Mapping enhancer-gene regulatory interactions from single-cell data.

Famille de modèles de classification (scE2G) exploitant des variables issues d'ATAC-seq monocellulaire ou de données multiomiques ARN et ATAC, entraînés sur un jeu de perturbations CRISPR pour prédire les couples enhancer-gène.

Relier un enhancer à son gène cible dans un type cellulaire donné conditionne l'interprétation des variants non codants, mais la prédiction de ces interactions à partir de données monocellulaires restait peu performante. Les auteurs présentent scE2G, une famille de modèles de classification exploitant des variables d'ATAC-seq monocellulaire ou de données multiomiques ARN et ATAC, entraînés sur un jeu de perturbations CRISPR couvrant plus de 10 000 couples élément-gène évalués. Les modèles ont été confrontés aux perturbations CRISPR, à des eQTL fine-mappés et aux associations variant-gène issues d'études d'association pangénomique, avec des performances au niveau de l'état de l'art sur plusieurs types cellulaires et plusieurs catégories de perturbations. Appliqué à des tissus hétérogènes, scE2G a permis de construire des cartes d'interactions enhancer-gène et de proposer des interactions régulatrices reliant INPP4B et IL15 au nombre de lymphocytes.

Synthèse rédigée par Geno'X. Pour l'abstract original complet, consulter la publication source.

Nous sommes ici un cran en amont du diagnostic : rien dans ce travail ne se branche tel quel sur l'interprétation d'un variant non codant chez un patient, la démonstration portant sur un trait complexe et des données fonctionnelles publiques. L'intérêt à moyen terme est réel, puisqu'un génome sans variant codant causal laisse le régulatoire comme dernière piste et qu'il nous manque précisément des cartes enhancer-gène spécifiques du tissu concerné. À suivre par les équipes qui construisent l'annotation non codante de leurs génomes, pas par le laboratoire de routine.

Analyse par Dr Thibaut Benquey