Andrea Rau
Directrice de Recherche à l'Institut National de Recherche pour l'Agriculture, l'Alimentation et l'Environnement (INRAE).
De la complexité à la clareté : Relever les défis de l'intégration multi-omique
La disponibilité et l'accessibilité croissantes du séquençage à haut débit ont permis la génération de données multi-omiques à grande échelle, améliorant considérablement notre compréhension des systèmes complexes à travers les niveaux moléculaires. Une grande attention a été consacrée au développement de méthodes intégratives capables d'exploiter pleinement ces données multidimensionnelles malgré de nombreux défis statistiques tels que la petite taille des échantillons, la grande dimensionnalité, les mesures hétérogènes, les données manquantes et les interdépendances complexes au sein et entre les couches omiques. A ce jour, de nombreuses approches intégratives ont été proposées, reflétant la diversité des combinaisons omiques, des définitions des ancres inter-omiques et des objectifs d'analyse. Dans cette présentation, je donnerai un aperçu de certaines méthodes couramment utilisées pour l'intégration de données multi-omiques et je présenterai l'une de nos récentes contributions dans ce domaine : idiffomix, un modèle de mélenge conjoint pour intégrer des analyses différentielles de données transcriptomiques et méthylées appariées. Je conclurai en discutant de certaines opportunités et défis futurs dans la recherche multi-omique intégrative.
Etienne Becht
Chargé de Recherche au Centre de Recherche sur l'Inflammation (CRI).
Déconvolution : principes, méthodes et applications
Les tumeurs évolent en étroite interaction avec leur microenvironnement (TME). Le TME est une écosytème complexe composé de cellules tumorales, immunitaires, stromales, endothéliales et d'autres cellules. Les dernières décennies ont démontré l'utilisé de cibler les TME à l'aide de médicaments inhibiteurs des points de contrôles immunitaires ou anti-angiogéniques. Le profilage du TME peut aussi améliorer notre capacité à prédire le pronostic d'un patient ou sa réponse aux thérapies.
Lors du profilage d'un échantillon utilisant des données transcriptomiques (bulk) ou d'autres types d'omiques, chaque population cellulaire contribut à la mesure observée en fonction de sa fréquence et de son transcriptome moyen. Les méthodes de déconvolution visent à estimer les fréquences et/ou le transcriptome de chaque population cellulaire présente dans un échantillon hétérogène à partir de son transcriptome.
L'objectif de cette présentation sera de discuter de manière critique des principales hypothèses, algorithmes et ensembles de données nécessaires pour effectuer une analyse de déconvolution dans le contexte des données omiques.
Fatima Al-Shahrour
Directrice de l'unité de Bioinformatique au Centre de Recherche National sur le Cancer (CNIO).
Stratégies bioinformatiques pour cibles les génomes cancéreux en tenant compte de l'hétérogénéité intra et inter tumorale
L'hétérogénéité tumorale représente un obstacle majeur dans le traitement du cancer, conduisant souvant à l'échec du traitement, des résistances aux médicaments et des résultats défavorables pour les patients. L'oncologie de précision cherche à relever ces défis en développant des stratégies de traitements personnalisés via l'intégration de données.
Le séquençage à cellule unique (single-cell RNA-seq) est capable de démêler l'hétérogénéité tumorale au niveau transcriptionnel. Cette technologie permet la charactérisation à haute résolution de la composition cellulaire, des dynamiques et l'identification de sous-populations distinctes de cellules cancéreuses, de biomarqueurs, de voies de résistances aux médicaments et de cibles thérapeutiques. Cependant, l'intégration de données scRNA-seq et de profils de réponses aux médicaments manque de méthodologies informatiques robustes.
Dans cette présentation, je présenterai l'impact de l'hétérogénéité tumoral sur les résultats des traitements et discuterai des outils bioinformatiques disponibles pour la sélection de thérapies personnalisées. Plus précisément, j'introduirai PanDRugs et Beyondcell, deux outils permettant de déchiffrer les altérations moléculaires tumorales au niveau de la population cellulaire (bulk RNA-seq) et de la cellule unique (scRNA-seq) pour faciliter la selection de traitements personnalisées. Je présenterai également comment nous appliquons ces résultats dans le contexte de projets génomique du cancer.
Chargement...