Un outil pour tracer les arbres généalogiques des cellules

Pour comprendre le développement de tout organisme vivant, où les cellules se multiplient et se diversifient pour former ses différentes parties, il est indispensable de comprendre l’origine de chaque cellule. C’est ce que les biologistes appellent la «lignée cellulaire», c’est-à-dire un arbre généalogique, mais pour les cellules. De la même façon que vous pouvez remonter votre ascendance jusqu’à vos grands-parents et au-delà, les scientifiques peuvent retracer la division et l’évolution des cellules à partir d’une cellule «parente» unique en diverses cellules «descendantes», chacune ayant son propre rôle dans l’organisme.

Le traçage des lignées cellulaires nous aide à comprendre comment des organismes complexes, comme l’être humain, peuvent se développer à partir d’un seul œuf fécondé pour devenir des êtres dotés de trillions de cellules spécifiques, et comment des perturbations de ce processus peuvent entraîner des maladies comme le cancer. Toutefois, le domaine rencontre des obstacles importants, principalement parce que le traçage des lignées nécessite des techniques complexes et laborieuses.

L’outil GEMLI

Récemment, des scientifiques sous la houlette d’Almut Eisele et de David Suter de l’EPFL ont mis au point un outil informatique capable de déterminer les relations de lignée entre les cellules sans recourir à des méthodes expérimentales spécifiques de traçage de lignées.

Appelé GEMLI (Gene Expression Memory-based Lineage Inference), cet outil nécessite uniquement des données de séquençage de l’ARN de cellules uniques (scRNA-seq). Cette technique très répandue capture des «instantanés» des gènes exprimés par une seule cellule à un moment donné.

GEMLI tire parti du phénomène fascinant de la mémoire de l’expression des gènes. De la même façon que l’on se souvient d’une recette après l’avoir réalisée plusieurs fois, certains gènes conservent l’intensité de leur expression sur plusieurs générations de cellules. Ainsi, en exploitant ces «gènes mémoire» dans les ensembles de données scRNA-seq, GEMLI peut reconstituer les relations de lignée entre différentes cellules, en retraçant efficacement leur arbre généalogique sur la seule base des modèles d’expression génétique.

Les scientifiques ont rigoureusement testé GEMLI sur différents types de cellules et dans différentes conditions, dont les cellules souches embryonnaires, les fibroblastes, les cellules sanguines, les cellules intestinales et différents types de cellules cancéreuses, à la fois in vitro et in vivo. Dans tous les tests, GEMLI s’est révélé à la fois fiable et polyvalent.

Identification de lignées cellulaires au moyen de GEMLI, par petits groupes de cellules (à gauche) ou par lignées plus grandes (à droite)

GEMLI identifie les lignées cellulaires dans les tumeurs humaines primaires

L’équipe a également utilisé GEMLI sur des échantillons primaires de cancer du sein, pour lesquels il est impossible d’utiliser d’autres méthodes d’identification des lignées. «GEMLI fonctionne le plus efficacement lorsqu’il s’agit de retracer des lignées de petite à moyenne taille (environ 30 à 50 cellules), ce qui permet de zoomer sur les points de ramification lors de la progression du cancer», affirme David Suter. «En identifiant les cellules au point de transition d’un phénotype in situ à un phénotype invasif, il est possible de découvrir des gènes potentiellement à l’origine de la progression cancéreuse.»

En résumé, GEMLI identifie et tire parti des gènes mémoire dans un vaste ensemble d’informations génétiques, en les utilisant comme «fil conducteur» pour retracer la lignée des cellules. Par l’analyse des nuances subtiles de l’expression des gènes, GEMLI révèle les liens familiaux entre les cellules.

GEMLI ne nécessite pas d’équipement spécifique ni de modification des pratiques de laboratoire standard. Disponible gratuitement à l’adresse https://github.com/UPSUTER/GEMLI, il permet l’identification des lignées à partir de pratiquement n’importe quel ensemble de données scRNA-seq type. «Nous sommes enthousiasmés par le potentiel de GEMLI. Il devrait permettre d’exploiter le grand nombre d’ensembles de données scRNA-seq de cancers humains accessibles au public, afin d’analyser la manière dont d’autres types de cancers passent à un phénotype invasif», déclare David Suter.

Autre contributeur

Institut Karolinska