Probabilistic graphical models for mapping tumor clones in cancerous tissues and single cells

Modèles graphiques probabilistes pour la cartographie des clones tumoraux dans les tissus cancéreux et les cellules individuelles L'hétérogénéité spatiale, génomique et phénotypique est essentielle pour comprendre la progression, le traitement et la survie du cancer. Cependant, l'identification des clones cancéreux et de leurs profils d'expression génique parallèlement à leur localisation dans le tissu tumoral est un défi. Cette thèse est consacrée à la modélisation complète des différents aspects de l'hétérogénéité tumorale et s'appuie sur trois projets. Dans le premier projet, nous nous sommes concentrés sur l'hétérogénéité génomique de la tumeur et avons développé un modèle probabiliste qui exploite le regroupement génomique indépendant des cellules et les rares données de séquençage de l'ARN d'une seule cellule pour cartographier les cellules à des génotypes imparfaits donnés de clones tumoraux. Dans le deuxième projet, nous avons exploré les trois aspects de l'hétérogénéité en nous concentrant principalement sur l'hétérogénéité spatiale. Nous avons développé un modèle probabiliste complexe pour déduire avec précision les clones cancéreux et leur localisation à une résolution proche de la cellule unique en intégrant des images pathologiques, le séquençage de l'exome entier et des données transcriptomiques spatiales. Dans le cadre du troisième projet, nous nous sommes concentrés sur l'hétérogénéité phénotypique. Nous avons proposé un modèle probabiliste qui combine les données de transcriptomique spatiale et de séquençage de l'exome entier pour identifier avec précision les clones cancéreux et leurs profils d'expression génique dans les tissus tumoraux. Notre approche intégrée permet de comprendre l'organisation spatiale, génomique et phénotypique des tumeurs, ce qui ouvre de nouvelles voies pour étudier les implications fonctionnelles de l'hétérogénéité des tumeurs et les origines de la résistance aux thérapies ciblées.