Thèse en cours

Développement de méthodes pour l'intégration de données single-cell multimodales
FR  |  
EN
Auteur / Autrice : Jules Samaran
Direction : Laura Cantini
Type : Projet de thèse
Discipline(s) : Bioinformatique et biologie des systèmes
Date : Inscription en doctorat le 01/09/2021
Etablissement(s) : Université Paris sciences et lettres
Ecole(s) doctorale(s) : École doctorale Complexité du vivant
Partenaire(s) de recherche : Laboratoire : Institut de biologie de l'École normale supérieure (Paris ; 2010-....)
Equipe de recherche : Biologie computationnelle des systèmes
établissement opérateur d'inscription : École normale supérieure (Paris ; 1985-....)

Résumé

FR  |  
EN

Les technologies transcriptomiques single-cell (scRNA-seq) ont révolutionné la biologie et la médecine en révélant la diversité des cellules qui constituent les tissus humains. Le développement des technologies single-cell est maintenant tourné vers d'autres modalités (e.g. la méthylation de l'ADN, l'accessibilité de la chromatine, l'imagerie de la chromatine, les données protéomiques). Ces différentes modalités sont complémentaires, chaque modalité contenant des informations qui manquent dans les autres. L'intégration de données single-cell multimodales, i.e. l'analyse simultanée de plusieurs modalités est donc censée fournir une représentation plus complète des états régulateurs des cellules et expliquer comment ces états déterminent les différents phénotypes cellulaires. Le but de ce doctorat est de développer des méthodes de réduction de dimension pour des données multimodales déparaillées (pour chaque cellule seulement une modalité est observée) adaptées au format single-cell et de fournir ces méthodes dans une librairie Python libre d'accès. Cet outil permettra de partitionner les cellules grâce à leurs similarités multimodales, d'extraire des variables charactéristiques de chaque partition à partir des différentes modalités et de transférer des informations d'une modalité à une autre. Les méthodes développées au cours de ce projet seront appliquées en collaboration avec des biologistes expérimentaux afin de découvrir de nouvelles connaissances biologiques à partir de leur données.