Transcriptomique par imagerie spatiale du poumon humain, de la santé aux pathologies

Spatial imaging transcriptomics of the human lung from health to pathologies

• Auteur / Autrice : Morgane Fierville
• Direction : Pascal Barbry, Xavier Descombes
• Type : Projet de thèse
• Discipline(s) : Interactions Moléculaires et Cellulaires
• Date : Inscription en doctorat le 01/12/2023
• 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 (Sophia Antipolis, Alpes-Maritimes)
• Partenaire(s) de recherche : Equipe de recherche : Physiologie génomique des eucaryotes

Mots clés

Mots clés libres

Imagerie spatiale

Poumon humain

Bioinformatique

Transcriptomique

Ia

Spatial imaging

Human lung

Bioinformatic

Transcriptomic

Ai

Résumé

Les écosystèmes cellulaires sont complexes, structurés et dynamiques. Que ce soit "in vivo" ou dans des cultures "in vitro", l'organisation spatiale des cellules contribue à leur destin individuel. Les interactions entre cellules voisines peuvent activer des voies de signalisation et conduire à des mécanismes de différenciation ou déclencher des mécanismes physiopathologiques. Les quantifications de l'expression génique par des technologies à haut débit à une résolution cellulaire et spatiale unique sont devenues des normes pour évaluer l'expression génique spatialisée. Elles permettent de mieux délimiter les comportements cellulaires locaux qui opèrent dans les tissus normaux et pathologiques. L'exploration des relations intercellulaires fines qui se développent entre les cellules adjacentes dans les tissus complexes est un thème central de notre laboratoire. Dans le contexte du Human Cell Atlas Consortium et du projet RespirERA de l'IHU, nous contribuons à la création de cartes de référence complètes des cellules humaines des poumons et des voies respiratoires dans la santé et les maladies. Ces atlas devraient permettre de mieux comprendre la santé humaine et d'améliorer le diagnostic, le suivi et le traitement des maladies pulmonaires humaines. Le laboratoire travaille sur une technique appelée MERFISH, une méthode d'imagerie capable de mesurer simultanément le nombre de copies et la distribution spatiale de centaines ou de milliers d'espèces d'ARN dans des cellules uniques. Un instrument Merscope utilisé pour MERFISH est installé dans notre laboratoire depuis septembre 2022, soit le premier instrument en France et le troisième en Europe. L'objectif de ce doctorat est de relever plusieurs défis informatiques afin d'améliorer les interprétations biologiques des futures expériences spatiales et unicellulaires. Je travaillerai sur des ensembles de données transcriptomiques spatiales et unicellulaires qui ont été générées par le laboratoire sur 5 pathologies pulmonaires : la maladie pulmonaire obstructive chronique (MPOC), la fibrose kystique (CF), l'asthme, l'hypertension pulmonaire et le cancer du poumon à petites cellules (SCLC). Le projet se développera selon les trois axes suivants : (1) construire une ressource en libre accès de sondes MERFISH hautement spécifiques contre des transcrits d'intérêt pour chacune de ces 5 pathologies ; (2) optimiser l'identification des frontières cellulaires dans les expériences MERFISH car les cellules pulmonaires résidentes présentent des morphologies très distinctes, qui peuvent nécessiter des adaptations spécifiques pour effectuer leur segmentation correcte ; (3) mettre en œuvre des méthodes computationnelles interprétatives. L'utilisation de réseaux neuronaux graphiques sera explorée pour représenter efficacement les structures locales liées aux caractéristiques des cellules et aux différents contextes physiopathologiques.

Cellular ecosystems are complex, structured and dynamic. Either "in vivo" or maintained in "in vitro" cultures, the spatial organization of cells contributes to their individual fate. Interactions between neighbouring cells can activate signalling pathways and either drive differentiation mechanisms or trigger pathophysiological mechanisms. Quantifications of gene expression by high-throughput technologies at single cell and spatial resolution have become standards to assess spatialized gene expression. They can better delineate local cellular behaviours that are operating in normal and pathological tissues. The exploration of the fine intercellular relationships that develop between adjacent cells in complex tissues is a central theme of our laboratory. In the context of the Human Cell Atlas Consortium and of the IHU project RespirERA, we are contributing to the creation of comprehensive reference maps of human lung and airway cells in health and diseases. These atlases are expected to better understand human health and improve diagnosis, monitoring and treatment of human lung diseases. The lab is working on a technique called MERFISH, an imaging method that is capable of simultaneously measuring the copy number and spatial distribution of hundreds to thousands of RNA species in single cells. A Merscope instrument used for MERFISH is installed in our laboratory since September 2022, i.e. the first instrument in France and the third in Europe. The aim of this PhD will tackle several computational challenges to improve biological interpretations of future spatial and single-cell experiments. I will work on single-cell and spatial transcriptomics datasets that have been generated by the lab on 5 lung pathologies: chronic obstructive pulmonary disease (COPD), cystic fibrosis (CF), asthma, pulmonary hypertension, and small cell lung cancer (SCLC). The project will develop along the three following axes: (1) to build an open-access resource of highly specific MERFISH probes against transcripts of interest for each of these 5 pathologies; (2) to optimize cell boundaries identification in MERFISH experiments because the resident lung cells display very distinct morphologies, which can require specific adaptations to perform their correct segmentation; (3) to implement interpretative computational methods. The use of Graph Neural Networks will be explored to efficiently represent the local structures related to the cell characteristics and the different pathophysiological contexts.