Analyse de l'épitranscriptome et cancer // analysis of epitranscriptomics data and cancer

Topic description

Projet doctoral au LIRMM.
1. Le candidat participera à un projet en cours visant à étudier comment un profil des modifications de l'ARN mesurées dans une biopsie sanguine peut aider à prédire le gliome à différents stades de ce cancer du cerveau, ainsi que l'évolution de la tumeur.
Cette partie du projet consiste à concevoir, développer et exécuter des algorithmes et des approches d'apprentissage automatique afin d'exploiter les vecteurs des quantités de modifications de l'ARN observées chez les patients. Les mesures sont effectuées par nos partenaires locaux (Alex David IRCM, Christophe Hirtz PPC/CHU Montpellier) dans une plateforme unique et locale de spectrométrie de masse qui a développé des procédures spéciales pour les mesures dans les ARN.
2. La deuxième partie du projet porte sur les approches bioinformatiques visant à détecter et à étudier le rôle des mutations dans la traduction des séquences d'ARN, ainsi que leur corrélation avec les modifications de l'ARN. L'idée est d'analyser les données du transcriptome et du translatome afin de déterminer quelles mutations de l'ADN sont transcrites puis traduites, et lesquelles ne le sont pas. Seules les mutations situées dans les ARN qui sont traduits ont un impact sur les protéines produites. Les autres mutations n'ont pas d'impact. On sait que la traduction varie en fonction des conditions physiologiques et que les ribosomes peuvent sélectionner ou rejeter certains ARN. Le translatome des cellules cancéreuses a été produit par séquençage à haut débit et génère des bibliothèques similaires à celles du séquençage d'ARN, à l'exception qu'elles sont limitées aux séquences d'ARN qui ont été traduites.
L'objectif est de développer des algorithmes et des outils informatiques pour analyser ces données de séquençage, afin de prédire les mutations traduites et leur effet potentiel sur le devenir d'un ARN. Une fois les pools de mutations détectés, il est intéressant de les corréler avec les emplacements des modifications épitranscriptomiques, afin de rechercher des interactions fonctionnelles potentielles.
Cette partie du travail nécessite des connaissances et un intérêt pour les algorithmes d'analyse de séquences à haut débit, les structures de données pour les données de séquences et le traitement des données de séquençage profond. Le candidat ou la candidate développera des programmes efficaces qui mettent en oeuvre les algorithmes conçus et effectuera des analyses informatiques. Les résultats peuvent être confrontés à des bases de données de connaissances.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

PhD project at the LIRMM.

1. The candidate will participate to a on-going project to study how a profile of RNA modifications measured in blood biopsy can help predict glioma at different stages of this brain cancer, as well as the evolution of the tumor.
This part of the project involves designing, developping, and running machine learning algorithms and approaches to exploit vectors of RNA modification quantities observed in patients. The measurements are performed by our local partners (Alex David IRCM, Christophe Hirtz PPC/CHU Montpellier) in a unique and local mass spectrometry platform that has developed special procedures for measurements in RNAs.

2. The second part of the project deals with bioinformatics approaches to detect and study the role mutations in translation of RNA sequences, and their correlation with RNA modifications. The idea is to analyze transcriptome and translatome data to see determine which DNA mutations are transcribed and then translated, and which are not translated. Only mutations located in RNAs that are translated have an impact on the produced proteins. Others mutations don't. It is known that translation varies with physiological conditions and that ribosomes can select or discard certains RNAs. Translatome of cancer cells have been produced via high throughput sequencing and generate libraries similar to RNA-seq, except that these are restricted to RNA sequences that have been translated.
The goal is to develop computational algorithms and tools to analyse such sequencing data, to predict translated mutations and their potential effect on the fate of an RNA. Once pools of mutations have been detected, it is interesting to correlate them with locations of epitranscriptomic modifications, to seek potential functional interactions.
This part of the work requires knowledge in and interest for algorithms for high throughput sequence analysis, in data structures for sequence data, and in processing of deep sequencing data (see the book of Enno Ohlebusch, entitled 'Bioinformatics Algorithms',, available at: or the book 'Genome-Scale Algorithm Design' by Makinen et al, 2nd edition The candidate will develop efficient programs that implement the designed algorithms, and run computational analyses. The results can be confronted to knowledge databases to cancer genes.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/
WEB :

Funding category

Funding further details

Programmes de l'Union Européenne de financement de la recherche (ERC, ERASMUS)