Aller au contenu

Rapport de démonstration · Bioinformatique · Dermo-cosmétique

À quoi ressemble un rapport RNA-seq GENXMAP : un exemple dermo-cosmétique

Un exemple complet du rapport que nous livrons pour une étude RNA-seq bulk sur explants de peau ex vivo, comparant des explants non traités à des explants exposés à un actif dermo-cosmétique. Il montre la structure, les figures et le niveau de documentation. Ce n’est pas le résultat d’une étude réelle.

Données de démonstration. Toutes les données de cette page servent uniquement à la démonstration. Aucun produit, aucun client ni aucune étude réels ne sont décrits.

Modèle : explant de peau ex vivo Technique : RNA-seq bulk Données : synthétiques, pour démonstration Génome : GRCh38.p14 / GENCODE v43 Auteur : Raheleh Shayan, PhD Mis à jour : octobre 2026

Dans le portail

Le même rapport, interactif dans votre portail

Cliquez un gène, changez de vue, zoomez : dans le portail client, chaque figure d’un rapport GENXMAP est interactive et les données sélectionnées s’exportent en CSV. Les partenaires d’un projet commun retrouvent les mêmes résultats dans le portail partenaire, avec les documents partagés, les jalons et les échanges.

  • Portail clientProjets, résultats et commandes
  • Portail partenaireProjets communs, documents et jalons
Données de démonstration

Survolez un point pour lire le gène.

01Contrôle qualité

Avant toute comparaison biologique, chaque banque est contrôlée sur le taux d’alignement, la qualité des bases, le contenu en GC et la duplication, par condition, pour écarter une explication technique à tout signal en aval.

Qualité des bases par positionScore Phred moyen par position de lecture, par fichier FASTQ150100150152025303540Position dans la lecture (pb)Score de qualité moyen (Phred)ConditionTraité par l’actifNon traité
Figure 1. Qualité des bases par position. Score de qualité Phred moyen à chaque position le long des lectures, une ligne par fichier de séquençage, colorée par condition. La bande verte indique une bonne qualité (au-dessus de 28), l’orange une qualité acceptable, le rouge une qualité faible. Tous les fichiers restent dans la bande verte sur toute la longueur des lectures, sans condition en retrait : la qualité des bases ne peut pas expliquer une différence ultérieure entre groupes.
Contenu en GC par séquenceDistribution du contenu en GC des lectures, par fichier FASTQ02550751000123% GC% des lecturesConditionTraité par l’actifNon traité
Figure 2. Distribution du contenu en GC. Part des lectures (ordonnée) pour chaque pourcentage de GC (abscisse), une ligne par fichier de séquençage. Les fichiers partagent un pic unique et régulier, et se superposent d’une condition à l’autre. Un second pic ou une courbe décalée signalerait une contamination ou un problème de banque ; ce n’est pas le cas ici.

02Pipeline d’analyse

Un pipeline reproductible de l’alignement à l’interprétation fonctionnelle, chaque outil et chaque paramètre versionnés et documentés pour l’audit et la réutilisation.

STAR 2.7.10a, deux passesSalmon 1.10.0DESeq2 1.40.2 (VST) clusterProfiler 4.8.1ORA GO et KEGGGSEA, MSigDB Hallmark

03Analyse en composantes principales

Dans cet exemple simulé, l’ACP sur les comptages normalisés (VST) fait de la condition de traitement la principale source de variance, les deux groupes étant séparés avant tout test statistique. Sur des données réelles, c’est ici qu’un effet de lot ou de donneur apparaîtrait en premier.

