Estimer l'âge biologique à partir du transcriptome avec RAPToR

Le profilage d’expression génétique est une technique puissante pour caractériser un système biologique de manière riche et systématique. Cependant, des facteurs non contrôlés cachent et confondent fréquemment l’effet des variables d’intérêt. Un facteur de confusion majeur est la variation du stade de développement entre échantillons ou conditions, en particulier si l’on profile des organismes au développement rapide (comme de nombreuses espèces modèles). Par exemple, en comparant l’expression génétique d’un organisme mutant à un contrôle, on s’intéresse à l’impact spécifique de la mutation sur l’expression des gènes, mais si le mutant se développe plus lentement que le contrôle et que l’on ne corrige pas ce décalage – ce qui peut être difficile, voire impossible – des différences d’expression non-spécifiques normalement observées au cours du développement peuvent dominer la comparaison des deux conditions. Un nombre surprenant de sets de données sont atteints de ce problème, pouvant mener à des conclusions erronées.

Puisque l’expression génétique (i.e. le transcriptome) change au cours du développement et du vieillissement, elle devrait permettre d’estimer l’âge de l’individu dont elle provient. En effet, de nombreuses méthodes existent aujourd’hui pour (ré)ordonner des échantillons (souvent des cellules uniques) à partir de leur transcriptome. Ces approches nécessitent cependant un grand nombre d’échantillons et n’estiment pas vraiment d’âges, mais génèrent seulement des rangs ou des valeurs arbitraires non comparables entre conditions ou expériences.

Les scientifiques ont choisi de s’appuyer sur l’abondance de séries temporelles d’expression génétique déjà publiées pour de nombreux organismes en s’en servant de référence. Tout d'abord, ils interpolent les données de référence pour combler les écarts entre les points temporels, ce qui permet de s’affranchir des limites de sets de données faiblement échantillonnés. Ensuite, un profil d'expression d'intérêt (d’âge inconnu) est comparé à chaque point temporel de la référence interpolée indépendamment d’autres échantillons d’intérêt et l’âge du point de référence ayant la meilleure corrélation avec l’échantillon d’intérêt est considéré comme l'estimation de l'âge biologique. De cette façon, ils obtiennent des estimations absolues de l'âge biologique pour chaque échantillon, qui sont comparables entre conditions et sets de données à condition d’être obtenues avec la même référence interpolée.

Cette méthode simple, nommée RAPToR (de Real Age Prediction from Transcriptome staging on Reference), est très précise (jusqu'à quelques minutes près lors du développement) et très flexible : elle fonctionne avec des animaux entiers, des tissus disséqués jusqu’aux cellules uniques, pour les organismes modèles courants, les humains, et même pour les organismes non-modèles qui manquent de données de référence en se servant d’espèces proches comme référence. Lorsqu’une spécificité tissulaire de l'expression génétique est connue (par exemple des groupes de gènes spécifiques à un tissu), RAPToR peut fournir des estimations d'âge spécifiques aux tissus à partir de données d'animaux entiers.

De plus, cette approche fonctionne aussi bien pour le développement que pour le vieillissement. Si l'âge chronologique des échantillons est connu, RAPToR peut être utilisé pour quantifier précisément l'impact de perturbations génétiques ou environnementales sur la vitesse du développement ou du vieillissement à partir des profils d’expression. Intégrer des âges estimés et des données de référence de RAPToR lors d'une analyse d'expression différentielle permet également de retrouver l'effet spécifique de ces perturbations sur l'expression génétique, même lorsqu'elles sont confondues par l'âge. Ainsi, les données suspectées d'être confondues par les effets du développement ou du vieillissement peuvent être réanalysées avec RAPToR sans courir le risque d’obtenir de faux résultats.

Pour en savoir plus :
Real age prediction from the transcriptome with RAPToR.
Bulteau R, Francesconi M.
Nature Methods. 11 juillet 2022 doi: 10.1038/s41592-022-01540-0