Décryptage des réarrangements de la chromatine en réponse à l'irradiation UV à l'aide de nouveaux outils d'apprentissage profond pour l'analyse de données de cryo-tomographie électronique – DEEPNER

L'irradiation par la lumière UV entraîne des lésions de l'ADN qui sont réparées par excision-resynthèse de nucléotides (NER), une voie dont le dysfonctionnement entraine le Xeroderma Pigmentosum, une maladie caractérisée par un taux élevé de cancers de la peau. In vivo, ce mécanisme nécessite une réorganisation de la chromatine pour faciliter l'accès aux facteurs de réparation. Les aspects structurels de ce processus sont encore mal compris dans un contexte cellulaire en raison de la faible résolution spatiale des techniques d'imagerie.
En combinant cryotomographie électronique in situ (cryo-ET) et débruitage basé sur l'apprentissage profond, nous avons récemment obtenu des données d'imagerie 3D permettant l'annotation manuelle des nucléosomes et connecteurs ADN dans le contexte du noyau cellulaire.
Afin de profiter pleinement de la résolution de la cryo-ET et extraire efficacement les informations pour l'analyse du NER, le projet DEEPNER réunit des spécialistes en biologie moléculaire et cellulaire, cryo-ET, biologie computationnelle et du traitement des images. Les outils d'édition du génome permettront de générer les lignées cellulaires pour la collecte ultérieure de données cryo-ET. Nous développerons des méthodes originales et des algorithmes basés sur l'apprentissage profond pour l'analyse automatisée des données cryo-ET à deux échelles structurelles : (i) l'identification des nucléosomes et l'analyse de leur distribution spatiale ; (ii) l'analyse des conformations des nucléosomes. L'accent sera mis sur le développement d'approches d'apprentissage profond faiblement supervisés, robustes au bruit et aux distorsions observées dans des images de cryo-ET. Ce projet nous permettra de déterminer les aspects structurels de la réorganisation de la chromatine qui sont essentiels pour assurer le succès de la NER in situ.