Analyse en composantes principalesSéparation principale portée par l’exposition à l’actif dermo-cosmétiqueC1 · PC1 -1,7 · PC2 0,1C2 · PC1 -2,4 · PC2 -0,1C3 · PC1 -0,6 · PC2 -0,7C4 · PC1 -2,3 · PC2 0,0C5 · PC1 -2,5 · PC2 -0,5C6 · PC1 -2,5 · PC2 0,2C7 · PC1 -0,6 · PC2 0,5C8 · PC1 -2,3 · PC2 -0,1C9 · PC1 -2,9 · PC2 0,2C10 · PC1 -1,9 · PC2 0,4C11 · PC1 -2,0 · PC2 0,5C12 · PC1 -1,8 · PC2 0,5T1 · PC1 1,9 · PC2 0,0T2 · PC1 1,8 · PC2 -0,1T3 · PC1 1,8 · PC2 0,5T4 · PC1 2,3 · PC2 -0,7T5 · PC1 3,0 · PC2 0,1T6 · PC1 1,6 · PC2 -1,2T7 · PC1 1,8 · PC2 0,3T8 · PC1 1,6 · PC2 -0,8T9 · PC1 1,7 · PC2 -0,0T10 · PC1 1,6 · PC2 0,2T11 · PC1 2,4 · PC2 -0,8T12 · PC1 1,5 · PC2 -0,4−202-1,0-0,50,00,51,0PC1 (41,2 %)PC2 (18,9 %)ConditionTraité par l’actifNon traitéNormalisation VST DESeq2 · n = 24 explants
Figure 3. Analyse en composantes principales. Chaque point est un explant, placé selon l’ensemble de son profil d’expression après normalisation (VST) ; des points proches ont des profils semblables. La première composante (PC1, 41,2 % de la variance) sépare les explants traités des non traités ; les ellipses en pointillés délimitent chaque groupe. Le traitement, et non un facteur technique, est la principale source de variation. Design simulé de 24 explants, 12 par condition.

04Expression différentielle

La comparaison traité contre non traité utilise |log2FC| > 1,5 et padj < 0,05 (Benjamini-Hochberg). Dans les données simulées, les gènes de la matrice et de la réépithélialisation sont induits et les gènes inflammatoires réduits.

↑ COL1A1, COL3A1, FN1, TGFB1, POSTN, VEGFA, HAS2, KRT16/17 ↓ IL6, CXCL8, CCL2, MMP9
Volcano plot : traité par l’actif contre non traitéSeuils : |log2FC| > 1,5 · padj < 0,05 (BH)COL1A1 · log2FC 2,5COL3A1 · log2FC 3,6FN1 · log2FC 1,9TGFB1 · log2FC 1,8POSTN · log2FC 1,6VEGFA · log2FC 3,1HAS2 · log2FC 3,9KRT16 · log2FC 2,5KRT17 · log2FC 3,2IL6 · log2FC -2,8CXCL8 · log2FC -2,8CCL2 · log2FC -2,8MMP9 · log2FC -4,2-5,0-2,50,02,55,001234log2 fold change (traité / non traité)-log10(padj)Induit par l’actifNon significatifRéduit par l’actif
Figure 4. Expression différentielle. Chaque point est un gène. L’abscisse donne la variation d’expression avec l’actif (log2 fold change : à droite plus exprimé, à gauche moins) ; l’ordonnée la confiance statistique (plus haut = plus significatif). Les lignes en pointillés marquent les seuils |log2FC| > 1,5 et padj < 0,05. Les gènes verts sont induits par l’actif, les bleus réduits, les gris ne franchissent pas les deux seuils. Données simulées.

05Carte de chaleur d’expression

Le clustering sur un panel de 30 gènes de réparation tissulaire sépare les deux conditions. Les gènes du collagène, des facteurs de croissance et de la réépithélialisation sont plus exprimés dans le groupe traité ; IL6, CXCL8, CCL2 et MMP9 le sont dans le groupe non traité.

Gènes de réparation tissulaire : explants traités et non traitésCOL3A1KRT17FN1TGFBIACTA2TGFB1ITGB1SPP1PDGFAKRT16DPTFGF2COL1A1TIMP1HAS2ITGA5LAMC2AQP3POSTNSERPINE1KRT6AVEGFALOXMMP1MMP3CDH1IL6CXCL8MMP9CCL2ConditionNon traitéTraité par l’actifExpression relative10-1
Figure 5. Carte de chaleur des gènes de réparation tissulaire. Les lignes sont 30 gènes impliqués dans la réparation tissulaire, les colonnes les explants, avec la condition dans le bandeau du haut. La couleur indique l’expression relative (rose plus élevée, bleu plus faible). Le clustering regroupe échantillons et gènes aux profils proches : les deux conditions se séparent nettement, les gènes de la matrice et de la réépithélialisation sont plus exprimés avec l’actif, et les gènes inflammatoires (IL6, CXCL8, CCL2, MMP9) le sont sans lui. Données simulées.

