Analyse Single-cell RNA-Seq

Nous analysons couramment les données issues de 10x Genomics Chromium (3' et 5') et Parse Biosciences Evercode, ainsi que BD Rhapsody, Smart-seq2/3 et d'autres chimies de barcoding en gouttelettes ou combinatoire. Nous pouvons partir de la sortie brute du fabricant (Cell Ranger, split-pipe) ou d'une matrice de comptage déjà générée.

Les deux. Nous pouvons traiter des fichiers FASTQ ou BCL bruts via les étapes de quantification (Cell Ranger, STARsolo, salmon alevin-fry, kallisto bustools ou split-pipe pour les données Parse), ou démarrer directement depuis une matrice ou un objet existant (10x .h5, .h5ad / AnnData, Seurat .rds) si la quantification a déjà été effectuée.

Les effets de batch sont d'abord pris en compte au niveau du design expérimental, puis corrigés computationnellement avec des méthodes adaptées à votre structure (Harmony, scVI/scANVI, Seurat RPCA). Nous vérifions systématiquement que l'intégration supprime le bruit technique sans effacer le signal biologique, car certains confondeurs ne peuvent plus être corrigés après le séquençage. Nous détaillons cela dans notre article sur les effets de batch en scRNA-seq.

Nous combinons trois approches complémentaires : annotation manuelle à partir des gènes marqueurs canoniques, annotation par référence sur des atlas publics (SingleR, Azimuth, CellTypist), et annotation assistée par IA pour accélérer et recouper les labels. Les étiquettes finales sont validées par un expert et justifiées par les marqueurs, jamais acceptées aveuglément depuis un appel automatique.

Oui. Pour les comparaisons entre conditions, nous utilisons l'approche pseudo-bulk : les comptages sont agrégés par échantillon et type cellulaire, puis modélisés avec DESeq2 ou edgeR. Cette approche contrôle bien mieux les faux positifs que les tests naïfs cellule par cellule. Nous fournissons également les gènes marqueurs par cluster et, le cas échéant, une analyse de la composition en types cellulaires.

Oui. Nous inférons les trajectoires de différenciation et le pseudotemps avec des outils comme Slingshot, Monocle3 et PAGA, et pouvons ajouter la RNA velocity (scVelo) pour indiquer la directionnalité. Ces analyses sont appliquées quand elles répondent à une question biologique concrète, pas à titre de décoration.

Oui. Nous traitons les données appariées d'expression génique single-cell et VDJ (10x 5' immune profiling et équivalents) : caractérisation des clonotypes TCR/BCR, expansion clonale, diversité du répertoire et mise en relation avec les états transcriptionnels. C'est un domaine de compétence particulier.

Oui. Nous intégrons le scRNA-seq avec les protéines de surface CITE-seq, le scATAC-seq (multiome), la transcriptomique spatiale et le RNA-seq bulk appairé, pour construire une image cohérente à travers les différentes couches omiques.

Nous signons un accord de confidentialité avant tout transfert, échangeons les données via des canaux sécurisés et ne partageons ni ne réutilisons jamais vos données. Lorsque votre institution impose des exigences de sécurité spécifiques, nous nous y conformons pleinement.

Le tarif dépend de la plateforme, du nombre d'échantillons et de cellules, et de la profondeur des analyses aval souhaitées (annotation seule, ou avec expression différentielle, trajectoires, répertoire immun et intégration multi-omique). Chaque projet est cadré et devisé de façon transparente avant tout démarrage. Envoyez-nous votre design et votre type de données et nous vous répondons avec un périmètre précis, un calendrier et un devis forfaitaire sous 48 heures.