Nature mise sur l’IA pour décoder chaque cellule

Le séquençage unicellulaire examine l’expression génétique cellule par cellule, au lieu d’analyser une population entière. Cette méthode répond à une difficulté biologique centrale : les cellules d’un même organisme partagent généralement le même ADN, mais leurs activités varient selon les gènes activés. Le génome humain contient environ 3 milliards de paires de bases réparties sur 23 chromosomes. Il comprend environ 20 000 à 25 000 gènes codants, soit près de 1 % du génome. Le séquençage unicellulaire mesure notamment les niveaux d’ARN produits par chaque gène. L’article source décrit le rôle croissant du deep learning dans cette analyse.

La méthode suit trois étapes principales. Les chercheurs isolent d’abord les cellules du tissu étudié. Ils extraient ensuite le matériel génétique de chaque cellule, avant son amplification et la préparation d’une bibliothèque. Un séquenceur de nouvelle génération produit enfin les données analysées. Ces données prennent la forme d’une matrice : chaque ligne correspond à une cellule identifiée par un code-barres unique, tandis que chaque colonne correspond à un gène. Les valeurs indiquent le niveau d’expression d’un gène dans une cellule donnée. Cette représentation permet d’étudier simultanément la diversité des profils cellulaires et les différences d’activité génétique entre cellules d’un même échantillon. Le guide du génome humain rappelle les bases de cette organisation génétique.

Nature distingue trois étapes technologiques

Les étapes de Nature ont marqué l’évolution de la discipline. Nature a désigné le séquençage de l’ARN unicellulaire comme « Method of the Year » en 2013. Le premier article consacré à cette méthode date de 2009. La base scRNA-tools compilait plus de 1 000 outils d’analyse en 2021, après un lancement en 2016. Nature a ensuite distingué l’intégration de données unicellulaires multimodales comme méthode de l’année 2019. Cette approche mesure plusieurs modalités dans une même cellule, notamment le génome, l’épigénome et le protéome. Elle nécessite des méthodes capables de modéliser et de combiner plusieurs jeux de données. Les méthodes d’apprentissage multi-vues recherchent leurs variations communes. La publication de 2013 documente la reconnaissance du séquençage unicellulaire de l’ARN.

Le Human Cell Atlas porte cette ambition de cartographier les cellules du corps humain. Le projet international cherche à décrire leurs propriétés et leurs relations. Aviv Regev, biologiste computationnelle et des systèmes au Broad Institute du MIT et de Harvard, compare cette cartographie à Google Maps. Le séquençage unicellulaire aide à étudier les processus de développement, les changements cellulaires liés aux traitements et les états pathologiques. Il facilite également l’identification de nouveaux types cellulaires dans une population. Le séquençage de l’ARN reste longtemps privilégié, notamment parce que l’ARN est relativement facile à mesurer, selon une citation de Satija, chercheur au New York Genome Center. La transcriptomique spatiale répond ensuite à la perte de localisation provoquée par l’isolement des cellules.

Les autoencodeurs réduisent la complexité cellulaire

Le deep learning est utilisé pour traiter la dimension, la non-linéarité et l’hétérogénéité des données unicellulaires. Ces données mesurent l’expression de milliers de gènes pour chaque cellule, avec des valeurs souvent dispersées et incomplètes. Les modèles peuvent apprendre des relations complexes entre ces variables et représenter des profils cellulaires différents au sein d’un même échantillon. L’article oppose cette approche aux méthodes traditionnelles, qui demandent une stratégie de création de caractéristiques conçue par des experts.

Les autoencodeurs occupent une place importante parmi les architectures utilisées. Ils compressent les données dans un espace latent de dimension réduite, puis tentent de reconstruire les observations initiales. Cette opération permet de conserver les principales structures de variation tout en limitant le bruit et la complexité du jeu de données. Les chercheurs peuvent ensuite regrouper les cellules dans cet espace réduit pour caractériser des types ou des sous-populations cellulaires. Contrairement à l’analyse en composantes principales, les autoencodeurs peuvent représenter des relations non linéaires. Leur performance dépend toutefois de la qualité des données, du choix de l’architecture et des paramètres d’entraînement.