APPROCHES "OMIQUES" ATELIER " METHODES INNOVANTES D'ANALYSE
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
ATELIER
« METHODES INNOVANTES D’ANALYSE
EN BIOLOGIE CUTANEE »
APPROCHES “OMIQUES”
Modérateurs:
Jérome LAMARTINE - CNRS UMR 5305 - LBTI
Marc VOCANSON - INSERM U1111-CIRI
Lyon - France
1
Bonjour à tous
Bienvenu à cette session « approches omiques » en biologie cutanée
Mon nom est Marc Vocanson et celui de mon co‐chairman Jérome Lamartine. Nous
sommes chercheurs respectivement au CIRI et à l’LBTI ici à Lyon.
Jérome ou moi‐même, nous ne sommes experts des technologies « omiques », dont
nous allons parlé au cours de cette session. Cependant en que chercheur spécialisé
depusi de nombreux années en biologie cutanée, nous sommes tous 2, au même titre
je pense de nombreux personnes dans cette salle, des utilisateurs ponctuels ou réguliers
de ces approches qui sont en train de révolutionner notre façon de faire de la science.
1
Jérôme Lamartine
Professeur de génétique Université Lyon I
Laboratoire LBTI (CNRS UMR 5305)
Mots clés : Epidermis, differentiation, aging, stress, epigenetics,
genes networks
Plus de 15 ans d’expérience des approches OMIQUE en biologie
cutanée
‐ Lamartine et al. Nature Genet 2000 (Génomique)
‐ Lemaitre et al. J Cell Biochem 2004 (Protéomique)
‐ Lamartine et al. J Cell Biochem 2005, Franco et al. Rad Res 2005 (Transcriptomique)
‐ Vigano et al. EMBO J 2006 (Interactomique : ChiP chip)
‐ Berthier‐Vergnes et al. Br J Cancer 2011 (transcriptomique)
‐ Joly‐Tonneti et al. BMC Genomics 2013 (transcriptomique microRNAs)
‐ Barbollat‐Boutrand et al. Exp Dermatol 2016 (Transcriptomique)
‐ Agaësse et al. Oncogene 2016 (Phenomics)
‐ Barbollat‐Boutrand et al. Clin Cosm Invest Dermatol 2017 (Transcriptomique)
‐ Muther et al. Aging En revision (Transcriptomique microRNAs)
2
Marc Vocanson
Chercheur (CR1) INSERM en immunologie
Co‐responsable du laboratoire « Immunologie de l’Allergic cutanée et vaccination »
• Mots clés : Peau, Inflammation, Allergie, Immunité T,
Physiopathologie, Diagnostic, Thérapie
Expérience des approches OMIQUE en biologie cutanée
• Vocanson et al. Submitted. (Transcriptomique)
• Villani et al. Submitted. (Cytomique)
• Bernard et al. J Pathol. 2017, 242(2):234‐245. (Transcriptomique)
• Cluzel‐Tailhardat et al. Toxicol Lett. 2007, 174(1‐3):98‐109. (Transcriptomique)
• Cluzel‐Tailhardat et al. Eur J Dermatol. 2007, 17(5):457‐9. (Transcriptomique)
3
APPROCHES « OMIQUES »
ETAT DE L’ART
GRANDS DEFIS
BESOINS NON COUVERTS EN BIOLOGIE CUTANEE
TECHNOLOGIES EN DEVELOPPEMENT
FORCES DE LA REGION – LES EXPERTS
4
Au cours de cette session, avant de vous présenter les 5 intervenants que nous avons
sélectionné pour venir vous parler des technologies « omiques » dont ils sont experts,
de leur intérêt et limites, ainsi que de leur applications actuelles ou à venir dans le
domaine de la biologie cutanée,
au cours de cette introduction, nous allons vous présenter jérome et moi‐même l’état de
l’art du domaine, les grands challenges à relever dans les domaines des omiques et
essayer de dresser grossièrement un état des lieux des besoins non couverts adaptés à
notre thématique du jour, la biologie cutanée, et enfin essayer de vous présenter les
forces de la région, qui comprennent notamment nos experts
4
ETAT DE L’ART
• > 800 termes utilisant “omiques”
• Génomique • Immunomique
• Transcriptomique • Interactomique
• Protéomique • Régulomique
• Métabolomique • Sécrétomique
• Epigénomique • Fluxomique
• Microbiomique • Phénomique
5
• …
Alors, lorsqu’on parle d’approches omiques, cela s’avère parfois assez compliqué et cela
peut devenir vite confus
En effet, aujourd’hui on utllise ce fameux suffix omique à toutes les sauces
Il suffit de faire un rapide googleing pour s’apercevoir que > 800 termes utilisent ce
suffix
De façon non exhaustive j’en ai listé plusieurs sur cette diapositive….
