Identifier un partenariat ou un antagonisme fonctionnel entre diverses RBP

Définir un modèle statistique permettant d’identifier in silico un partenariat ou au contraire un antagonisme fonctionnel entre diverses RBP
software development
statistical analysis
ReGArDS Team
Authors

Cyril Bourgeois

Hélène Polveche

Laurent Modolo

Nicolas Fontrodona

Published

January 1, 2020

Results

The method developped did not work but the project was submited for publication:

SplicingLore : a web resource for studying the regulation of cassette exons by human splicing factors

Porteur du projet

Cyril BOURGEOIS

Personnes

Hélène POLVECHE, Laurent MODOLO

Problématique biologique

L’épissage alternatif est régulé par des dizaines de facteurs (RNA binding proteins ou RBP) ayant la particularité de se lier à des séquences régulatrices spécifiques sur ou au voisinage de leurs exons-cibles. Certains de ces facteurs régulent des groupes d’exons alternatifs de la même façon ou de façon opposée, mais on connait très mal l’étendue de ces phénomènes de co-régulation ou de régulation antagoniste.

Questions

Comment identifier in silico un partenariat ou au contraire un antagonisme fonctionnel entre diverses RBP, de façon à orienter le biologiste vers une validation expérimentale de ces prédictions ? Peut-on développer un outil prédictif permettant de répondre à ces questions à partir de données connues ?

Données

Hélène POLVECHE a constitué une base de données (“Splicing Lore”) qui compile tous les exons alternatifs régulés par plusieurs dizaines de RBPs. Ces datasets proviennent d’expériences d’inactivation ou de surexpression de chacun de ces facteurs dans des lignées cellulaires humaines, et d’une analyse de leurs ARN messagers par RNA-seq. L’analyse de l’épissage alternatif, permettant de générer les listes d’exons régulés, a été réalisée à l’aide de l’outil FaRLine développé par l’équipe Auboeuf (Benoit-Pilven et al, Sci. Rep. 2018).

Date

La date du début du projet : 2017
La date d’obtention des données : 2018/2019
La date d’obtention de l’intégralité des données : fin 2019
La date souhaitée de fin du projet : 30/04/20

Attentes

L’objectif est de définir un modèle statistique permettant de comparer un jeu de données d’intérêt (exemple: inactivation d’un régulateur d’épissage X) à l’ensemble des jeux de données de “Splicing Lore”, afin de prédire le/les facteur/s susceptible/s d’avoir un profil de régulation de l’épissage à large échelle qui soit similaire ou antagoniste au facteur X. L’analyse doit attribuer un score à chaque facteur illustrant sa “proximité” fonctionnelle avec X, permettant au futur utilisateur de l’outil d’orienter le choix du/des facteur/s à tester expériementalement.