Deux microphones différents enregistrent le même concert. L'un est placé près de la scène et capte surtout les sons forts du premier rang, l'autre est suspendu au plafond et entend toute la salle, mais avec des basses atténuées. En comparant les enregistrements, on peut comprendre quelle part du bruit provient du microphone et quelle part vient de l'orchestre lui-même. C'est à peu près ainsi que les biologistes comparent deux plateformes de séquençage d'ARN unicellulaire : 10x Chromium et Parse Evercode WT. Toutes deux lisent les molécules d'ARN de milliers de cellules individuelles, mais chacune le fait à sa manière, et jusqu'à présent on ne savait pas si l'on pouvait se fier aux conclusions sur le « bruit transcriptionnel » obtenues avec l'une d'elles.
Pour vérifier dans quelle mesure le bruit dépend de la méthode d'enregistrement, les chercheurs ont pris la lignée cellulaire GM12878 (des cellules lymphoblastoïdes humaines) et en ont extrait les noyaux. Chaque plateforme a été utilisée quatre fois, comme si l'on avait enregistré quatre fois le même concert avec chaque microphone. Ensuite, les enregistrements ont été comparés selon trois paramètres : combien de molécules d'ARN ont été capturées au total, quels gènes sont mieux visibles, et à quel point l'activité d'un même gène varie d'une cellule à l'autre. La première chose qui a sauté aux yeux : Parse a prédit presque parfaitement la profondeur de séquençage et le nombre de cellules, tandis que 10x tantôt surestimait d'un facteur deux, tantôt sous-estimait d'un facteur deux. Les deux plateformes détectaient environ 3500 gènes par noyau pour 50 000 lectures, mais 10x voyait mieux les transcrits polyadénylés (c'est-à-dire les ARN portant une queue d'adénines), tandis que Parse détectait mieux les transcrits non polyadénylés, par exemple le long ARN non codant TALAM1.
La principale surprise est venue de l'analyse du bruit. Il s'est avéré qu'après avoir retiré la dépendance au niveau moyen d'expression, si l'on mesure la variance résiduelle (c'est-à-dire à quel point l'activité d'un gène oscille autour de sa moyenne), cette grandeur est reproductible entre plateformes. La corrélation de rang entre expériences allait de 0.46 à 0.70. Autrement dit, les gènes qui sont bruyants dans l'enregistrement d'un microphone le sont aussi dans celui de l'autre. De plus, le bruit s'est révélé lié à la longueur du gène : plus le gène est long, plus la variation est grande. En revanche, la longueur totale des exons (les portions qui restent dans l'ARN mature) n'influait pas sur le bruit. Autre détail : les gènes dont le promoteur contient un îlot CpG (une région d'ADN riche en paires cytosine-guanine) étaient moins bruyants que les gènes dépourvus d'un tel îlot.
Ce résultat signifie que le bruit transcriptionnel n'est pas un artefact d'une technologie particulière, mais une propriété du gène lui-même, qui peut être transférée entre plateformes. Auparavant, les chercheurs qui travaillaient avec différents jeux de données ne pouvaient pas être sûrs de comparer la même chose. Désormais, un point d'appui existe : si le bruit se reproduit avec différentes chimies de capture, on peut l'étudier sur des données combinées provenant d'archives publiques. En pratique, cela signifie que le choix de la plateforme et de la profondeur de séquençage peut se faire de manière plus éclairée, et non au hasard. Certes, le mécanisme qui relie la longueur du gène et les îlots CpG au bruit n'est pas encore élucidé. Peut-être s'agit-il d'un stress topologique lors de l'allongement du transcrit ou d'éléments régulateurs situés dans les introns.
Pour revenir à la métaphore des microphones : nous avons découvert que le souffle dans l'enregistrement n'est pas un défaut d'un microphone particulier, mais une caractéristique de la musique elle-même. On peut maintenant écouter différents enregistrements d'un même concert sans craindre de n'entendre que les distorsions de l'équipement. La cellule continue de jouer sa partition, et nous distinguons enfin son style propre.
La plateforme Parse Evercode WT utilise un codage-barres combinatoire : les cellules sont successivement mélangées et séparées, recevant des combinaisons uniques de codes-barres, comme si chaque cellule recevait son propre code postal.
Non publié sur arXiv. Voici sa page, le PDF et la formalisation : vous pouvez vérifier vous-même, pas seulement lire notre analyse.