• Aucun résultat trouvé

EXPRESSION DANS UN MODELE DE TOLERANCE A L’ENDOTOXINE

Figure Legends

HERV coordinates d

3.2.2 EXPRESSION DANS UN MODELE DE TOLERANCE A L’ENDOTOXINE

3.2.2.1 RESUME DE L’ETUDE

L’étude précédente a montré qu’une modulation HERV existe dans les cellules du sang, dans ces contextes inflammatoires aigus. Comme présenté dans l’introduction, le modèle de tolérance à l’endotoxine (modèle ET) reproduit certaines caractéristiques de la réponse de l’hôte suite à un choc septique. Sur des PBMCs de volontaires sains, une seule stimulation forte de LPS va mimer la réponse inflammatoire des monocytes ou état d’inflammation (condition LPS). Une faible dose de LPS précédant une dose forte de LPS va mimer l’anergie monocytaire retrouvée chez les patients en choc septique, ou état d’immunodépression (condition ET , (Allantaz-Frager et al., 2013; Cavaillon and Adib-Conquy, 2006)). Au total, le jeu de données groupe des PBMCs de 5 volontaires sains, 3 différentes conditions et des triplicats pour chaque condition, ce qui donne 45 échantillons. Avec la puce HERV-V3, permettant de cibler quasi exhaustivement les HERV du génome, nous avons regardé leur expression et leur modulation dans ce modèle ex vivo.

Cette étude a pour but de décrire pour la première fois le transcriptome HERV dans les PBMCs de volontaires sains ainsi que leur modulation entre les conditions du modèle. Elle permet également de suggérer un rôle des HERV sur la réponse de l’hôte, d’une part en intégrant les HERV dans les réseaux fonctionnels de gènes, et d’autre part en assignant des rôles putatifs aux LTR, sur lesquels nous reviendrons par la suite.

3.2.2.2 DESCRIPTION PRELIMINAIRE

Cette section présente un exemple d’analyses préliminaires, réalisées pour chacun des jeux de données obtenus avec la puce HERV-V3. L’exemple est réalisé sur le modèle ET. La distribution des données d’expression par répertoire montre 2 types d’expression bien distincts (Figure 3-7). D’un côté, quel que soit le répertoire ciblant les 1500 gènes (U133, HTA ou Opti), les distributions sont bimodales, avec un pic d’expression à environ 2 d’intensité, et un autre à environ 5 d’intensité. D’un autre côté, les répertoires HERV et MaLR montrent une distribution plutôt uni modale, avec un pic d’intensité à 2. Cependant on observe aussi pour les répertoire HERV de l’expression à une intensité de 5 ou plus. Ces

- 59 -

différentes formes entre gènes et HERV s’explique par le fait que la majorité des probesets ciblant les HERV ne sont pas exprimés, alors que ce n’est pas le cas pour les gènes. Ce Grand nombre d’éléments à faible niveau d’expression (< 5) valide le fait de filtrer le jeu de données afin d’enlever le bruit de fond et gagner en puissance statistique. Après filtre sur intensité des sondes (Figure 3-5, Figure 3-6 et méthodes du papier section 3.2.2.4). Ce type d’analyses préliminaires a été réalisé pour chaque jeu de données analysé par la puce HERV-V3, et les mêmes tendance ont à chaque fois été observées.

Comparé au jeu de données complet, le jeu de données filtré contient nettement plus de probesets ciblant des gènes (35,7 % vs. 5,7 %), et moins de probeset ciblant les répertoires Dfam (54,7 % vs. 86,2%, Figure 3-8). Ceci est expliqué par le grand nombre de probesets HERV et MaLR non exprimés, visible sur la Figure 3-7. On voit également que proportionnellement, les probeset du répertoire prototype ont été moins filtrés que les probesets des répertoires Dfam. L’analyse en composante principale sur les données filtrées révèle que la variabilité expliquée par la composante 2 est majoritairement due à la distinction entre condition NS et conditions LPS/ET (Figure 3-9). La composante 1, dans une moindre mesure, distingue la condition LPS des conditions NS/ET. Cela suggère globalement une forte variabilité entre les conditions stimulées et non stimulées, mais également qu’il existe une modulation entre les conditions LPS et ET. L’écart entre les différents points signe également une hétérogénéité de réponse selon les volontaires.

