Mesurer l’expression des gènes dans un tissu suppose presque toujours un renoncement. Le séquençage d’ARN classique broie l’échantillon et livre une moyenne ; le séquençage en cellule unique dissocie le tissu pour analyser les cellules une à une, et perd du même coup l’information qui dit où chacune se trouvait. Or un tissu n’est pas un sac de cellules : c’est une architecture, faite de gradients, de voisinages, de fronts et de niches. La transcriptomique spatiale a été conçue pour lever précisément ce renoncement — mesurer l’expression sans effacer la géographie.
Cet article expose le principe de ces méthodes, les compromis qu’elles imposent, et surtout ce qu’elles apportent concrètement, à travers deux travaux auxquels Inovarion a contribué : la cartographie de l’épileptogenèse dans un modèle animal, et l’analyse de biopsies musculaires d’enfants atteints de dermatomyosite juvénile. Dans les deux cas, la lecture spatiale a produit un résultat qu’aucune autre approche n’aurait donné.
Ce que la position ajoute
Le constat qui a motivé le développement de ces techniques est simple : les méthodes courantes d’analyse du transcriptome perdent l’information de position, et beaucoup d’entre elles exigent une isolation cellulaire laborieuse [1]. On se retrouve donc devant une alternative frustrante : soit une moyenne qui ignore l’hétérogénéité, soit un catalogue de cellules détachées de leur contexte.
Cette perte n’est pas anodine, car beaucoup de questions biologiques sont, par nature, spatiales. Savoir qu’un tissu contient des cellules inflammatoires ne dit pas si elles sont massées à la périphérie ou infiltrées au cœur de la lésion — une distinction que nous avons vue déterminante en immuno-oncologie. Savoir qu’un cerveau lésé exprime des marqueurs d’activation gliale ne dit pas quelles régions sont touchées. Et une biopsie musculaire hétérogène peut donner des résultats opposés selon l’endroit où l’on prélève. Dans ces situations, la position n’est pas un ornement de la donnée : elle en est une dimension constitutive.
C’est le prolongement direct de la question que nous abordions à propos du choix entre séquençage en cellule unique et séquençage global : le single-cell révèle qui est là, la transcriptomique spatiale révèle où.
Le principe : des codes-barres qui portent une adresse
L’idée fondatrice, publiée dans Science en 2016, est d’une élégance mécanique. On dépose une coupe histologique sur une lame recouverte d’un réseau d’amorces de rétrotranscription, chaque position du réseau portant un code-barres positionnel unique. Les ARN messagers de la coupe s’hybrident aux amorces situées immédiatement sous eux ; la rétrotranscription incorpore alors le code-barres de position dans l’ADN complémentaire produit. Après séquençage, une reconstruction informatique permet de rendre à chaque transcrit ses coordonnées d’origine — on obtient des données de séquençage de haute qualité tout en conservant l’information de position en deux dimensions [1].
L’un des intérêts pratiques de cette approche est que la même coupe peut être colorée et imagée avant capture. On superpose alors la carte d’expression à l’histologie : la donnée moléculaire s’inscrit littéralement sur l’image du tissu, et le pathologiste comme le biologiste y retrouvent leurs repères anatomiques.
Deux familles de méthodes, deux compromis
Depuis cette publication fondatrice, le domaine a connu une expansion rapide, portée par les progrès conjoints du séquençage, de la synthèse d’oligonucléotides et de la microscopie de fluorescence — avec des gains continus en sensibilité, en multiplexage et en débit [2]. Deux grandes familles se sont dégagées, qui n’imposent pas le même compromis.
Les approches par séquençage prolongent le principe originel : le tissu est déposé sur une surface structurée en positions codées, et l’on séquence ce qui a été capturé. C’est la famille de Visium (10x Genomics), la plus répandue, ainsi que de Slide-seq et de Stereo-seq. Leur force est l’absence d’a priori — on mesure l’ensemble du transcriptome, sans avoir à décider à l’avance quels gènes observer, ce qui autorise la découverte. Leur limite historique était la résolution : une position de capture Visium mesure 55 micromètres, soit une surface qui recouvre plusieurs cellules. Cette limite recule toutefois rapidement — les déclinaisons récentes descendent à quelques micromètres pour Visium HD, et jusqu’à l’échelle submicrométrique pour Stereo-seq. En contrepartie, l’efficacité de capture de ces approches demeure modeste : Slide-seqV2, par exemple, atteint environ 44 % de celle du séquençage en cellule unique par gouttelettes, ce qui pénalise les transcrits peu abondants.
