Exploring human T cells functional diversity using single-cell RNAseq: methodological and biological strategies - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

Exploring human T cells functional diversity using single-cell RNAseq: methodological and biological strategies

Exploration de la diversité fonctionnelle des cellules T dans les données de séquençage d’ARN en cellule unique à l’aide d’outils méthodologiques et biologiques

Résumé

Single-cell ARN sequencing (scRNAseq) is a fairly young technique. It makes a snapshot of a single-cell transcriptome. After a slow start, its usage became more systemic. Indeed, the richness of the data enables a fine dissection of a living organism’s biology. It gives access to an unprecedented amount of information to better understand cell heterogeneity, or quantify the differences between physiological and pathological states. However, the single-cell approach is a double-edged sword. In spite of its democratisation, the wet lab part is still perfectible, as we are currently only able to capture 5 to 20% of the reads. Regarding the computer process, it is challenging: scRNAseq data is noisy as its effective dimension is high, and because of the incomplete capture. Because scRNAseq is still a young technique, not enough time elapsed for analysis stan- dards to emerge. On the contrary, there is an exponential increase in the number of ana- lytical tools. However, there is a common pipeline: load the genes × cells count matrix -or its transpose-, filter out outlier cells and genes, normalise and reduce the dimension. From the data projected onto a smaller subspace, the next steps can be clustering, trajectory inference or visualisation. Finally, the different clusters or trajectory nodes are annotated. This last step, where we interpret the data, is critical but unfortunately often biased. In this thesis, I focused on two aspects of the analysis of scRNAseq data: a methodological aspect, and the interpretation step. First, I studied dimensional noise, alternatively called the curse of dimensionality. The curse complicates the analysis. It blurs the differences between close and far away data points. Since analysing scRNAseq relies heavily on the production of neighbor graphs, the performance will be degraded by the curse, which distorts the graphs. The usual trick is to reduce the dimension. However, the blurring, or concentration, of distances is not the only effect of dimensional noise. An additional phenomenon called the hubness phenomenon is also detrimental to the analysis as it distorts nearest neighbors graphs. While measure concentration cannot be corrected in high dimensional spaces, hubness can. I quantified the magnitude of the hubness phenomenon in omics data, and the effect of correcting for hubness on the performance of scRNAseq analysis. scRNAseq data is indeed "hubby", especially the datasets with a high intrinsic dimension. The performance when analysing the latter would be improved upon hubness correction, with the best performance reached in the space with the highest effective dimension. I reckon that it might be perceived as just another tool in the already existing jungle, but I believe that the change of paradigm is really interesting, as we modified conceptually one of the most performed step of the analysis, the dimension reduction. Second, I focused more specifically on T cells, through the prism of regulatory T cells. Those cells have a precise functional definition, while there is no strong consensus on the population’s markers for humans. I hypothesized that there might be a decorrelation between function and phenotype and I decided to extend my study to all T cells, since the lineage paradigm is also questionable here. I did a supervised analysis of scRNAseq data in order to better unveil T cells’ functionality. After defining functional modules, I can link each cell to its function/s. First, I assessed the novelty of the approach, by comparing it to the unsupervised pipeline. Then, I characterized the functional differences between T cells from a healthy or a cancer tissue. We also implemented this method to analyse dendritic cells from Covid-19 patients, scoring functions exerted by dendritic cells. This strategy can be applied for other immune cells, other diseases, and even in a physiological setting, so as to functionally map immune cells.
