Le RNA-seq « bulk » mesure l’expression de tous les gènes, en moyenne, sur une population de cellules. C’est l’outil de référence pour comparer des programmes transcriptionnels entre conditions, groupes de patients ou traitements — robuste, sensible, économique, applicable aux cohortes cliniques comme aux modèles précliniques. Là où le single-cell résout l’hétérogénéité cellule par cellule, le bulk privilégie la profondeur, la puissance statistique et le coût.
Principe et déroulé
L’ARN total est extrait, puis une librairie de séquençage est préparée — sélection des ARN poly-A, ou déplétion des ARN ribosomaux (qui capte aussi les non-codants et tolère l’ARN dégradé ou les échantillons FFPE), ou encore méthodes 3′ à code-barres comme le BRB-seq, qui multiplexent de nombreux échantillons à faible coût. Les fragments sont séquencés, alignés sur un génome de référence, et les lectures comptées par gène donnent une mesure d’expression. L’analyse différentielle (DESeq2, edgeR) compare ensuite les conditions à partir de réplicats biologiques : DESeq2 normalise les tailles de librairie et la composition, modélise la variabilité et reste robuste pour les gènes faiblement exprimés. Suivent l’enrichissement de voies (GSEA) et la lecture de signatures.
Variantes et options
Le protocole se décline selon l’objectif : RNA-seq poly-A ou ARN total (déplétion ribosomale), librairies brin-spécifiques, séquençage 3′ à code-barres (BRB-seq, multiplexage économique), small RNA-seq pour les microARN, ou pseudo-bulk par agrégation de données single-cell. En aval, la déconvolution estime les fractions de types cellulaires à partir d’un profil bulk, récupérant une partie de l’information de composition.
Quand et pourquoi ces techniques
Le RNA-seq bulk est le standard quand on compare des programmes d’expression entre conditions ou groupes, réplicats à l’appui : effet d’un traitement, signature de mauvais pronostic, voie réprimée dans une tumeur. Il est imbattable sur les cohortes (puissance statistique), les populations définies (cellules triées, tissu homogène) et les échantillons d’archive (FFPE), à un coût très inférieur au single-cell.
La contrepartie de cette robustesse est une perte de résolution. La mesure étant une moyenne de population, elle masque l’hétérogénéité cellulaire et les types rares, et ne dit pas quel type produit un signal. Plus subtil : une variation observée peut refléter soit une régulation intracellulaire, soit un simple changement de proportions cellulaires (le paradoxe de Simpson) ; lever l’ambiguïté suppose un tri cellulaire en amont ou une déconvolution. La puissance dépend du nombre de réplicats, les effets de lot doivent être contrôlés, et les méthodes 3′ (BRB-seq) renoncent à l’information d’isoformes.
L’expertise d’Inovarion
Inovarion a déployé le RNA-seq bulk en oncologie et en immunologie, des cohortes de patients aux modèles précliniques. Ses publications l’illustrent dans trois contextes : l’expression différentielle de cellules CD34+ de moelle de patients atteints de leucémie myélomonocytaire chronique a révélé la répression de rétroéléments et de voies immunitaires, puis leur réactivation par une combinaison épigénétique ; l’analyse transcriptomique du carcinome corticosurrénalien a relié une hyperméthylation à un échappement immunitaire, réversible par un agent déméthylant ; et le profilage par BRB-seq de sphéroïdes tumoraux et de coupes de tumeurs rénales de patients a caractérisé la réponse à une double inhibition de kinases. Le choix du protocole de librairie, du nombre de réplicats et de la stratégie d’analyse différentielle dépend du tissu interrogé et de la résolution requise.
Voir aussi : Single-cell RNA-seq ; Protéomique & spectrométrie de masse ; Bio-informatique.
Publications clés
- Hidaoui et al. Targeting heterochromatin eliminates chronic myelomonocytic leukemia malignant stem cells through reactivation of retroelements and immune pathways. Communications Biology, 2024. Fiche → · PubMed
- Kerdivel et al. DNA hypermethylation driven by DNMT1 and DNMT3A favors tumor immune escape contributing to the aggressiveness of adrenocortical carcinoma. Clinical Epigenetics, 2023. PubMed
- Giacosa et al. Cooperative Blockade of CK2 and ATM Kinases Drives Apoptosis in VHL-Deficient Renal Carcinoma Cells through ROS Overproduction. Cancers (Basel), 2021. PubMed