Modélisation de la dynamique des réseaux de régulation génétique lors de la différenciation des cellules endocrines dans le pancréas et l’intestin

La modulation de l'expression des gènes par les facteurs de transcription (FT) au cours de la différenciation favorise la diversité cellulaire. Malgré leur rôle critique dans le choix des destinées cellulaires, aucun test expérimental ne permet d'estimer l’activité régulatrice des FT par des approches à haut débit et à la résolution de la cellule unique. Nous présentons ici FateCompass, un nouveau pipeline informatique permettant d'identifier les facteurs de transcription spécifiques à un lignage cellulaire au cours de la différenciation. Il utilise des données transcriptomiques de cellules uniques pour déduire les trajectoires de différenciation et les activités des FT. Nous avons combiné des études de probabilités avec les vélocités de l'ARN ou un potentiel de différenciation afin d’estimer les probabilités de transition et effectuer des simulations stochastiques. Nous déduisons également les activités des FT en utilisant un modèle linéaire de régulation des gènes. En tenant compte des changements dynamiques et des corrélations, nous identifions les régulateurs spécifiques à un lignage cellulaire. Nous avons appliqué FateCompass à un ensemble de données sur la formation des cellules des îlots de Langerhans chez l'embryon de souris, ce qui nous a permis d’identifier des FT connus et nouveaux impliqués dans la spécification des différents sous-types cellulaires. De plus, nous avons appliqué FateCompass à un ensemble de données issues de la différenciation in vitro des cellules de type β, et identifié des régulateurs non décrits d'une population de cellules non désirée, qui ont été validés expérimentalement. Par ailleurs, nous avons étudié la différenciation des cellules entéroendocrines dans des organoïdes intestinaux humains. L'analyse du séquençage de l'ARN de cellules uniques et les prédictions de FateCompass ont révélé les trajectoires de différenciation et les moteurs spécifiques de chaque sous-type entéroendocrine. FateCompass s'est révélé être une méthode robuste avec une large applicabilité sur différents systèmes biologiques. Ainsi, en tant qu’outil pour l'identification des facteurs de transcription spécifiques à un lignage cellulaire, il permet de générer des hypothèses afin d'améliorer la compréhension des réseaux de régulation des gènes qui déterminent les choix du destin cellulaire.Modulation of gene expression during differentiation by transcription factors promotes cell diversity. Despite their role in cell fate decisions, no experimental assays estimate their regulatory activity in a high-throughput manner and at the single-cell resolution. Here, we present FateCompass, a novel computational pipeline for identifying lineage-specific transcription factors across differentiation. It uses single-cell transcriptomics data to infer differentiation trajectories and transcription factor activities. We combined a probabilistic framework with RNA velocities or a differentiation potential to estimate transition probabilities and perform stochastic simulations. Also, we infer transcription factor activities using a linear model of gene regulation. Considering dynamic changes and correlations, we identify lineage-specific regulators. We applied FateCompass to an islet cell formation dataset from the mouse embryo, and we found known and novel potential cell-type drivers. Also, when applied to a differentiation protocol dataset towards beta-like cells, we pinpointed undescribed regulators of an off-target population, which were experimentally validated. Furthermore, we studied enteroendocrine cell differentiation in human intestinal organoids. Single-cell RNA sequencing analysis and FateCompass predictions revealed the differentiation trajectories and cell subtype-specific drivers of each enteroendocrine subtype. FateCompass showed to be a robust method with broad applicability over different biological systems. Thus, as a framework for identifying lineage-specific transcription factors, it could have implications on hypothesis generation to increase the understanding of the gene regulatory networks driving cell fate choices