Offre de stage Master 2, équipe AROBAS IBISC, Genopole : « Prédiction et analyse des ARN non-codants impliqués dans le cancer de la vessie »

/, Offre Doctorat/Post-Doctorat/Stage, Plate-forme EVRY RNA, Plate-formes, Recherche, Recrutement/Offre de stage Master 2, équipe AROBAS IBISC, Genopole : « Prédiction et analyse des ARN non-codants impliqués dans le cancer de la vessie »

Offre de stage Master 2, équipe AROBAS IBISC, Genopole : « Prédiction et analyse des ARN non-codants impliqués dans le cancer de la vessie »

Sujet : « Prédiction et analyse des ARN non-codants impliqués dans le cancer de la vessie »

Sujet

Le cancer est une des principales causes de mortalité. La mise au point de diagnostics plus précoces et de nouveaux traitements est essentielle. Un cancer dans un tissu donné est une maladie hétérogène. Plusieurs sous-types peuvent être identifiés. Les traitements et les diagnostics doivent être adaptés à chaque sous-type. Dans ce projet, nous nous intéresserons aux ARNs non codants (ARNnc) dans un cancer fréquent chez l’homme, le cancer de vessie, en se focalisant particulièrement sur un sous-type agressif retrouvé dans différents cancers, le sous-type basal.
Les ARNncs sont impliqués dans de nombreux processus biologiques et peuvent être des marqueurs diagnostiques et des cibles thérapeutiques. Si les altérations affectant les gènes codants pour des protéines ont été bien caractérisées dans les cancers, les altérations affectant les ARNncs sont moins co nnues. Dans ce projet de recherche, nous chercherons dans unpremier temps à identifier les ARNncs dont l’expression est dérégulée dans les différents sous-types de cancers de vessie et/ou sont associés à différents processus biologiques altérés dans ces cancers. Nous chercherons à classer ces différents
ARN dans les grandes classes d’ARNncs identifiés (ou non encore identifiés) et à définir les causes génétiques (altérations génomiques, mutations) ou épigénétiques (méthylation de l’ADN, altérations de la chromatine) responsables de leur dérégulation. En se focalisant particulièrement sur le sous-type basal (sous-type retrouvé non seulement dans les cancers de vessie mais dans d’autres cancers comme le cancer du sein ou du pancréas), nous rechercherons des ARNncs marqueurs diagnostiques pour ce sous-type et des ARNncs qui pourraient être fonctionnellement impliqués dans la voie de
signalisation d’un récepteur à activité tyrosine kinase activé dans ce sous-type, l’EGFR.

Les données de départ seront des données publiques (en particulier les données du TCGA) et des données non publiées. Nous utiliserons des données obtenues sur un ensemble de cellules (données dites « bulk »), et des données obtenues à partir du transcriptome de cellules uniques (« single cell RNA-seq »). Les données single cell permettent d’appréhender l’hétérogénéité tumorale (variation au sein des cellules tumorales mais également étude des cellules normales présentes dans la tumeur qui peuvent contribuer à la progression tumorale).

Dans ce projet, il s’agira d’utiliser et d’appliquer les différentes méthodes et outils d’intelligence artificielle et d’optimisation combinatoire dédiés aux ARNnc (leur identification dans des séquences [1,2,3], leur classification [4], la prédiction de leur structure [5,6,7,8], …) que nous développons dans l’équipe depuis plusieurs années et recensés sur notre plateforme de bioinformatique EvryRNA (http://EvryRNA.ibisc.univ-evry.fr). De nouveaux outils seront très
probablement amenés à être développés. Nous pensons notamment à la mise en place à terme d’une méthode automatique d’analyse globale de l’implication d’ARNnc dans un processus biologique donné allant de l’analyse différentielle, la sélection des ARNnc d’intérêt, leur classification, la prédiction de leur structure et de leur interaction avec d’autres ARN ou protéines, etc.

Bibliographie

[1] S. Tempel, Tahi F. A fast ab-initio method for predicting miRNA precursors in genomes. Nucleic Acids Res. 40(11) : e80, 2012. HAL https://hal.archives-ouvertes.fr/IBISC/hal-00667075

[2] VD Tran, S. Tempel, B. Zerath, F. Zehraoui, Tahi F. miRBoost: Boosting support vector machines for microRNA precursor classification. RNA. A Vol. 21, No. 5, 2015. HAL https://hal.archives-ouvertes.fr/hal-01146718/

[3] Boucheham A, Sommard V, Zehraoui F, Boualem A, Batouche M, Bendahmane A, Israeli D, Tahi F. IpiRId: Integrative approach for piRNA prediction using genomic and epigenomic data. PLoS One. 2017 Jun 16;12(6) :e0179787. PLoS One. Jun 16;12(6) :e0179787. 2017. HAL https://hal.archives-ouvertes.fr/hal-01630647/

[4] Ludovic Platon, Farida Zehraoui, Abdelhafid Bendahmane, Fariza Tahi. IRSOM, a reliable identifier of ncRNAs based on supervised self-organizing maps with rejection. Bioinformatics, Volume 34, Issue 17, 1, Pages i620-i628, 2018. HAL https://hal.archives-ouvertes.fr/hal-02864104

[5] S. Engelen, F. Tahi. Tfold: efficient in silico prediction of non-coding RNA secondary structures. Nucleic Acids Res. 38(1) : 2453-66, 2010. HAL https://hal.archives-ouvertes.fr/hal-00647876

[6] Legendre A, Angel E, Tahi F. Bi-objective integer programming for RNA secondary structure prediction with pseudoknots. BMC Bioinformatics. Jan 15 ;19(1) :13. 2018. HAL https://hal.archives-ouvertes.fr/hal-01696144/

[7] Becquey, L., Angel, E., and Tahi, F. (2020). BiORSEO: a bi-objective method to predict RNA secondary structures with pseudoknots using RNA 3D modules. Bioinformatics, 36(8), 2451–2457. HAL https://hal.archives-ouvertes.fr/IBISC/hal-02442640

[8] Legendre, A., Angel, E., and Tahi, F. (2019). RCPred: RNA complex prediction as a constrained maximum weight clique problem. BMC Bioinformatics, 20(3), 128. HAL https://hal.archives-ouvertes.fr/hal-02105691

Durée du stage

6 mois

Contact

  • Fariza TAHI, Professeur des Universités Univ. Évry Université Paris-Saclay, IBISC équipe AROB@S : farizaDOTtahiATuniv-evryDOTfr

Lieu du stage

Laboratoire IBISC, équipe AROB@S, site IBGBI, 23 boulevard de France, 91000 Évry-Courcouronnes.