Le séquençage d’ARN en cellule unique (scRNAseq) est une technique jeune. Elle consiste à faire une photographie instantanée des ARN d’une cellule. Après une phase timide d’adoption, son usage s’est généralisé. La richesse de ces données permet de disséquer finement la biologie du vivant, en accédant à des informations telles que l’hétérogénéité d’une population ou la caractérisation différentielle des cellules saines et malades. Cependant, le scRNAseq est à double tranchant. Bien que cela se soit démocratisé, le travail à la paillasse est encore perfectible, car on ne capture que 5 à 20% des ARN. Quant au travail à l’ordinateur, il constitue un défi : les données sont bruitées car immergées dans un espace à grande dimension, et car la capture des ARN est incomplète. La nouveauté du scRNAseq n’a pas encore permis l’émergence de standards d’analyse communs. Au contraire, il y a une explosion des algorithmes. Cependant, il y a un schéma consensuel : importation et nettoyage de la matrice d’expression cellules × gènes, normalisation et réduction de dimension. Les données en dimensions réduites permettent de faire de la visualisation, de l’agrégation ou de l’inférence de trajectoire. Enfin les groupes sont annotés. Cette dernière étape d’interprétation est particulièrement critique mais souvent biaisée. Je me suis attachée dans ma thèse à deux aspects de l’analyse des données scRNAseq : l’aspect méthodologique, et l’interprétation. J’ai d’abord étudié le bruit dimensionnel, autrement appelé la malédiction de la dimen- sionnalité. Cette malédiction complique l’analyse en brouillant les différences entre points proches et lointains. L’analyse scRNAseq, qui repose sur la production de graphes de voisi- nage, est nécessairement pénalisée par cette malédiction qui déforme les graphes. L’astuce habituelle consiste donc à réduire la dimension. Il existe un autre effet de la malédiction, le phénomène de hubness, qui est aussi nocif, car il déforme le graphe des plus proches voisins. Toutefois ce phénomène peut être corrigé. J’ai évalué l’ampleur du phénomène de hub dans les données omiques, ainsi que l’effet de la correction de hub sur la performance de l’analyse scRNAseq. Le phénomène de hub est bien présent, en particulier dans les matrices caractérisées par une grande dimension intrinsèque, et l’analyse de ces jeux de données en particulier bénéficie de la réduction de hub, avec une performance optimale dans l’espace de dimension effective maximale. Bien que cela ne semble être qu’un algo- rithme de plus dans la jungle déjà existante, c’est surtout le changement de paradigme qui est singulier, puisqu’on modifie conceptuellement une étape consensuelle, la réduction de dimension. Ensuite, je me suis intéressée aux cellules T, d’abord via le prisme des lymphocytes T régulateurs. Ces cellules, définies initialement par leur fonction, sont difficile à isoler chez l’homme. En partant de l’hypothèse qu’il y a potentiellement décorrélation entre le phénotype et la fonction, j’ai ensuite élargi mon cadre d’étude à l’ensemble des cellules T en questionnant le paradigme actuel de lignée. J’ai adopté une approche supervisée afin de capturer la fonctionnalité des cellules T avec le scRNAseq. A l’aide de modules fonctionnels pré-définis, je peux relier chaque cellule à sa/ses fonction/s. J’ai d’abord prouvé l’apport de cette approche par rapport à un pipeline non supervisé. Ensuite, j’ai caractérisé les différences fonctionnelles entre cellules T issues d’un tissu sain ou cancéreux. Nous avons aussi implémenté cette méthode pour l’analyse de cellules dendritiques de patients souffrant de la Covid-19, après sélection des modules fonctionnels idoines. Cette stratégie peut donc être appliquée pour d’autres types de cellules que les cellules T, d’autres pathologies que le cancer, et même dans un contexte physiologique, afin de cartographier les fonctions des cellules immunitaires.
Fichier principal
Vignette du fichier
Thesis_Manuscript.pdf (64.96 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03750034 , version 1 (11-08-2022)

Identifiants

  • HAL Id : tel-03750034 , version 1

Citer

Elise Amblard. Exploring human T cells functional diversity using single-cell RNAseq: methodological and biological strategies. Bioinformatics [q-bio.QM]. Université de Paris, 2021. English. ⟨NNT : ⟩. ⟨tel-03750034⟩

Collections

FNCLCC CURIE PSL
173 Consultations
5 Téléchargements

Partager

Gmail Facebook X LinkedIn More