Soutenance de thèse de Julie BAVAIS

Ces dernières années, le séquençage des ARN de cellule unique et les méthodes de transcriptomique spatiale ont révolutionné le domaine de la transcriptomique en permettant l'analyse de l'expression des gènes avec une résolution sans précédent, jusqu'au niveau subcellulaire. Ces techniques de pointe ont ouvert de nouveaux horizons pour découvrir l'hétérogénéité cellulaire complexe au sein des tissus et comprendre les processus biologiques sous-jacents, tels que la différenciation cellulaire. Mon projet a tiré avantage de ces techniques afin d’élucider les processus de différenciation impliqués dans la différenciation des cellules lymphoïdes innées (ILC) au cours de l'embryogenèse au niveau de la cellule unique. Bien que le séquençage de l'ARN de cellule unique ait gagné en popularité dans divers domaines, notamment l'immunologie, l'oncologie et la biologie du développement, l'analyse de ces données reste difficile, soulignant la nécessité de développer de nouveaux outils. L'un des défis majeurs est de pouvoir distinguer les populations cellulaires dans un continuum rendu complexe par leurs profils transcriptomiques très similaires. En effet, les méthodes conventionnelles examinent les cellules selon une approche centrée sur les gènes, négligeant le comportement collectif de la régulation des gènes. Au cours de mon doctorat, j'ai été confronté à ce problème et ai été incapable de distinguer clairement les populations cellulaires impliquées dans l'ontogenèse des ILC à l'aide des méthodes conventionnelles. Pour surmonter cette limitation, j'ai développé SciGeneX, un nouvel outil qui, contrairement aux méthodes conventionnelles, se concentre sur la corégulation des gènes. Cette approche permet de passer de l'analyse des cellules à l'étude des profils d'expression des gènes dans les populations cellulaires, et donc d'aider à identifier les populations cellulaires en combinant l'activation et la répression de modules de gènes. Grâce à SciGeneX, j'ai pu identifier les populations ILC spécifiques impliquées dans la différenciation, y compris les populations ILC matures dont la distribution augmente au cours de l’embryogénèse. J'ai révélé les modules génétiques clés, activés et/ou réprimés au cours du processus de différenciation des ILC, révélant ainsi les voies de différenciation présentes dans l'embryon. Reconnaissant le besoin d'outils avancés au-delà de l'analyse unicellulaire, j'ai également contribué au développement d'un outil distinct, STarlight, conçu pour l'analyse de données transcriptomiques spatiales. STarlight permet l'analyse de données transcriptomiques spatiales indépendamment de la segmentation cellulaire, fournissant une approche flexible et robuste pour étudier l'expression des gènes dans un contexte spatial.

In recent years, single-cell RNA-sequencing and spatial transcriptomics methods have revolutionized the field of transcriptomics by enabling the analysis of gene expression with unprecedented resolution, down to the subcellular level. These cutting-edge techniques have opened new horizons for uncovering complex cellular heterogeneity within tissues and understanding the underlying biological processes, such as cell differentiation. My project took advantage of these powerful techniques to unravel the differentiation processes involved in the innate lymphoid cells (ILC) differentiation during embryogenesis at a single-cell level. While single-cell RNA-sequencing has gained widespread popularity across various fields, including immunology, oncology, and developmental biology, the analysis of this data remains challenging, underscoring the need to develop new tools. A notable challenge is being able to distinguish cell populations in a continuum as these cells have highly similar transcriptomic profiles. Indeed, conventional methods examine cells in a gene-centric approach which overlooks the collective behavior of gene regulation. During my PhD, I faced this problem and was unable to clearly distinguish cell populations involved in ILC ontogeny using conventional methods. To overcome this limitation, I developed SciGeneX, a novel tool that, unlike conventional methods, focuses on co-regulation of genes. This approach shifts the focus from analyzing cells to examining gene expression patterns across cell populations, and thus to help identify cell populations using combination of activation and repression of gene modules. With SciGeneX, I was able to identify the specific ILC populations involved in differentiation including mature ILC populations with their distribution increasing as embryogenesis progresses. I revealed key gene modules that are either activated or repressed during the ILC differentiation process and thereby reveal the differentiation pathways present within the embryo. Recognizing the need for advanced tools beyond single-cell analysis, I also contributed to the development of a separate tool, STarlight, designed for the analysis of spatial transcriptomic data. STarlight allows for the analysis of spatial transcriptomics data independently of cell segmentation, providing a flexible and robust approach for studying gene expression in spatial context.