Inferrence automatique de types et stades cellulaires à patir de données transcriptomiques – ACTASFIT

Le profilage de l’expression génique d’une seule cellule fournit une caractérisation riche et systématique de systèmes complexes qui a révolutionné la façon dont les biologistes peuvent interroger les transcriptomes. Cependant, la quantité et la complexité des données générées par ces méthodes posent de nouveaux défis aux biologistes qui tentent d’extraire des informations biologiques sur les fonctions cellulaires. Des méthodes populaires telles que t-SNE (t-distributed stochastic neighbor embedding) et UMAP (uniform manifold approximation and projection) sont couramment utilisées pour visualiser les proximités d’expression des cellules. Cependant, ces représentations pourraient ne pas éclairer de manière fiable les similitudes entre les groupes de cellules. Ces limitations rendent impossible l’intégration entre des jeux de données indépendants sans revenir aux données brutes. Nous visons dans cette proposition à développer des outils spécifiquement destinés à faciliter l'intégration de multiples jeux de données scRNA-seq. Chacun de nos deux objectifs scientifiques abordera une problématique spécifique en utilisant des approches originales : 1- Nous générerons des profils d'expression génique de référence pour chaque type cellulaire en utilisant les données existantes récupérées à partir de cellules à “forte couverture” ; 2- Nous souhaitons effectuer des prédictions de l'âge des échantillons sur de multiples trajectoires de ramification de différents types/lignées cellulaires que l'on trouve généralement dans les atlas transcriptomiques complets de la différenciation et du développement cellulaires.