Présentation

Le séquençage d’ARN monocellulaire (scRNA-seq) mesure le transcriptome de cellules individuelles, offrant une résolution sans précédent de l’hétérogénéité cellulaire. Le RNA-seq en masse moyenne l’expression génique sur des millions de cellules, masquant les états transcriptionnels distincts des différents types cellulaires. En revanche, le scRNA-seq capture le profil d’expression de chaque cellule séparément, permettant la découverte de populations cellulaires rares, la reconstruction de trajectoires développementales et la caractérisation de réponses spécifiques à chaque type cellulaire. Depuis la première étude de scRNA-seq en 2009, la technologie a progressé rapidement, les plateformes modernes profilant des dizaines de milliers de cellules en une seule expérience.

Méthodes

Le flux de travail du scRNA-seq implique l’isolement des cellules (à l’aide de plateformes basées sur des gouttelettes comme 10x Genomics Chromium, de microfluidique comme Fluidigm C1, ou de méthodes sur plaque), la transcription inverse avec des identifiants moléculaires uniques (UMI) pour éliminer le biais d’amplification, et la préparation de la bibliothèque pour le séquençage. L’analyse bioinformatique procède par : contrôle qualité (filtrage des cellules par nombre de gènes, contenu mitochondrial et comptages d’UMI), normalisation (SCTransform, scran ou BASiCS), correction des effets de lot (Harmony, CCA de Seurat ou scVI), réduction de dimensionnalité (ACP suivie d’une visualisation UMAP ou t-SNE), clustering (algorithmes de Louvain ou Leiden) et expression différentielle entre les clusters. L’annotation des types cellulaires utilise des gènes marqueurs et des bases de données de référence.

Applications

Le scRNA-seq a transformé de multiples domaines. Il a créé des atlas cellulaires complets des organes humains, cartographié l’embryon en développement et révélé des sous-types cellulaires jusqu’alors inconnus dans le cerveau et le système immunitaire. Dans la recherche sur le cancer, le scRNA-seq dissèque l’hétérogénéité tumorale et le microenvironnement tumoral, identifiant de rares états cellulaires résistants aux médicaments liés à des marqueurs de cytométrie en flux. La technique s’appuie sur les principes fondamentaux du séquençage de l’ARN et les concepts de puces à ADN et expression génique. Les méthodes émergentes de transcriptomique spatiale ajoutent désormais un contexte positionnel aux données monocellulaires, révélant comment les cellules s’organisent au sein des tissus.