd'hui une opportunité sans précédent d'étudier les méchanismes moléculaires qui gouvernent les identités cellulaires. Les réseaux sont des outils puissant pour reconstruire des tels méchanismes. Leur application est limitée principalement aux données ''single-cell'' de transcriptomiques. Nous savons pourtant que l'état d'une cellule est déterminé par la collaboration de multiples niveaux moléculaies distincts, ainsi que ces interactions avec les cellules environnantes. Nous souhaitons ici : 1. Reconstruire les méchanismes régulatoires par l'analyse comumne de différents types d'omiques et la position dans l'espace de cellules au sein d'un tissu. 2. Faire des prédictions a partir du réseau inféré en adaptant un formalisme de modélisation booléenne a des réseaux composés de différents niveaux moléculaires et intégrant une composante spatiale et de communication intercellulaire. 3. Comprendre les méchansismes régissant les infarctus du myocarde en appliquant les méthodes développées dans les points 1. et 2. .

Single-cell data offer the unprecedented opportunity to study the molecular mechanisms that govern cell identities. Networks are powerful tools to reconstruct such mechanisms. Their application to single-cell is currently limited to single-cell transcriptomic data. However, we know that the state of a cell is determined by the joint activity of multiple molecular layers, plus the interactions of the cell with the surrounding cells. We here aim at: 1. Reconstructing regulatory mechanisms by jointly analysing the various omics information, plus spatial positioning 2. Making predictions from the inferred network by adapting boolean modelling to networks composed of different molecular information and 3. Understanding heart infarction, by using the methods developed in points 1. and 2.