Les approches par imagerie procèdent à l’inverse. Elles détectent directement les molécules d’ARN dans le tissu, par cycles d’hybridation de sondes fluorescentes et lecture microscopique. On y trouve la méthode MERFISH , commercialisée sous le nom MERSCOPE par Vizgen, ainsi que les plateformes Xenium (10x Genomics) et CosMx (NanoString, groupe Bruker). La résolution est cellulaire à subcellulaire, et l’efficacité de détection nettement meilleure, de l’ordre de 80 % au sein du panel. Mais c’est ce panel qu’il faut choisir en amont : la couverture est ciblée, jamais exhaustive.
Le compromis fondamental demeure donc, même si les curseurs bougent vite : couverture exhaustive du transcriptome d’un côté, résolution et sensibilité de l’autre. Le choix se fait, comme toujours, en fonction de la question — exploration sans hypothèse préalable, ou quantification précise d’un jeu de marqueurs déjà identifié.
Le point dur : un spot n’est pas une cellule
C’est la limite qu’il faut comprendre avant de concevoir une étude, car elle conditionne l’interprétation. Dans les approches par séquençage classiques, chaque position de capture , on parle couramment de spot, agrège les transcrits de plusieurs cellules, de l’ordre de quelques unités à une dizaine selon la densité du tissu, et souvent de types différents. Le signal mesuré en un point est donc un mélange, et non le profil d’une cellule.
D’où l’importance de la déconvolution : estimer, pour chaque spot, la proportion des différents types cellulaires qui y contribuent. Deux stratégies existent. La plus répandue s’appuie sur des signatures d’expression établies par séquençage en cellule unique, qui servent de référence pour décomposer le mélange [3]. L’autre, dite sans référence, procède de façon non supervisée et déduit les composantes directement des données — approche particulièrement utile lorsqu’aucun atlas single-cell pertinent n’existe pour le tissu ou la pathologie étudiés, comme nous le verrons dans le second cas.
D’autres limites sont à connaître, et la première est rarement soulignée. Sur une lame Visium standard, les spots de 55 micromètres sont séparés par un entraxe de 100 micromètres : ils laissent donc entre eux des intervalles où rien n’est mesuré, soit jusqu’à environ 70 % de la surface de la coupe. On n’échantillonne ainsi qu’une fraction du tissu, et c’est l’un des apports majeurs des grilles continues comme celle de Visium HD, qui suppriment ces intervalles autant qu’elles affinent la résolution. La diffusion latérale des molécules d’ARN pendant la capture dégrade par ailleurs la résolution effective, qui reste toujours un peu moins bonne que la résolution nominale de la lame. Enfin, la qualité de l’ARN dans le tissu constitue une contrainte de premier ordre, particulièrement sur matériel fixé — ce point conditionne souvent la faisabilité même d’un projet. Ces contraintes sont documentées et discutées dans les revues méthodologiques du domaine [2] ; les ignorer conduit à surinterpréter.
Premier cas : cartographier l’épileptogenèse au-delà de l’hippocampe
L’épilepsie du lobe temporal est classiquement associée à la sclérose hippocampique, et l’hippocampe concentre depuis longtemps l’attention des chercheurs comme des cliniciens. Une question restait pourtant ouverte : la réorganisation tissulaire qui conduit à l’épilepsie se limite-t-elle vraiment à cette région ? Y répondre supposait de pouvoir observer, en même temps, plusieurs structures cérébrales — ce qu’aucune méthode dissociative ne permet.
Un travail auquel Inovarion a contribué a abordé la question par la transcriptomique spatiale [4]. Le dispositif repose sur un modèle d’état de mal épileptique induit au lithium-pilocarpine chez le rat, dont on sait qu’il reproduit la séquence conduisant à l’épilepsie : une agression initiale, puis une phase de latence silencieuse, pendant laquelle le tissu se réorganise, avant l’apparition des crises spontanées. C’est cette phase de latence, fenêtre de l’épileptogenèse, qui intéresse — c’est là que se joue le devenir du cerveau lésé. Des coupes coronales de cerveau provenant d’animaux traités et d’animaux témoins ont été analysées par transcriptomique spatiale Visium, pour cartographier la dynamique transcriptionnelle au fil du temps.
Le résultat déplace la frontière de la maladie. L’activation microgliale et l’astrogliose réactive ne restent pas confinées à l’hippocampe : elles s’étendent bien au-delà, englobant des faisceaux de substance blanche et plusieurs noyaux thalamiques, et cela dès la phase de latence. Autrement dit, pendant que l’animal ne présente encore aucune crise, une réaction gliale est déjà en cours dans des régions que l’on n’incriminait pas.
Ce résultat illustre bien pourquoi la méthode était nécessaire. Un séquençage global d’hippocampe aurait, par construction, ignoré le thalamus. Un séquençage en cellule unique après dissociation aurait identifié des microglies activées, mais sans pouvoir dire de quelle région elles provenaient — or c’est exactement l’information qui fait la découverte. Seule une méthode préservant la géographie pouvait montrer que la réponse gliale est régionalement structurée.
