Thèse Relations Génome-Épigénome-Transcriptome dans la Réponse aux Immunothérapies dans le Mélanome H/F - Université Paris-Saclay GS Life Sciences and Health

Établissement : Université Paris-Saclay GS Life Sciences and Health
École doctorale : Cancérologie : Biologie - Médecine - Santé
Laboratoire de recherche : Prédicteurs moléculaires et nouvelles cibles en oncologie
Direction de la thèse : Caroline ROBERT ORCID 0000000294930238
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-30T23:59:59

Ce projet de thèse vise à comprendre les mécanismes de résistance aux immunothérapies par blocage de points de contrôle dans le mélanome, en intégrant données génomiques, épigénomiques et transcriptomiques. S'appuyant sur une cohorte unique de biopsies congelées analysées par RNA-seq total profond et associées à un suivi clinique complet, il explore le rôle de nouveaux ARN intergéniques et centromériques spécifiquement exprimés chez les non-répondeurs. L'hypothèse centrale est que les modifications épigénétiques, évaluées via des marques d'histones en noyau unique (CUT&Tag), induit l'expression de ces néoARN et contribue à l'exhaustion immunitaire. Le projet ambitionne d'établir la première signature prédictive de réponse aux immunothérapies combinant marques d'histones et transcriptome, et d'étendre l'analyse à la diversité des récepteurs immunitaires, à l'épissage, aux transposons et aux néoantigènes, grâce à des approches bioinformatiques et biostatistiques innovantes.

Les immunothérapies par blocage de points de contrôle (ICB) ont considérablement augmenté la durée de vie des patients atteints de mélanomes métastatiques. Néanmoins, près de la moitié des patients ne bénéficient pas des effets de ces traitements. Il est nécessaire de développer des modèles pour comprendre les raisons de ces résistances et aiguiller les médecins dans leur prise en charge. De nombreux modèles prédictifs basés sur des données transcriptomiques (RNA-seq) et génomiques (DNA-seq) n'ont pour l'instant identifié de manière fiable qu'une signature inflammatoire cytotoxique chez les patients répondeurs, associée à une augmentation de la charge mutationnelle [1]. L'absence de réponse, par contre, ne correspond pas à une signature DNA ou RNA consensuelle. Les voies de résistance semblent multiples et encore largement incomprises. Les modèles actuels de prédiction de réponse présentent des performances médiocres sur des cohortes indépendantes. Ces modèles sont le plus souvent fondés sur des données RNA-seq polyA ou capture d'exon de faible profondeur, des méthodes qui ne couvrent que très partiellement la diversité réelle du transcriptome.

Afin d'étudier de manière extensive les relations entre transcriptome et réponse aux immunothérapies par ICB, le laboratoire d'accueil a construit la plus importante collection de biopsies de métastases congelées séquencées en ARN total à grande profondeur, associée à des données cliniques complètes chez des patients traités par ICB pour mélanome métastatique. A l'aide de ces données, un doctorant précédent a identifié de nouveaux transcrits intergéniques et centromériques d'expression augmentée chez les patients non-répondeurs [2]. Ces marqueurs entièrement nouveaux sont retrouvés dans une cohorte indépendante et dans des cellules de mélanome isolées. Toutefois la relation de causalité entre ces ARN et le statut de réponse demeure inconnue. Cette thèse a pour objectif de répondre à cette question en mobilisant toutes les données disponibles et de nouvelles données épigénétiques.
Une hypothèse crédible pour l'apparition de neoARN est le stress épigénétique provoquant une exhaustion lymphocytaire [3]. Le laboratoire a pu obtenir une cartographie de deux marques d'histone (répressive et activatrice) en noyau unique (cut&tag), sur un jeu de biopsies aussi analysé en RNA-seq. Le premier objectif pratique sera donc de valider la nature épigénétique de l'expression ou de la dérépression des neoARN. Plus généralement, nous visons à établir la première signature de réponse aux ICB basée sur les marques d'histone combinées au RNA-seq.
Nous étendrons ensuite l'analyse à l'ensemble des variables ARN disponibles grâce au séquençage profond: diversité des récepteurs T et B, variants d'épissage, transposons, autres sources de néoantigènes. Nous disposons également de données RNA-seq à progression et de données DNA-seq pour la moitié des patients. En intégrant ces informations, nous espérons pouvoir évaluer de multiples scenari associant: stress épigénétique, expression de néoantigènes, saturation des TCR, exhaustion lymphocytaire ou macrophagique, etc. De tels scenari pourront ensuite être validés sur les nombreux modèles biologiques disponibles au laboratoire.

Pour analyser l'expression des ARN non annotés, nous utiliserons une combinaison d'outils bioinformatiques conventionnels (genome-based) et de la boite à outil 'k-mer' de l'équipe Gautheret [3, 4] qui permet de mesurer l'expression de toute séquence d'ARN indépendamment de sa localisation et de valider des signatures d'expression dans de grandes banque de données.
Afin de découvrir des mécanismes associés à la non-réponse aux immunothérapies, on se placera dans un cadre statistique rigoureux en proposant des modèles prédictifs les plus robustes possibles. Une attention particulière sera portée sur les méthodes de sélection de variables en grande dimension. On pourra également proposer un cadre de découverte causale afin d'étudier les éventuelles relations de causalités entre les différentes variables cliniques, épigénétiques et la non-réponse aux immunothérapies
Nous exploiterons également le catalogue public de données épigénétiques (Methyl-seq, ChiP-seq: N=1000) et RNA-seq (N=10,000) sur lignées et biopsies de mélanome.

Master ou ingénieur en bioinformatique avec expérience en analyse de génome, épigénome ou transcriptome et des compétences en biostatistique et modélisation de données omics.