5
ETAT DE L’ART
6
Support de la bioinformatique ‐ Bases de données
Nous sommes donc revenu à l’origine éthymologique du mot qui dérive en fait du mot
Ome qui provient de la langue sanscrit et qui veut dire totalité
Du coup lorsque l’on combine des objets du vivant tels que les gènes, les protéines…
avec le terme ome, on obtient génome, trasncriptome,protéome, métabolome qui
signifient respectivement l’ensemble des gènes, des ARN, des protéines ou des
métabolites d’un système biologique donné.
Du coup les termes génomique, protéomique métabolomique ect définissent les
méthodes analytiques qui permettent d’explorer, sans à priori, l’ensemble de ces
différents objets biologiques.
Vous comprendrez facilement que ceci signifie donc que les approches omiques
nécessitent la réalisation d’études à grande échelle, se basant sur l’utilisation de
technologie, d’équipement de pointe.
En outre ceci n’a été et n’ait rendu possible que grâce à l’avènement et au support de la
bioinformatique, ainsi que la création de bases de données qui permettent de stocker,
analyser la myriade d’informations collectées grâce à ces approches.
6
ETAT DE L’ART
Vers une nouvelle biologie : intégration des données « omiques » (multi‐omiques)
Biologie intégrative
Biologie des systèmes
Adapté, P. Fischer
Ce changement de démarche a ouvert la porte au concept de biologie intégrative qui
consiste à intégrer l’ensemble des données « omiques » (on parle de muti‐omiques)
collectées à propos des briques vivants,
Maintenant pour avoir une idée de la fonction d’un gène, il faut non seulement en
connaître les trasncripts, les protéines, métabolites qui en découlent , c’est à dire
l’information complète… et ça c’est c’est qu’on appelle la biologie intégrative
Cette information complète est à la fois 1‐ formelle / statique comme celle générées par
l’analyse du génome ou 2‐ dynamique comme celles collectées dans le cadre des
approches métabolomiques ou fluxomiques.
Et Si on rajoute en plus on rajoute un domaine de mathématique qui permet de
modéliser l’ensemble vous passez de la biologie intégrative vers la biologie des systèmes
7
LES GRANDS DEFIS
• Défi intellectuel
• Défi technologique
• Défi structurel
• Défi éducationnel
Autant par son rythme effréné que par son impact majeur sur notre conception de la
recherche biomédicale, la révolution des « omiques » est tout sauf une révolution
tranquille.
Grisantes par leur potentiel en apparence illimité, les méthodes « omiques » ne sont pas
sans poser des défis majeurs, aussi bien sur le plan de la démarche scientifique que sur
celui de l’organisation structurelle des activités de recherche.
Parmi les difficultés et les dangers le plus souvent évoqués, il faut souligner
8
LES GRANDS DEFIS
• Défi intellectuel
– Appréhender la complexité du vivant, et notre
capacité à former de meilleures hypothèses à
partir de la masse de données générées
Parmi les difficultés et les dangers le plus souvent évoqués, il faut souligner
1‐ La complexité du vivant.
Selon les prédictions les plus classiques, les quelques 25 000 gènes du génome humain
se transforment en plus de 500 000 protéines lorsqu’on prend en compte les épissages
alternatifs et les modifications post‐traductionnelles. Considérant que le nombre de
partenaires de chaque protéine est estimé au moins à cinq, la complexité des réseaux
d’interactions possibles est intimidante.
Quiconque a regardé les « interactomes » engendrés par des approches protéomiques à
grande échelle ne peut qu’être perplexe quant à notre capacité à formuler la meilleure
hypothèse à partir de cette masse de données.
Bien que ces approches aient déjà produit leurs premiers fruits en permettant, entre
autres, l’intuition et les connaissances du chercheur ne suffisent plus à exploiter de
manière optimale l’ensemble des données.