Ce cas illustre aussi une articulation que nous développons à propos des modèles précliniques : la valeur d’un modèle préclinique dépend étroitement de la finesse avec laquelle on sait le lire.
Second cas : une signature qui persiste après la rémission
La dermatomyosite juvénile est une myopathie inflammatoire rare de l’enfant, qui atteint le muscle et la peau. Le traitement permet souvent d’obtenir une rémission clinique — la force musculaire se restaure, les marqueurs biologiques se normalisent. Une question de fond subsiste néanmoins, et elle a des conséquences pratiques sur la conduite du traitement : cette rémission clinique correspond-elle à une normalisation du tissu musculaire lui-même ?
Un second travail a abordé cette question en combinant transcriptomique spatiale, déconvolution non supervisée sans référence et morphométrie standardisée, sur des biopsies musculaires prélevées avant et après traitement [5]. L’approche sans référence présente ici un intérêt méthodologique notable : elle déduit les composantes cellulaires des données elles-mêmes, sans imposer au tissu des catégories établies ailleurs — un atout lorsqu’on explore un contexte pathologique pour lequel les atlas de référence sont rares.
L’étude en tire deux résultats. Le premier est l’hétérogénéité des profils au sein du muscle : toutes les zones ne se ressemblent pas, ce qui a une implication méthodologique immédiate — une biopsie unique, ou une analyse globale du prélèvement, peut donner une image trompeuse selon l’endroit examiné. On retrouve ici, dans un tout autre contexte, la leçon que nous tirions de l’analyse des métastases : moyenner une réalité hétérogène efface précisément ce qu’on cherche.
Le second résultat est plus frappant encore : une signature anormale persiste après la rémission. Là où la clinique s’est normalisée, le tissu conserve une trace moléculaire de la maladie. Le constat invite à distinguer rémission clinique et normalisation tissulaire, et ouvre la question , encore ouverte, de la signification pronostique de cette persistance.
Ce qu’il faut pour que ça marche
L’expérience de ces projets fait ressortir quelques exigences déterminantes, presque toutes en amont du séquençage.
La première est la qualité de l’ARN. Une transcriptomique spatiale sur tissu dégradé produit des données inexploitables, et cette contrainte doit être évaluée avant d’engager un projet, particulièrement sur matériel d’archive. Viennent ensuite la préparation des coupes (épaisseur, planéité, absence de plis) et, dans le cas de tissus structurés comme le cerveau, l’orientation anatomique : une carte spatiale n’a de sens que si l’on sait, avec certitude, à quelles structures correspondent les régions observées.
En aval, la chaîne d’analyse est substantielle : contrôle qualité, normalisation, identification des domaines spatiaux, déconvolution, annotation des types cellulaires, et confrontation systématique avec l’histologie de la même coupe. Cette dernière étape est celle que l’on néglige le plus volontiers, et c’est pourtant elle qui distingue une carte interprétable d’un joli gradient de couleurs. Comme pour les autres approches à haut débit, la valeur du résultat se décide autant à la conception et à l’analyse qu’à la manipulation.
Comment Inovarion peut vous accompagner
Inovarion accompagne les projets de transcriptomique spatiale, de la conception de l’étude à l’interprétation des résultats : évaluation de faisabilité selon la nature et la qualité du matériel, choix de l’approche au regard de la question posée, exécution, puis analyse bio-informatique — identification des domaines spatiaux, déconvolution avec ou sans référence, intégration avec des données en cellule unique et avec l’histologie. Nos équipes ont contribué à des travaux appliquant ces méthodes en neuro-inflammation et en myopathie inflammatoire, et articulent cette expertise avec le travail sur modèles précliniques et l’analyse d’image quantitative.
Publications
Références du domaine
- Ståhl PL, Salmén F, Vickovic S, et al. Visualization and analysis of gene expression in tissue sections by spatial transcriptomics. Science, 2016;353(6294):78-82. DOI
- Tian L, Chen F, Macosko EZ. The expanding vistas of spatial transcriptomics. Nature Biotechnology, 2023;41(6):773-782. PubMed
- Newman AM, et al. Determining cell type abundance and expression from bulk tissues with digital cytometry. Nature Biotechnology, 2019;37(7):773-782. PubMed
Contributions Inovarion
- Dufour A, et al. Spatiotemporal transcriptomic mapping reveals region-specific glial activation and astrocyte shifts in epileptogenesis beyond the hippocampus. Acta Neuropathologica Communications, 2026;14:38. DOI
- Tragin M, et al. Muscle Spatial Transcriptomic Reveals Heterogeneous Profiles in Juvenile Dermatomyositis and Persistence of Abnormal Signature After Remission. Cells, 2025;14(12):939. PubMed
à jour en juillet 2026