Analyse de données scRNA-seq sans référence pour identifier de nouvelles identités cellulaires tumorales

Le séquençage ARN en cellule unique (scRNA-seq) est une des technologies les plus utilisées pour étudier l'hétérogénéité cellulaire dans de nombreux contextes biologiques. L'analyse des données en est complexe, mais la plupart des méthodes reposent sur l'alignement des reads (séquences d'ADN complémentaire) sur un transcriptome de référence. Cependant, l'image de l'hétérogénéité cellulaire obtenue est aveugle aux différences qu'il peut exister entre les reads et les transcrits de référence, du fait de la diversité génétique ou de mécanismes (post)-translationnels. Ces différences peuvent être négligeables pour les cellules déjà bien caractérisées dans les organismes modèles, mais elles peuvent devenir significatives pour les organismes non modèles ou dans les cancers, où des réarrangements génomiques, des épissages défectueux et une expression aberrante d'éléments transposables sont fréquents. Pour surmonter ces limites, des méthodes d'analyse sans référence ont été développées, basées sur la décomposition des reads en k-mer (sous-séquence de taille k), afin d'identifier les séquences discriminantes entre différentes conditions. Développées surtout pour les analyse de données RNA-seq de populations cellulaires (« bulk »), elles ont l'avantage de pouvoir identifier n'importe quelle variation de l'ARN. Dans ma thèse, j'ai adapté cette approche à l'étude des transcriptomes à l'échelle de la cellule afin d'explorer l'hétérogénéité transcriptomique dans le cancer du sein triple négatif (TNBC). J'ai d'abord validé la méthode sur des cellules provenant de divers tissus et espèces pour détecter des éléments transposables, fusions géniques et événements d'épissage alternatif. Bien que moins sensible que les outils spécialisés, l'approche k-mer a l'avantage de réaliser la détection de tous ces évènements simultanément. Appliquée au TNBC, elle a révélé une expression hétérogène d'éléments transposables et de transcrits centromériques, des isoformes alternatifs de gènes impliqués dans la phagocytose et l'autophagie, et possiblement des séquences issues du microbiote tumoral (manuscrit en préparation). Ces résultats, bien qu'ils doivent encore être approfondis, suggèrent que les données de scRNA-seq recèlent une richesse sous-exploitée, au-delà de l'expression génique canonique. J'ai aussi contribué à plusieurs études sur les long ARN non-codants (lncRNA). Tout d'abord, j'ai participé à l'analyse de l'hétérogénéité de la réponse cellulaire à l'infection par le SARS-CoV-2, en analysant des données de séquençage transcriptomique profond de cellules triées. Grâce à un outil de reconstruction de transcriptome, j'ai identifié plusieurs centaines de nouveaux lncRNAs différentiellement exprimés entre cellules infectées et non infectées. Bien qu'aucune fonction précise n'ait été établie pour ces lncRNAs, le gène CYLD a été mis en évidence comme nouveau régulateur potentiel de la voie NF-kB, connue pour son rôle proviral (Bhargava, Szachnowski et al., 2023). Ensuite, j'ai participé à des travaux sur la dégradation des lncRNA. En utilisant Saccharomyces cerevisiae, nous avons montré que les lncRNAs cytoplasmiques sont largement traduits et que ce processus les mène vers la dégradation via le NMD (Andjus, Szachnowski et al., 2024), et que cela est conservé chez une espèce proche, Naumovozyma castellii (Wery et al., 2025, soumis). Nous avons aussi mis en lumière le rôle des hélicases Dbp2 et Mtr4 (Wery et al., 2023) dans la dégradation des lncRNAs chez S. cerevisiae. Enfin, j'ai développé un outil de visualisation de données à haut débit pour faciliter le partage et l'interprétation des données, et servir de support aux publications. Il a été utilisé pour étudier les effets du 5-Fluorouracile sur les changements transcriptionnels chez la levure (Szachnowski et al., 2024), ainsi que le rôle des ARN antisens lors de la méiose (Szachnowski, Becker, Stuparevic, et al., 2025), aussi chez S. cerevisiae.