Évaluation des méthodes d’analyse de données de protéomique par spectrométrie de masse appliquée à des cellules uniques

Details

Supervisors

Gatto, Laurent

Faculty

Faculté de pharmacie et des sciences biomédicales

Degree label

Master [120] en sciences biomédicales, à finalité approfondie

Abstract

La protéomique appliquée à des cellules uniques ou « single-cell proteomics » (SCP) permet de tenir compte de l’hétérogénéité cellulaire au sein des tissus. La spectrométrie de masse (MS) s’impose comme une méthode de choix pour ce type d’analyse grâce à ses qualités de couverture du protéome et son débit. Néanmoins, des améliorations restent à produire avant que la SCP ne puisse être utilisée en routine. Le signal mesuré ne permet qu’une couverture partielle du protéome avec une qualité qui limite la capacité à réaliser des analyses robustes. L’analyse bio-informatique des données issues de la SCP fait partie des domaines à améliorer. Cet aspect est crucial pour ce type de données notamment à cause du nombre élevé de valeurs manquantes. Il existe de nombreuses méthodes pour les traiter mais il n’y a à ce jour aucun jeu de données « référence » permettant de déterminer lesquelles de ces méthodes sont les mieux adaptées à la SCP. Un protocole a été adapté pour pouvoir intégrer les analyses de type SCP aux ressources disponibles. Nous avons commencé à produire ce type de données en suivant un modèle comportant des mélanges de deux types cellulaires en proportions connues afin de créer une variabilité, une différence contrôlée. Nous avons intégré plusieurs étapes de contrôle qualité des données pour s’assurer que les résultats obtenus étaient cohérents et résultaient d’un signal biologique et non uniquement d’un bruit de fond. Afin d’aller plus loin dans notre modèle, nous avons validé une méthode de différenciation cellulaire issue de la littérature en mesurant l’expression d’un marqueur de différenciation et déterminé les paramètres optimaux pour cette méthode. Ainsi, nous disposons de deux types cellulaires différents formant deux populations distinctes ainsi que des cellules des mêmes lignées, différenciées ou non, constituant deux populations dont la variabilité est plus continue. Cela nous a permis d’évaluer les méthodes d’analyses sur différents types de populations présentant des profils de séparation différents. Après de nombreuses mises au point et optimisations nous avons pu analyser de manière cohérente et distinguer les différentes populations étudiées. Bien qu’aucune évaluation extensive des méthodes d’analyse n’ait pas pu être réalisée, l’implémentation de cette technique et les jeux de données déjà générés soulignent l’importance cruciale d’analyses robustes et ouvrent la voie vers une étude plus approfondie de l’optimisation du traitement des données de SCP.