L'accumulation de cellules sénescentes avec l'âge et leur sécrétome pro-inflammatoire, appelé SASP, contribuent aux pathologies liées à l'âge, notamment la maladie d'Alzheimer. Les stratégies thérapeutiques visant à éliminer ou à reprogrammer les cellules sénescentes exigent une connaissance précise des gènes moteurs du vieillissement. Cependant, les ressources existantes (CellAge, GenAge, SenMayo et Reactome) reposent sur des définitions opérationnelles différentes du vieillissement et sont incompatibles entre elles. Elles ne fournissent pas d'informations sur la conservation des gènes dans les organismes modèles, l'expression tissulaire ou les interactions en réseau, ce qui est crucial pour choisir un gène, un tissu et un système modèle pour les expériences futures. Le travail SenSASP comble cette lacune en unifiant quatre sources sur un identifiant commun et en ajoutant trois couches d'annotations absentes de toutes les ressources d'origine.
Quatre listes de gènes ont été téléchargées depuis les sources primaires : CellAge et GenAge depuis HAGR, SenMayo depuis MSigDB, la voie Cellular Senescence de Reactome via ContentService. Chaque symbole de gène unique a été associé à un ensemble canonique d'identifiants (symbole HGNC, ID de gène Ensembl, accession UniProt, ID Entrez, ID HGNC) à l'aide de MyGene.info, en privilégiant les correspondances exactes et les entrées humaines. Les gènes ont été fusionnés par ID de gène Ensembl, avec enregistrement des sources pour chaque gène. Pour la couche de conservation, les orthologues de souris et de poisson-zèbre ont été obtenus depuis Ensembl BioMart. L'expression a été obtenue depuis GTEx v8 (TPM médians sur 54 tissus) et Human Protein Atlas (spécificité, distribution, localisation subcellulaire). Les interactions protéine-protéine à haute confiance ont été extraites de STRING v12 avec un seuil de score combiné ≥ 700, et pour chaque gène, le degré dans le réseau et les partenaires ont été calculés.
La fusion des quatre listes a donné 1460 entrées, 1252 symboles uniques, qui ont été associés à 1250 gènes Ensembl uniques, supprimant 210 entrées redondantes (14,4 %). La plupart des gènes (1077) sont spécifiques d'une seule source, 173 sont confirmés par deux sources ou plus, 138 par exactement deux, 33 par trois, et seulement 2 gènes (IL6 et JUN) sont confirmés par les quatre. Les annotations ont couvert presque tous les gènes : 94,4 % ont un orthologue murin, 83,6 % un orthologue de poisson-zèbre, 97,9 % ont des profils d'expression GTEx et des annotations HPA, 93,0 % participent à au moins une interaction à haute confiance dans un réseau de 15611 arêtes. Le réseau présente une topologie centrée sur des hubs avec TP53 comme hub principal (degré 368). 89,4 % des gènes sont annotés simultanément dans les trois couches. La classification des profils d'expression des gènes soutenus par trois sources ou plus a révélé des modules tissulaires cohérents, incluant des régulateurs largement exprimés et des motifs spécifiques de tissus.
SenSASP se distingue des travaux voisins par le fait qu'elle unifie quatre ressources hétérogènes sur le vieillissement sous un identifiant unique et ajoute trois couches d'annotations absentes de chacune des sources d'origine. Contrairement aux travaux utilisant de grands modèles de langage ou des méthodes d'IA explicable pour l'analyse des gènes, SenSASP s'appuie sur l'intégration directe de données curées et d'API publiques, garantissant reproductibilité et traçabilité. C'est la première base qui relie conservation, expression et interactions pour les gènes du vieillissement en un seul endroit, transformant les tâches de priorisation et de contextualisation en requêtes plutôt qu'en projets d'intégration de données.
La base peut être étendue à d'autres organismes modèles, à l'expression au niveau des types cellulaires issue des atlas de cellules uniques et à des arêtes dirigées ou régulatrices en complément du réseau non orienté STRING. L'ajout de couches telles que les locus GWAS ou la co-expression en cellules uniques est envisageable pour une priorisation plus fine. Les utilisateurs peuvent repondérer les composantes du score ou restreindre un sous-ensemble de sources, ce qui fait de SenSASP une plateforme flexible pour générer des hypothèses.
Le travail influencera la recherche sur le vieillissement et les maladies liées à l'âge, en fournissant un outil prêt à l'emploi pour choisir des gènes cibles et des systèmes modèles. Il pourrait aussi accélérer la recherche translationnelle en thérapie du vieillissement et du cancer, où une connaissance précise des moteurs de la sénescence est nécessaire.
Les prochaines étapes comprennent la validation des gènes priorisés dans des expériences sur la souris et le poisson-zèbre, ainsi que l'intégration de données de cellules uniques pour affiner les contextes cellulaires d'expression. Il serait également utile d'étendre la base à d'autres organismes et interactions régulatrices.
Le travail est directement lié à un problème non résolu en biologie du vieillissement : quels gènes sont les véritables moteurs de la sénescence et du SASP, et non de simples corrélats. En combinant de multiples preuves et en ajoutant des annotations fonctionnelles, SenSASP aide à restreindre le cercle des candidats pour une vérification expérimentale, ce qui est crucial pour le développement de sénolytiques et de sénomorphes.
Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.
Ce que fait ce travail
Ce travail réunit quatre bases de gènes du vieillissement cellulaire (CellAge, GenAge, SenMayo et Reactome) sur un identifiant Ensembl commun, en y ajoutant des annotations de conservation chez la souris et le poisson-zèbre, d'expression dans 54 tissus GTEx et d'interactions protéine-protéine issues de STRING. La base finale contient 1250 gènes uniques, dont 173 sont confirmés par deux sources ou plus (IL6 et JUN le sont par les quatre), et elle permet de prioriser des candidats et de cartographier l'expression tissulaire.
Où est sa force
La force de ce travail réside dans la fusion concrète de ressources hétérogènes sur un identifiant unique, enrichie de trois couches d'annotations fonctionnelles : on obtient ainsi un outil prêt à l'emploi pour choisir les gènes, les tissus et les organismes modèles dans les expériences sur le vieillissement.
Vers où avancer
À essayer
Pourquoi cela peut compter
De tels enrichissements pourraient faire passer SenSASP du statut de ressource documentaire à celui de plateforme de génération d'hypothèses sur les mécanismes du vieillissement et des maladies liées à l'âge, en reliant les moteurs génétiques aux processus épigénétiques et régulateurs.
Travaux voisins dans notre archive
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.49, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
Seuls deux gènes, IL6 et JUN, sont confirmés par les quatre ressources d'origine, ce qui souligne la fragmentation du domaine et l'importance d'un noyau consensuel. TP53, le hub principal du réseau, a un degré de 368, ce qui reflète son rôle central dans la sénescence induite par le stress.
Non publié sur arXiv. Voici sa page, le PDF et la formalisation : vous pouvez vérifier vous-même, pas seulement lire notre analyse.