Analyse comparative des profils transcriptomiques des lymphocytes T CD8⁺ en fonction de l’âge, du contexte tumoral et du compartiment à partir de données publiques RNAseq

Immunologie, UF d’Hématologie et d’Immunologie, CHU d’Orléans

INSERM U1365 Innovative Therapies and Nanomedicine Pr C Pichon

Lieu de stage : INSERM, CHU d’Orléans 14 avenue de l’hopital, 45100 Orléans

Contexte scientifique : Le Lymphocyte T CD8⁺ étant l’acteur majeur de l’immunité anti-tumorale, généralement l’infiltration intra-tumorale en LT CD8⁺ est de bon pronostic (comme dans le carcinome pulmonaire, mélanome etc), à l’exception du carcinome rénal à cellules claires. Le vieillissement du système immunitaire induit une diminution globale et hétérogène de la réponse lymphocytaire T CD8⁺ avec des conséquences potentielles négatives sur l’immunosurveillance anti-tumorale et l’efficacité des immunothérapies (Granier et al. 2021; Akbar et al. 2016). Récemment, notre équipe a mis en évidence une augmentation de la population lymphocytaire T CD8⁺ sénescente EMRA CD57⁺ dans une cohorte d’oncogériatrie, chez les patients répondant moins bien aux immunothérapies (Gonnin et al. 2024). La sénescence des lymphocytes T CD8⁺ n’a pas encore été étudiée in situ.

Objectif du stage : à l’aide de bases de données publiques de données de single-cell RNAseq (scRNAseq), comparer les profils transcriptomiques à résolution unicellulaire des lymphocytes T CD8⁺ selon (i) l’âge (sujets jeunes versus âgés) afin de dégager de nouvelles voies de sénescences, (ii) le statut pathologique (patients atteints de cancer versus individus sains et carcinome rénal versus carcinome pulmonaire) et selon le compartiment biologique (PBMC versus tissu tumoral). Des marqueurs de sénescence et voies originales seront regardés (TEMRA CD57, CD4 au profil particulier, cytosquelette, miRNA et télomères). C Truntzer et son équipe ont une expertise de ces analyses (Fumet et al. 2025).

Missions : le stage que nous proposons consistera en

• L’appropriation du contexte biologique/clinique (bibliographie en anglais)
• La compréhension et la mise en place de différentes méthodes de prétraitement des données de scRNAseq
• La compréhension et la mise en place de méthodes
  • d’analyses nn supervisées pour la description des données générées
  • d’analyses supervisées pur la sélection de marqueurs de sénescences
• Rédaction de présentations/rapports d’analyse

Les analyses statistiques seront faites sous R et/ou Python et se feront en collaboration étroite entre les bioinformaticiens et les biologistes.

• Étudiant/étudiante en M2 de biologie, immunologie, bioinformatique, data science ou biostatistique
• Connaissances avancées en programmation (R, Python)
• Rigueur scientifique et autonomie
• Intérêt pour l’analyse de données biologiques
• Capacités à travailler en équipe