D’où la contribution de plus en plus importante d’outils informatiques est donc devenue
essentielle, tant pour la gestion des données que pour la formulation d’hypothèses
objectives à partir de modèles mathématiques permettant d’appréhender de façon
globale des systèmes complexes
9
LES GRANDS DEFIS
• Défi technologique
– Contrôle qualité des données produites
(standardisation, automatisation)
– Stockage de données (Banques immenses, transfert
des données)
– Exploitation/Visualisation des données (hautement
complexes, consommatrices de temps)
– Intégration des données (multi‐omiques)
– Coopération entre les différents acteurs
(Bioinformaticiens qui comprennent la biologie…)
– Nouvelles approches
Parmi les difficultés et les dangers le plus souvent évoqués, il faut souligner
2‐ la tâche complexe du contrôle de qualité des données produites par les études à
grande échelle,
3‐ les difficultés de comparaison de larges ensembles de données obtenues dans des
conditions expérimentales différentes,
4‐ l’assemblage et la dissémination des résultats sous des formats qui peuvent être
exploités facilement par d’autres chercheurs et l’absence d’approches systématiques
permettant de tester l’ensemble des trop nombreuses hypothèses engendrées.
Automatiser, standardiser, généraliser l’acquisition des métadonnées
10LES GRANDS DEFIS
• Défi structurel
– Technologies très coûteuses
– Compétences humaines très recherchées car rares
– Plateformes technologiques
– Développement de projets à grande échelle
(réseaux, consortium)
– « Big science » = source de crainte. Déséquilibre
entre approches / moyens des grandes companies
et chercheurs indépendants
Les changements qu’imposent les approches « omiques » sur notre façon de faire de la
recherche suscitent des changements structurels essentielles, ceci qui peut générer une
certaine inquiétude au sein de la communauté scientifque.
En effet, les ressources financières et humaines nécessaires à la réalisation des projets à
grande échelle conduisent à la concentration de moyens importants au sein de grands
groupes (réseaux, consortium…) souvent constitués de chercheurs œuvrant aux quatre
coins du monde.
approche dite de « big science » est génératrice d’angoisse chez un grand nombre de
scientifiques qui voient là un risque de faire disparaître les chercheurs indépendants
11LES GRANDS DEFIS
• Défi éducationnel
– Former la prochaine génération de scientifiques
pour qu’ils soient dotés des outils conceptuels et
techniques nécessaires
Il nous faut aussi préparer la prochaine génération de scientifiques pour qu’ils soient
dotés des outils conceptuels et techniques nécessaires à la domestication de la masse
de connaissances libérées.
12BESOINS NON COUVERTS EN BIOLOGIE CUTANEE
• Les technologies « omiques », notamment ayant attrait à la
génomique/protéomique, sont aujourd’hui largement
utilisées en biologie cutanées ; ceci avec un succès certain
13BESOINS NON COUVERTS EN BIOLOGIE CUTANEE
• Défi intellectuel
– Appréhender la complexité de la peau et ses fonctions
Il nous faut aussi préparer la prochaine génération de scientifiques pour qu’ils soient
dotés des outils conceptuels et techniques nécessaires à la domestication de la masse
de connaissances libérées.
À nous de montrer notre capacité à récolter les fruits de cette connaissance sans
sacrifier l’imagination et la passion sur l’autel de la révolution des « Omiques ».
14La peau = un organe multi-tâche
Suface de la peau =1.8 m2
Fonctions de la peau:
Barrière physique, biochimique
Barrière immunologique ( Maintenir l’homéostasie)
Zone neuro-sensorielle développée
Permet l’hydratation
Site de production des vitamines, hormones
15
La peau est avec 1.8 M2 un des organes les plus larges de l’organisme, et sans aucun
doute celui qui est le plus exposé à l’environnement. Elle est challengée de façon
permanente par tout un ensemble de danger potentiels (physique, chimique,
biologique). A ce titre, elle assure différentes missions/tâches qui sont essentielles pour
maintenir l’intégrité de ce tissu, et plus généralement de l’organisme entier. Ainsi, la
peau joue un rôle de barrière physique, biochimique, mais c’est également une zone
sensorielle majeure. Elle est en outre un site de production de vitamines, d’hormones.
15BESOINS NON COUVERTS EN BIOLOGIE CUTANEE
• Défi intellectuel
• Défi éducationnel
– Master de biologie cutanée, de bioinformatique (Université de Lyon)
• Défi technologique
– Difficulté de collection des échantillons cliniques (besoin de nouvelles
méthodes « minimally invasive »)
– Technologie « single cell » (cellule unique) à démocratiser
– Intégration des données (multi‐omics) à développer
• Défi structurel
– Stimuler les projets de grande envergure, la coopération
académie/industrie
– Capitaliser sur les expertises pour structurer les forces sur AURA car
VOUS êtes TRES nombreux
Il nous faut aussi préparer la prochaine génération de scientifiques pour qu’ils soient
dotés des outils conceptuels et techniques nécessaires à la domestication de la masse
de connaissances libérées.