06Enrichissement fonctionnel

Les gènes induits par l’actif se rattachent à l’organisation de la matrice extracellulaire, à la cicatrisation et à la migration des kératinocytes. L’analyse KEGG converge sur l’interaction ECM-récepteur, l’adhésion focale et la signalisation PI3K-Akt. La GSEA sur les gènes Hallmark place la transition épithélio-mésenchymateuse et la signalisation TGF-beta en tête, avec une déplétion des voies TNF-alpha/NF-kB et IL6/JAK/STAT3.

GO Biological Process : ORAGènes induits par l’actif · clusterProfiler 4.8.1extracellular matrix organization39 gèneswound healing34 gènescollagen fibril organization28 gèneskeratinocyte migration26 gènesepithelial cell migration24 gènesangiogenesis22 gènescell-substrate adhesion21 gènesresponse to transforming growth factor beta18 gènesregulation of inflammatory response16 gènesskin barrier establishment13 gènes010203040Nombre de gènes-log10(padj)196
Figure 6. Processus biologiques GO enrichis parmi les gènes induits. Chaque barre est un processus biologique ; sa longueur donne le nombre de gènes induits qu’il contient, sa couleur la significativité. Les premiers processus, organisation de la matrice extracellulaire, cicatrisation et organisation des fibrilles de collagène, décrivent une réponse cohérente de réparation tissulaire. Données simulées.
Enrichissement des voies KEGGGènes induits par l’actif · ORA · correction BHhsa04512 ECM-receptor interactionhsa04510 Focal adhesionhsa04151 PI3K-Akt signalinghsa04010 MAPK signalinghsa04350 TGF-beta signalinghsa04370 VEGF signalinghsa04810 Regulation of actin cytoskeletonhsa04060 Cytokine-cytokine receptor interaction0,150,200,250,300,350,40Ratio de gènes-log10(padj)17,55,5Gènes152535
Figure 7. Voies KEGG enrichies parmi les gènes induits. Chaque point est une voie de signalisation ou métabolique. Sa position donne la part des gènes de la voie qui sont induits (gene ratio), sa taille le nombre de gènes, sa couleur la significativité après correction de Benjamini-Hochberg. L’interaction ECM-récepteur, l’adhésion focale et la signalisation PI3K-Akt arrivent en tête, ce qui oriente vers les contacts cellule-matrice et la signalisation de réparation. Données simulées.
GSEA : jeux de gènes MSigDB HallmarkTraité par l’actif contre non traité · score d’enrichissement normalisé (NES)EPITHELIAL_MESENCHYMAL_TRANSITIONNES 2,40TGF_BETA_SIGNALINGNES 2,18ANGIOGENESISNES 2,05APICAL_JUNCTIONNES 1,85IL6_JAK_STAT3_SIGNALINGNES -1,60TNFA_SIGNALING_VIA_NFKBNES -1,75−1012Score d’enrichissement normalisé (NES)-log10(FDR)2,501,40Gènes du cœur202535clusterProfiler 4.8.1 · algorithme fgsea · FDR BH
Figure 8. GSEA sur les ensembles Hallmark de MSigDB. Contrairement aux deux analyses précédentes, la GSEA utilise tous les gènes classés selon leur variation, et pas seulement ceux qui franchissent un seuil. Chaque point est un ensemble de gènes : un score positif (à droite) signifie que l’ensemble augmente avec l’actif, un score négatif (à gauche) qu’il diminue ; la taille donne le nombre de gènes cœurs, la couleur le FDR. La transition épithélio-mésenchymateuse et la signalisation TGF-beta augmentent ; les signalisations inflammatoires TNF-alpha/NF-kB et IL6/JAK/STAT3 diminuent. Données simulées.

07Méthodes & reproductibilité

Chaque rapport documente l’alignement (STAR 2.7.10a, deux passes, GRCh38.p14 / GENCODE v43), la quantification (Salmon 1.10.0), la normalisation et l’expression différentielle (DESeq2 1.40.2) et l’enrichissement fonctionnel (clusterProfiler 4.8.1, sur-représentation GO et KEGG, GSEA, correction de Benjamini-Hochberg), avec les versions et seuils exacts, pour que les résultats puissent être audités ou reproduits par votre équipe.

Votre étude

Vous voulez un rapport comme celui-ci pour votre étude ?