- 60 -

Figure 3-7 : Distribution des intensités par répertoire. L’axe des x représente l’expression moyenne

pour chaque probeset. Chaque courbe de densité est colorée en fonction du répertoire.

Figure 3-8 : Proportions relatives des principaux répertoires dans les jeux de données. A. Jeu de données complet. B. Jeu de données filtré.

- 61 -

Figure 3-9 : Analyse en composante principale. Chaque point représente un échantillon, et est

coloré en fonction de la condition NS (bleu), LPS (vert) ou ET (rouge). La composante 1 explique 21,7% de la variabilité totale, la composante 2 en explique 12,6%.

3.2.2.3 CONCLUSIONS

Nous montrons dans ce travail qu’environ 5% des HERV et MaLR sont exprimés dans les PBMCs. Parmi ces éléments, nous mettons en évidence que le groupe HERV-H est parmi le plus abondant, comportant le plus d’éléments exprimés (17% des HERV-H). Le récent groupe HML-2, considéré comme le plus actif, a quant à lui, relativement peu d’éléments exprimés (9% du groupe). Nous décrivons également la modulation des HERV entre les conditions non stimulée (NS), d’inflammation (LPS) et d’immunodépression (ET). De manière intéressante, les proportions de HERV modulés entre les conditions NS et LPS sont similaires, alors que 86% des HERV modulés entre ET et LPS sont down-modulés (42 vs 5). Un pourcentage similaire de gènes down-modulés est observé (86%). De plus, nous mettons en évidence un grand nombre de HERV qui ont un profil d’expression similaire avec les gènes ciblés par la puce HERV-V3, que ce soit un profil tolérisable (plus fortement exprimé dans la condition LPS par rapport aux autres conditions), ou non tolérisable (plus fortement exprimé dans les conditions LPS et ET par rapport à NS). A partir de cette co-expression, nous concluons à une régulation commune de l’expression entre des gènes de l’immunité et 64 loci HERV, nous

- 62 -

permettant d’intégrer les HERV dans les réseaux de régulation de gènes de l’immunité. Nous identifions, entre autre, des HERV, co-exprimés avec et proches de gènes de la réponse interféron, OAS3 et IFI44L, importants dans la reconnaissance de pathogènes et plus particulièrement des virus. De manière intéressante, un groupe de HERV (MER41) a déjà été identifié comme pouvant avoir un rôle de site de fixation de facteur de transcription des gènes de la voie interféron (gène AIM2 notamment, introduction, section 1.2.2). Nous introduisons également la notion de fonctions possibles des LTR sur l’expression de gènes. Par une décomposition du signal observé sur les LTR, nous sommes en mesure d’attribuer une fonction putative aux LTR. Nous montrons ainsi qu’un dixième des LTR peuvent passer d’un état inactif à un état potentiellement actif dans le modèle ET. Je reviendrai plus en détail sur les fonctions des LTR dans la section 3.4.3.

Cette étude nous permet de décrire pour la première fois, avec la puce HERV-V3, le transcriptome HERV, sa modulation dans les PBMCs, stimulés ou non et la co-expression de nombreux HERV avec des gènes de la réponse immunitaire. Cependant, elle comporte certaines limitations. L’utilisation d’un modèle ex-vivo ne peut reproduire à l’identique ce qui peut se passer dans un organisme entier. De plus, la stimulation au LPS ne mime pas l’ensemble des pathogènes induisant une réponse immunitaire lors d’un sepsis.

- 63 -

3.2.2.4 ARTICLE

LTR-RETROTRANSPOSON TRANSCRIPTOME

Documents relatifs