Le Centre de bioinformatique des agents pathogènes : préparation aux épidémies au-delà de la COVID-19
Les prochaines étapes de la préparation aux épidémies et pandémies après la...
Une méthode pour caractériser efficacement les états cellulaires
Interprétation rapide et automatisée des données d'ARN-seq unicellulaire
Si vous êtes un chercheur utilisant la transcriptomique unicellulaire pour étudier des problèmes liés à l'immunologie, vous êtes probablement à la recherche d'un moyen de caractériser efficacement les états cellulaires. Cette conférence in silico présente un outil puissant (ProjecTILs) et une approche utilisant des atlas de référence. Le chef de groupe Santiago Carmona s'appuie sur un article récent publié dans Nature Communications pour vous guider à travers les étapes clés et illustrer l'application de cette approche à l'aide de données réelles sur la diversité des cellules T dans les infections virales et le cancer. En permettant l'exploitation de données publiques, ProjecTILs permet également d'étudier des questions importantes nécessitant de grands ensembles de données, telles que les origines des réponses différentielles des patients aux immunothérapies contre le cancer.
À propos de la série in silico talks - Les dernières avancées en bioinformatique par les scientifiques du SIB
La série in silico talks a pour but d'informer les bioinformaticiens, les spécialistes des sciences de la vie et les cliniciens des dernières avancées réalisées par les scientifiques du SIB sur un large éventail de sujets liés aux méthodes, à la recherche et aux ressources en bioinformatique. Restez au courant des derniers développements, obtenez des informations exclusives sur les articles récents et découvrez comment ces avancées pourraient vous aider dans votre travail ou votre recherche en vous inscrivant à la liste de diffusion in silico talks.
Au cours des dix dernières années, les technologies unicellulaires permettant d'étudier l'expression génétique au niveau de cellules individuelles dans une population donnée (par exemple une tumeur) ont révolutionné la manière dont les maladies humaines sont étudiées, de l'oncologie à la médecine reproductive en passant par la microbiologie et l'immunologie.
Cependant, des défis majeurs subsistent. Par exemple, s'il est possible de distinguer les grands types de cellules tels que les lymphocytes T, les lymphocytes B ou les cellules dendritiques en examinant leurs profils d'expression génétique, il est beaucoup plus difficile de caractériser les différents états de différenciation au sein de chaque type de cellule. Ces « états » des lymphocytes T peuvent être, par exemple, cytotoxique, transitionnel, activé ou épuisé. Une caractérisation fiable et robuste de ces états d'une étude à l'autre permettrait d'obtenir des informations cruciales, notamment sur la progression du traitement.
Dans leur dernier article, Santiago Carmona et ses collègues proposent un algorithme et une méthode pour répondre à ces questions. En générant un atlas de référence résumant les connaissances actuelles dans un système biologique défini, puis en projetant les données de requête (provenant d'une ou plusieurs études ouvertes) sur cette référence, ils permettent d'obtenir des définitions fiables de l'état des cellules et des comparaisons systématiques entre les études. Ces analyses utilisent l'algorithme ProjecTILs qu'ils ont développé.
Dans cette brève présentation, vous découvrirez comment cette méthode fonctionne sur des ensembles de données relatifs à des infections virales et aux cellules T infiltrant les tumeurs.
Reference(s)
Andreatta M et al. Interprétation des états des lymphocytes T à partir de données transcriptomiques unicellulaires à l'aide d'atlas de référence, Nature Communications 2021.
