Développement d'une approche transcriptomique à cellule unique à Long-Read à la résolution spatiale

Development of Long-Read single-cell transcriptomic approach at the spatial resolution

• Auteur / Autrice : Eamon Mcandrew
• Direction : Pascal Barbry, Kevin Lebrigand
• Type : Projet de thèse
• Discipline(s) : Interactions Moléculaires et Cellulaires
• Date : Inscription en doctorat le 01/09/2023
• Etablissement(s) : Université Côte d'Azur
• Ecole(s) doctorale(s) : Sciences de la vie et de la santé
• Partenaire(s) de recherche : Laboratoire : INSTITUT DE PHARMACOLOGIE MOLÉCULAIRE ET CELLULAIRE
• Partenaire(s) de recherche : Equipe de recherche : Physiologie génomique des eucaryotes

Mots clés

Mots clés libres

Cellule unique

Lecture longue

RNA-seq

Transcriptomique

Bioinfomatique

Spatial

Single-cell

Long reads

RNA-seq

Transcriptomics

Bioninformatics

Spatial

Résumé

L'analyse de l'expression des isoformes à l'échelle de la cellule unique est primordiale pour comprendre les états cellulaires sains et pathologiques. Un unique gène peut donner naissance à plusieurs types d'ARN messagers distincts, nommés isoformes, codant potentiellement pour des protéines aux fonctions différentes. Ces évènements, touchant près de 90% des gènes englobent les mécanismes d'épissage alternatif interne, le choix des sites de début (TSS) et de fin (TES) de transcription ainsi que des évènements de rétention d'intron. Capturer la diversité de l'expression des isoformes et comprendre ses implications dans la mécanique précise de la physiologie de la cellule nécessite un accès complet à la molécule d'ARN dans sa globalité. Le séquençage courte-lecture traditionnel, bien qu'il ait été révolutionnaire pour la génomique, est insuffisant à cet égard. La solution réside notamment dans les systèmes de séquençage de troisième génération, (i.e. Pacbio et Oxford Nanopore). Bien que notre groupe ait déjà fait des avancées préliminaires dans les méthodes de transcriptomique longue lecture sur cellule unique (sc-lr-RNA-seq), un cadre d'analyse complet reste un objectif central. Lors de ce projet, nous avons l'intention de faire progresser les approches d'analyse bioinformatique de données de transcriptomique pleine taille sur cellule unique notamment dans la quantification et l'analyse différentielle de ces données. Un objectif parallèle est de concevoir des techniques d'Intelligence Artificielle permettant de caractériser fonctionnellement les isoformes résultant de ces évènements et d'ainsi explorer les mécanismes généraux de régulation de la production des ARNs messagers au sein de la cellule.

The analysis of isoform expression at the single-cell level is essential for understanding both healthy and pathological cellular states. A single gene can give rise to several distinct messenger RNAs, named isoforms, potentially encoding proteins with different functions. These events, affecting nearly 90% of genes, encompass mechanisms of internal alternative splicing, the choice of start (TSS) and end (TES) transcription sites, and intron retention events. Capturing the diversity of isoform expression and understanding its implications in the precise mechanics of cell physiology requires complete access to the RNA molecule in its entirety. Traditional short-read sequencing, although revolutionary for genomics, is insufficient in this regard. The solution lies in third-generation sequencing systems, (i.e., Pacbio and Oxford Nanopore). Although our group has already made preliminary advancements in single-cell long-read transcriptomics (sc-lr-RNA-seq), a complete analysis framework remains a central goal. During this project, we intend to advance bioinformatic analysis approaches for full-length single-cell transcriptomic data, especially in the quantification and differential analysis of this data. A parallel goal is to design Artificial Intelligence techniques to functionally characterize the isoforms resulting from these events and thus explore the general mechanisms regulating the production of messenger RNAs within the cell.