Approches d'apprentissage profond pour décoder la régulation génétique dans le développement, les maladies et les thérapies

(Titre traduit. Cette conférence aura lieu en anglais.)

Selin Jessa, PhD
Chercheuse postdoctorale
Département de génétique
Université Stanford
Stanford, CA, États-Unis

Cette conférence s'inscrit dans le cadre de la série de Séminaires des scientifiques en formation de l’IRCM, une initiative résolument novatrice, dont la mission est de mettre de l’avant des scientifiques en début de carrière. Voici ici une occasion en or pour venir découvrir les projets passionnants de ces chercheurs en formation devant un auditoire multidisciplinaire.

À propos de cette conférence
Au cours du développement, les facteurs de transcription (FT) se lient à l'ADN d'une manière spécifique à la séquence pour activer les bons gènes au bon moment et au bon endroit. Cependant il nous manque la compréhension systématique de la manière dont l'organisation des sites de liaison des FT permet à seulement quelques centaines de facteurs de transcription de réguler des milliers de gènes de manière spécifique à chaque cellule et comment la perturbation de la régulation conduit à la maladie. Mes recherches utilisent des modèles d'apprentissage profond de pointe, entraînés à utiliser la séquence d'ADN (A, C, G, T) pour prédire les lectures de séquençage de nouvelle génération (ATAC-seq, ChIP-seq, RNA-seq) mesurant les étapes de la régulation génétique. Ces modèles sont déterminants et interprétables, et peuvent être utilisés pour extraire l'influence de la séquence d'ADN sur chaque lecture. Je vais aborder trois applications. 1) Découverte : en entraînant des centaines de modèles dans des types de cellules humaines, nous avons découvert des mécanismes moléculaires distincts expliquant comment l'organisation des sites de liaison des facteurs de transcription (FT) favorise la coopérativité des FT. 2) Prédiction : nous avons prédit les effets spécifiques à certains types de cellules des variantes génétiques sur l'épigénome afin de hiérarchiser les variantes responsables des maladies rares. 3) Criblage : à l'aide d'une nouvelle méthode permettant de détecter les modifications hors cible des éditeurs de bases CRISPR thérapeutiques utilisés dans le traitement de la maladie falciforme et de la bêta-thalassémie, nous avons utilisé des modèles d'apprentissage profond pour trier les modifications qui perturbent la régulation génétique dans les lymphocytes T. Les travaux présentés ici démontrent comment les approches d'apprentissage profond interprétables peuvent fournir une plateforme permettant de décoder la logique cis-régulatrice et d'interpréter les conséquences fonctionnelles de la variation génétique dans le développement et les pathologies.

À propos de Selin Jessa
La Dre Selin Jessa est une biologiste computationnelle qui étudie la régulation génétique. Après avoir suivi des études interdisciplinaires de premier cycle en informatique et en biologie, elle a obtenu son doctorat en sciences de la vie quantitatives à l'Université McGill, où elle a identifié des cellules candidates d'origine dans plusieurs sous-types de tumeurs cérébrales pédiatriques mortelles. Actuellement boursière postdoctorale Banting des IRSC et boursière postdoctorale interdisciplinaire Wu Tsai en neurosciences à l'Université Stanford, elle utilise des stratégies d'apprentissage profond pour caractériser les activités des facteurs de transcription au cours du développement humain. Selin est également une fervente promotrice de la science ouverte. Elle développe des ressources et des répertoires de codes afin de favoriser le partage des données et la reproductibilité dans la recherche génomique.