Les neurones, les principales cellules qui composent notre cerveau et notre moelle épinière, sont parmi les cellules les plus lentes à se régénérer après une blessure, et de nombreux neurones ne parviennent pas à se régénérer entièrement. Bien que les scientifiques aient fait des progrès dans la compréhension de la régénération neuronale, on ne sait toujours pas pourquoi certains neurones se régénèrent et d’autres non.
En utilisant le séquençage de l’ARN unicellulaire, une méthode qui détermine quels gènes sont activés dans des cellules individuelles, des chercheurs de la faculté de médecine de l’Université de Californie à San Diego ont identifié un nouveau biomarqueur qui peut être utilisé pour prédire si les neurones se régénéreront ou non après une blessure. En testant leur découverte chez la souris, ils ont constaté que le biomarqueur était toujours fiable dans les neurones du système nerveux et à différents stades de développement. L’étude a été publiée le 16 octobre 2023 dans la revue Neurone.
La technologie de séquençage unicellulaire nous aide à examiner la biologie des neurones de manière beaucoup plus détaillée que jamais, et cette étude démontre réellement cette capacité. Ce que nous avons découvert ici pourrait n’être que le début d’une nouvelle génération de biomarqueurs sophistiqués basés sur des données unicellulaires. »
Binhai Zheng, PhD, auteur principal, professeur au Département de neurosciences de la faculté de médecine de l’UC San Diego
Les chercheurs se sont concentrés sur les neurones du tractus corticospinal, une partie essentielle du système nerveux central qui aide à contrôler les mouvements. Après une blessure, ces neurones sont parmi les moins susceptibles de régénérer les axones ; les structures longues et minces que les neurones utilisent pour communiquer entre eux. C’est pourquoi les blessures au cerveau et à la moelle épinière sont si dévastatrices.
« Si vous êtes blessé au bras ou à la jambe, ces nerfs peuvent se régénérer et il est souvent possible de récupérer complètement et fonctionnellement, mais ce n’est pas le cas pour le système nerveux central », a déclaré le premier auteur Hugo Kim, PhD, un boursier postdoctoral au laboratoire Zheng. « Il est extrêmement difficile de se remettre de la plupart des lésions cérébrales et médullaires car ces cellules ont une capacité de régénération très limitée. Une fois qu’elles ont disparu, elles disparaissent. »
Les chercheurs ont utilisé le séquençage d’ARN unicellulaire pour analyser l’expression des gènes dans les neurones de souris atteintes de lésions médullaires. Ils ont encouragé ces neurones à se régénérer à l’aide de techniques moléculaires établies, mais cela n’a finalement fonctionné que pour une partie des cellules. Cette configuration expérimentale a permis aux chercheurs de comparer les données de séquençage des neurones régénérés et non régénérés.
De plus, en se concentrant sur un nombre relativement petit de cellules – ; un peu plus de 300 – ; les chercheurs ont pu examiner de très près chaque cellule individuelle.
« Tout comme chaque personne est différente, chaque cellule a sa propre biologie », a déclaré Zheng. « Explorer les différences infimes entre les cellules peut nous en dire beaucoup sur le fonctionnement de ces cellules. »
En utilisant un algorithme informatique pour analyser leurs données de séquençage, les chercheurs ont identifié un modèle unique d’expression génétique qui peut prédire si un neurone individuel se régénérera ou non après une blessure. Le modèle incluait également certains gènes qui n’avaient jamais été impliqués auparavant dans la régénération neuronale.
« C’est comme une empreinte moléculaire pour régénérer les neurones », a ajouté Zheng.
Pour valider leurs découvertes, les chercheurs ont testé cette empreinte moléculaire, qu’ils ont appelée le classificateur de régénération, sur 26 ensembles de données publiés de séquençage d’ARN unicellulaire. Ces ensembles de données comprenaient des neurones provenant de diverses parties du système nerveux et à différents stades de développement.
L’équipe a découvert qu’à quelques exceptions près, le classificateur de régénération a prédit avec succès le potentiel de régénération de neurones individuels et était capable de reproduire les tendances connues des recherches précédentes, comme une forte diminution de la régénération neuronale juste après la naissance.
« La validation des résultats par rapport à de nombreux ensembles de données provenant de lignes de recherche complètement différentes nous indique que nous avons découvert quelque chose de fondamental sur la biologie sous-jacente de la régénération neuronale », a déclaré Zheng. « Nous devons faire davantage de travail pour affiner notre approche, mais je pense que nous avons découvert un modèle qui pourrait être universel pour tous les neurones en régénération. »
Bien que les résultats chez la souris soient prometteurs, les chercheurs préviennent qu’à l’heure actuelle, le classificateur de régénération est un outil destiné à aider les chercheurs en neurosciences en laboratoire plutôt qu’un test de diagnostic pour les patients en clinique.
« Il existe encore de nombreux obstacles à l’utilisation du séquençage unicellulaire dans des contextes cliniques, tels que le coût élevé, la difficulté d’analyser de grandes quantités de données et, surtout, l’accessibilité aux tissus d’intérêt », a déclaré Zheng. « Pour l’instant, nous souhaitons explorer comment utiliser le classificateur de régénération dans des contextes précliniques pour prédire l’efficacité de nouvelles thérapies régénératives et aider à rapprocher ces traitements des essais cliniques. »
Les co-auteurs de l’étude incluent : Junmi M. Saikia, Katlyn Marie A. Monte, Eunmi Ha, Daniel Romaus-Sanjurjo, Joshua J. Sanchez, Andrea X. Moore, Marc Hernaiz-Llorens, Carmine L. Chavez-Martinez, Chimuanya K. Agba, Haoyue Li, Joseph Zhang, Daniel T. Lusk et Kayla M. Cervantes, tous à l’UC San Diego.
