Open Access
Numéro
Cah. Myol.
Numéro 17, Juin 2018
Page(s) 45 - 46
Section JSFM 2017 / The 15th french society of myology annual meeting 2017
DOI https://doi.org/10.1051/myolog/201817014
Publié en ligne 6 juin 2018

Le muscle squelettique adulte est une structure complexe dotée d’un potentiel de régénération remarquable. Cette capacité repose sur l’interaction orchestrée entre différentes populations musculaires qui résident dans le tissu [1]. Au cours du processus de vieillissement naturel ou dans des conditions de maladies chroniques, telles que la dystrophie musculaire, des changements spécifiques se produisent dans une ou plusieurs de ces populations, entraînant une perte progressive de la capacité de régénération. Ceci conduit in fine à la sarcopénie, la fibrose, l’infiltration graisseuse et, dans des conditions pathologiques à la nécrose [2, 3].

thumbnail Figure 1

Schéma du workflow développé pour identifier les sous-populations maladie-spécifiques.

Malgré d’importants travaux de recherche conduits dans ce domaine, nous sommes loin de comprendre complètement ces changements. Même lorsque la cause génétique est connue, comme par exemple dans la dystrophie musculaire de Duchenne (DMD), nous sommes toujours incapables de préciser toutes les étapes qui mènent du défaut moléculaire jusqu’à l’expression de la maladie.

La raison principale de cette ignorance provient du manque d’outils permettant d’appréhender l’hétérogénéité de ces populations cellulaires. Les méthodes conventionnelles, capables seulement de fournir des informations moyennées, ont ralenti nos tentatives destinées à caractériser les changements pathologiques du microenvironnement, laissant ces sous- populations dysfonctionnelles cachées. D’où la nécessité de disséquer l’hétérogénéité du muscle au niveau de cellules isolées.

Notre projet est donc d’identifier les changements au niveau cellulaire qui interfèrent avec la bonne exécution du programme de régénération au cours du vieillissement, et en condition pathologique, en utilisant la spectrométrie de masse (technologie CyTOF). Des travaux de recherche récents suggèrent que la perte du potentiel régénératif du muscle pendant le vieillissement et en pathologie de type dystrophique est un processus multifactoriel dans lequel l’hétérogénéité cellulaire joue un rôle central. Il est frappant que cet épuisement fonctionnel progressif ne soit pas un processus dichotomique. Il s’agit plutôt d’une « dérive » progressive vers l’état pathologique lequel génère un gradient de sous- fractions semi-fonctionnelles intermédiaires au sein des populations résidentes du muscle. Les régulateurs moléculaires qui contrôlent la transition entre ces étapes sont la clé pour comprendre et contrer la progression du défaut. Cependant, lorsque les populations musculaires sont étudiées avec des méthodes classiques, ces sous-fractions restent indétectables. Afin de caractériser ces interrupteurs moléculaires, nous avons besoin d’un outil pour détecter de façon non biaisée les différentes sous- fractions et les étudier comme des entités discrètes. Cela ne peut être réalisé qu’en profilant le muscle entier jusqu’à la résolution d’une seule cellule. Étonnamment, à ce jour, il n’y a pas d’études publiées qui traitent de la complexité phénotypique du muscle squelettique au niveau unicellulaire dans la dystrophie musculaire de Duchenne ou lors du vieillissement physiologique.

Profitant de la technologie CyTOF [4], nous avons profilé, à une échelle unicellulaire, les différentes populations au cours du vieillissement musculaire et en pathologie (en utilisant des jeunes et vieux mdx4cv - un modèle de DMD). Ceci nous a permis de définir, en comparaison avec le jeune muscle sain, un schéma de ces états biologiques révélant des similitudes fonctionnelles et mettant en évidence des motifs récurrents. En utilisant une approche basée sur l’application de différents algorithmes de visualisation et de groupement tels que SPADE, viSNE [5] et Statistical Scaffold, nous avons pu séparer et comparer l’hétérogénéité des différentes conditions à une profondeur sans précédent. Nous avons pu identifier des sous-ensembles cellulaires précédemment négligés que nous avons isolés et caractérisés in vitro. Les caractéristiques particulières de ces populations plaident fortement en faveur de leur implication dans la régénération musculaire. Pour cette raison, nous étudions maintenant les changements dynamiques qui se produisent dans ces cellules chez les souris mdx4c jeunes et âgées. Il s’agit de la première tentative destinée à étudier simultanément la totalité de la fraction mononucléée du muscle sain et dystrophique, et à suivre son évolution au cours du vieillissement à une résolution de cellule unique.

La caractérisation des différentes populations cellulaires présentes dans le muscle fournira de nouvelles informations sur le processus de régénération, élargissant davantage notre compréhension de la façon dont les cellules individuelles coordonnent les réponses différentielles pour parvenir à la réparation du muscle squelettique après une blessure. En outre, l’étude de sous-populations spécifiques associées à une maladie fournira non seulement une base solide pour l’identification future de biomarqueurs diagnostiques, mais mettra également en évidence d’éventuelles cibles pharmaceutiques, ouvrant ainsi la voie à de nouvelles thérapies pour les maladies myodégénératives.

Nous prévoyons que, dans un proche avenir, des technologies telles que la transcriptomique et la pro- téomique unicellulaires seront combinées avec la médecine personnalisée pour fournir un traitement adapté à chaque patient. Notre ensemble de données, aux côtés de nombreuses autres données qui visent à profiler les cellules de différents modèles de maladies, servira d’atlas de référence pour naviguer dans la grande quantité de données qui seront inévitablement générées par une telle approche combinée.

Liens d’intérêt

Les auteurs déclarent n’avoir aucun lien d’intérêt concernant les données publiées dans cet article.

Références

  1. Bentzinger CF, Wang YX, Rudnicki MA. Building muscle: molecular regulation of myogenesis. Cold Spring Harb Perspect Bioi 2012; 4. pii: a008342. doi : 10.1101/cshperspect.a008342. [Google Scholar]
  2. Kharraz Y, Guerra J, Pessina P, et al. Understanding the process of fibrosis in Duchenne muscular dystrophy. Biomed Res Int 2014; 965631. [Google Scholar]
  3. Brack AS, Rando TA. Intrinsic changes and extrinsic influences ofmyogenic stem cell function during aging. Stem Cell Rev 2007; 3: 226–37. [CrossRef] [PubMed] [Google Scholar]
  4. Janes MR, Rommel C. Next-generation flow cytometry. Nat Biotechnol 2011; 29: 602–4. [CrossRef] [PubMed] [Google Scholar]
  5. Diggins KE, Ferrell PB, Irish JM. Methods for discovery and characterization of cell subsets in high dimensional mass cytometry data. Methods 2015; 82: 55–63. [CrossRef] [PubMed] [Google Scholar]

© L. Giordani et al., publié par EDP Sciences, 2018

Licence Creative Commons
Cet article est distribué sous licence « Creative Commons » : http://creativecommons.org/licenses/by/4.0/deed.fr/, permettant une ré-utilisation du contenu sans restriction à condition de mentionner clairement la source.

Liste des figures

thumbnail Figure 1

Schéma du workflow développé pour identifier les sous-populations maladie-spécifiques.

Dans le texte

Les statistiques affichées correspondent au cumul d'une part des vues des résumés de l'article et d'autre part des vues et téléchargements de l'article plein-texte (PDF, Full-HTML, ePub... selon les formats disponibles) sur la platefome Vision4Press.

Les statistiques sont disponibles avec un délai de 48 à 96 heures et sont mises à jour quotidiennement en semaine.

Le chargement des statistiques peut être long.