À nous de montrer notre capacité à récolter les fruits de cette connaissance sans
sacrifier l’imagination et la passion sur l’autel de la révolution des « Omiques ».
16Technologies OMIQUES en développement
• Approches cellule unique (génomique,
transcriptomique, protéomique)
17Cf présentation Joël Lachuer pour le détail des technologies
18Vision
« ancienne »
Vision
« nouvelle »
19Techniques OMIQUES en développement
• Approches cellules uniques (génomique,
transcriptomique, protéomique)
• Cribles phénotypiques à haut débit
(Phenomique) : siRNA/CRISPR on chip
20Transfections à haut débit sur puce à cellules
b.
a.
c.
200 µm
HEK293T cells expressing GFP
Xavier Gidrol (CEA)
2122
Technologies OMIQUES en développement
• Approches cellules uniques (génomique,
transcriptomique, protéomique)
• Cribles phénotypiques à haut débit
(Phenomics) : siRNA/CRISPR on chip, systèmes
microfluidiques
• Analyse des métagénomes
2324
Technologies OMIQUES en développement
• Approches cellules uniques (génomique,
transcriptomique, protéomique)
• Cribles phénotypiques à haut débit
(Phenomique) : siRNA/CRISPR on chip,
systèmes microfluidiques
• Analyse des métagénomes
• Intégration des données OMIQUES et
modélisation des réseaux génétiques
25Forces en présence en Auvergne- Rhône-Alpes
Laboratoires de recherche académique
en biologie cutanée
Lyon
CIRI
LBTI
IGFL
CRCL
Clermont‐Fd HCL
Imost INSERM
St‐Etienne Grenoble
CHU
CHU CEA‐ LAN ‐ BIG
IAB INSERM U1209
CHU
26Forces en présence en Auvergne- Rhône-Alpes
Plate-formes OMIQUE et analyse des données
G : Génome
T : transcriptome
B M : Métabolome
L : Lipidome
G, T L I : Interactome
G, T, I Pr : Protéome
I
Ph : Phénome
M B : Bio‐info
G, T, I, Ph, Pr
Pr
Pr
Ph
Plate‐forme OMIC ou bio‐info labélisées
IMBL (INSA Lyon) : Lipidomique
Prométhé : plate‐forme de protéomique IAB
CEA GPI : Grenoble Proteomics Infrastructure
Dorothée Lebert : PAP
Sylvie Sauvaigo : LxRepair
27Forces en présence en Auvergne-Rhône-Alpes
Industriels de la dermo-cosmétique & dermo-pharmacie
28Forces en présence en Auvergne- Rhône-Alpes
Un paysage en évolution …
CHU de Lyon, Grenoble‐Alpes, St‐Etienne et Clermont‐Ferrand + 3 centres anti‐cancer
Universités de Lyon I, Grenoble‐Alpes, St‐Etienne, Clermont‐Ferrand + Ecole des Mines SE
Société Eurofin Biomnis
Objectif : traiter 18 000 génomes en 2019
Plate‐forme de séquençage à Lyon (HEH), stockage et analyse des données à Lyon et
Grenoble
29Forces en présence en Auvergne-Rhône-Alpes
Un paysage en évolution …
Réseau de Biologie systémique de l’université de Lyon
www.biosyl.org
Missions :
‐ Contribuer à fédérer les activités de biologie systémique sur Lyon.
‐ Gérer l’accès aux moyens de calcul et notamment à de futures plateformes de
stockage et de traitement de donnés (interface avec la Fédération de Modélisation
et Sciences Numériques, FMSN et le Pôle Rhône‐Alpin de Bioinformatique PRABI)
‐ Créer une plate‐forme de modélisation dynamique permettant une activité de
service
‐ Identifier les préoccupations industrielles nécessitant des approches de biologie
systémique et proposer aux partenaires concernés des solutions et des contacts
locaux.
30LES EXPERTS
J. Lachuer D. Lebert
S. Sauvaigo T. Andrieu
31
Support de la bioinformatique ‐ Bases de données
J. Nourikyan
31Vous pouvez aussi lire
