Où docteurs et entreprises se rencontrent
Menu
Connexion

Vous avez déjà un compte ?

Nouvel utilisateur ?

Prédiction et caractérisation bio-informatique des snoRNA et de leurs cibles chez les eucaryotes

ABG-102346 Sujet de Thèse
14/01/2022 Contrat doctoral
Groupe de recherche à l'Université de Sherbrooke
Sherbrooke - Canada
Prédiction et caractérisation bio-informatique des snoRNA et de leurs cibles chez les eucaryotes
  • Biologie
  • Informatique
bio-informatique, apprentissage automatisé, transcriptomique, génomique comparative, petits ARN, régulation de l'expression des gènes, réseaux d'interactions

Description du sujet

L'étudiant aura son propre projet de recherche au sein de notre programme de recherche sur la caractérisation des snoRNA. Tel que décrit dans la section 'Présentation de l'établissement et du laboratoire d'accueil', l'étudiant travaillera sur l'un des projets suivant:

-Prédiction des snoRNA à travers diverses espèces eucaryotes, un projet qui combine apprentissage automatisé et analyse de données d'expression.

-Prédiction des cibles des snoRNA et applications à diverses espèces eucaryotes.

Nature du financement

Contrat doctoral

Précisions sur le financement

Le salaire de l'étudiant proviendra des fonds de recherche du groupe, avec possibilité d'appliquer sur des bourses locales et externes.

Présentation établissement et labo d'accueil

Groupe de recherche à l'Université de Sherbrooke

Nous sommes un groupe de recherche en bio-informatique au sein du département de biochimie et génomique fonctionnelle à l'Université de Sherbrooke, dans le sud-est du Québec. Nous utilisons des approches bio-informatiques, de transcriptomique, de génomique comparative, d'apprentissage automatisé, de biologie moléculaire, de biologie des réseaux et de biologie des systèmes, dans un environnement multi-disciplinaire, pour comprendre le rôle des petits ARN nucléolaires (snoRNA) dans la régulation de l'expression des gènes. Pour ce faire, nous avons élaboré une méthodologie de RNA-seq incluant un pipeline d'analyse bio-informatique approprié pour les ARN très structurés, dupliqués et imbriqués dans d'autres gènes (1-2). Nous caractérisons l'ensemble des 2000 snoRNA annotés chez l'humain et leurs multiples fonctions cellulaires en étudiant leurs patrons d'expression et d'interactions avec des ARN et protéines dans diverses conditions et leur évolution (3-4).

Les snoRNA sont des petits ARN non-codants présents chez tous les eucaryotes et bien caractérisés pour leur rôle dans la biogénèse des ribosomes, grâce à leur capacité de modification chimique séquence-spécifique. Cependant, durant les 2 dernières décennies, de plus en plus d'études ont démontré des fonctions additionnelles pour les snoRNA dont la capacité de réguler l'expression à plusieurs niveaux dont l'épissage alternatif, la polyadénylation alternative et la stabilité des transcrits (5). L'expression des snoRNA est dérégulée dans de nombreuses maladies dont le cancer de l'ovaire que nous étudions particulièrement (6). Malgré l'étendue des fonctionnalités décrites pour les snoRNAs, la majorité des snoRNA sont peu caractérisés et certains sont mêmes manquants des annotations des génomes les mieux annotés (7). Pour augmenter la caractérisation des snoRNA et notre compréhension de leurs rôles cellulaires dans les cellules saines et dans des conditions pathologiques, nous cherchons en parallèle à 1) déterminer l'ensemble des snoRNAs dans différents eucaryotes, 2) identifier leurs cibles et leurs fonctions.

Pour l'identification des snoRNA dans différents eucaryotes, il existe présentement un petit nombre de prédicteurs, mais ceux-ci souffrent de hauts taux de faux positifs et de faux négatifs, Nous prévoyons combiner apprentissage automatisé et données d'expression pour créer des prédicteurs qui performent mieux et sont applicables à tous les eucaryotes. Pour l’identification de leurs cibles, nous avons récemment créé un prédicteur d'apprentissage automatisé pour identifier les cibles des snoRNA de type C/D (8) et nous cherchons à l'améliorer pour permettre son application à tous les eucaryotes. Nous planifions également créer un prédicteur de cibles de snoRNA de type H/ACA.

 

Références

(les noms soulignés sont les étudiants du groupe Scott qui ont mené/participé à ces études)

1- Boivin V, Deschamps-Francoeur G, Couture S, Nottingham RM, Bouchard-Bourelle P, Lambowitz AM, Scott MS, Abou-Elela S (2018) Simultaneous sequencing of coding and noncoding RNA reveals a human transcriptome dominated by a small number of highly expressed noncoding genes, RNA 24(7):950-965.

2- Deschamps-Francoeur G, Boivin V, Abou Elela S, Scott MS (2019) CoCo: RNA-seq read assignment correction for nested genes and multimapped reads, Bioinformatics, 35(23):5039-5047.

3- Fafard-Couture E, Bergeron D, Couture S, Abou Elela S, Scott MS (2021) Annotation of snoRNA abundance across human tissues reveals complex snoRNA-host gene relationships, Genome Biology 22(1):1-24.

4- Bergeron D, Laforest C, Carpentier S, Calvé A, Fafard-Couture F, Deschamps-Francoeur G, Scott MS (2021) Evolutionary mechanisms of snoRNA duplication affect family size, genomic location and abundance regulation, BMC Genomics 22(1):414.

5- Bergeron D, Fafard-Couture É, Scott MS (2020) Small nucleolar RNAs: continuing identification of novel members and increasing diversity of their molecular mechanisms of action, Biochemical Society Transaction, 48(2):645-656.

6- Faucher-Giguère L, Roy A, Deschamps-Francoeur G, Couture S, Nottingham R, Lambowitz AM, Scott MS, Abou Elela S (2022) High-grade Ovarian Cancer Associated H/ACA snoRNAs Promote Cancer Cell Proliferation & Survival, Nucleic Acids Research Cancer, sous presse.

7- Boivin V, Reulet G, Boisvert O, Couture S, Abou Elela S, Scott MS (2020) Reducing the structure bias of RNA-Seq reveals a large number of non-annotated non-coding RNA, Nucleic Acids Research, 48(5):2271-2286.

8- Deschamps-Francoeur G, Couture S, Abou Elela S, Scott MS (2021) The snoGloBe interaction predictor reveals a broad spectrum of C/D snoRNA mRNA targets, BioRxiv.

Intitulé du doctorat

Doctorat en biochimie

Pays d'obtention du doctorat

Canada

Etablissement délivrant le doctorat

Université de Sherbrooke

Ecole doctorale

Profil du candidat

Étudiant en bio-informatique, informatique ou dans les sciences biologiques intéressé à apprendre ou perfectionner des techniques d'informatique, de programmation, d'apprentissage automatisé, de génomique comparative et de biologie des réseaux pour analyser des données biologiques.

01/02/2022
Partager via
Postuler
Fermer

Vous avez déjà un compte ?

Nouvel utilisateur ?