En labo, 22 millions de cellules cartographient les circuits génétiques

Un gène est plus facile à comprendre quand on appuie sur son interrupteur. Des scientifiques des instituts Gladstone, de l’université de Californie à San Francisco et de l’université Stanford l’ont fait près de 12 800 fois dans des lymphocytes T provenant de donneurs de sang, en examinant 33,4 millions de cellules et en utilisant 22 millions de cellules de haute qualité pour établir une cartographie des circuits génétiques immunitaires. L’étude a été publiée dans Cell.

La méthode, appelée Perturb-seq, combine une modification génétique ciblée et une analyse unicellulaire : les chercheurs désactivent un gène à la fois, puis observent ce qui se passe à l’intérieur de chaque cellule. Plutôt que de s’appuyer sur des lignées cellulaires expérimentales utilisées depuis longtemps, l’équipe a travaillé avec des cellules immunitaires humaines primaires, qui conservent leur capacité à répondre aux signaux activant le système immunitaire.

Ce choix a révélé un fait central de la biologie : un gène ne produit pas un résultat fixe dans toutes les situations. L’équipe de Gladstone a constaté que les circuits génétiques fonctionnent différemment selon que les lymphocytes T sont au repos ou répondent à une infection. Alex Marson, directeur du Gladstone-UCSF Institute of Genomic Immunology, a décrit ces travaux comme une étape qui consiste à passer de la lecture du plan génétique à l’étude de la manière dont des modifications ciblées changent l’état d’une cellule.

Concrètement, la cartographie donne aux chercheurs un moyen de relier les variants génétiques aux voies qui façonnent les caractéristiques immunitaires et le risque de maladie. Elle pourrait contribuer à la conception d’immunothérapies contre le cancer et à l’étude des maladies auto-immunes, tout en permettant aux scientifiques de comparer les réponses cellulaires entre individus.

Le jeu de données rejoint également le Billion Cells Project de Biohub, qui vise à constituer une collection open source d’1 milliard de cellules individuelles pour des modèles d’IA capables de prédire le comportement cellulaire. Les chercheurs estiment que ces données riches en contexte sont nécessaires à la fiabilité des modèles de biologie virtuelle : une IA entraînée sur un seul état cellulaire pourrait avoir du mal à reproduire les réponses du monde réel. Pour l’instant, cette avancée est une cartographie de laboratoire et une ressource de recherche ouverte, pas un traitement utilisé en clinique.