Des méthodes propriétaires et des résultats fiables
L’offre d’AltraBio couvre l’ensemble du flux d’analyse de données de cytométrie en flux, spectrale et de masse, allant du fenêtrage automatisé (automated gating) aux analyses croisées entre échantillons, en passant par l’identification de bio marqueurs.
Vous voulez appliquer votre stratégie de gating à un grand nombre de fichiers
- 3 à 4 semaines pour générer un automate de gating dédié
- traitement rapide (5-10 min/fichier), 24/7
- Utilisez votre expertise dans le développement de nouvelles stratégies et/ou dans l’interprétation biologique de vos résultats plutôt que dans l’étape de gating
- Nos automates réalisent leurs gating en considérant tous les marqueurs utilisés dans votre étude. Cela leur permet d’avoir une meilleure vue sur les populations de cellules que celle qu’on peut avoir en n’utilisant que des biplots.
- Une fois ses performances validées, votre automate de gating sera figé et le même automate sera utilisé sur tous vos fichiers. Des mises à jour sont toujours possibles mais conduiront à un nouvel automate avec un nouveau numéro de série.
- Grâce à l’automatisation, l’utilisation de la cytométrie dans vos études cliniques, dans lesquelles vous envisagez un grand nombre de fichiers, ne sera plus un problème.
Vous voulez identifier des populations cellulaires marqueurs pour diagnostiquer une maladie ou prédire la réponse à un traitement
Nos solutions validées ont identifié les populations cellulaires pertinentes pour réaliser:
- l’évaluation de la maladie résiduelle mesurable (MRD) dans différents cancers du sang.
- la prediction des patients répondeurs au médicament anti-cancer anti-CTL4 .
- le diagnostic d’une maladie autoimmune.
Notre méthode est capable d’identifier des sous-ensembles de cellules discriminantes à différentes granularités le long d’un axe de différenciation cellulaire, ce qui donne des sous-ensembles de cellules imbriquées : par exemple dans la population de cellules T, les sous-ensembles pertinents peuvent aller du sous-ensemble plus large de cellules CD8 mémoire au plus spécifique. sous-ensemble intégré de la mémoire effectrice CD8.
- Notre approche est moins sensible aux effets de lot.
- Notre méthode peut utiliser des informations supplémentaires telles que les résultats des patients (par exemple, le statut des patients) pour guider intelligemment l’identification des clusters afin d’augmenter encore la pertinence des populations identifiées et d’éviter les faux artefacts.
Vous voulez explorer vos données de cytométrie
- Gating par réduction de dimension : Analyse en composante principale, Minimum Spanning Tree layouts (e.g. SPADE), Multi Dimensional Scaling, t-stochastic neighbor embeddings (e.g. ViSNE), UMAP, etc.
- Clustering: approches basées sur la topologie/le graphe (e.g. SamSPECTRAL), approches basées sur la densité (e.g. Flock), approches basées sur le modèle (e.g. immunoClust, FLAME, FlowClust, flowMerge), approches hybrides (e.g. FlowSOM, Phenograph, FlowPeaks, FlowMeans, etc.), approches d’ensemble, etc.
- Modélisation statistique
- Modèles linéaires généralisés, modèles mixtes (etc) pour (1) l’analyse différentielle d’abondance de populations cellulaires ou (2) l’analyse différentielle de marqueurs d’expression stratifiés par populations cellulaires.
- Machine learning
- Apprentissage supervisé (e.g., Forêt aléatoire, Boosting, SVM, (sparse) PLS), identification de correlation , etc.
- Algorithmes dédiés à des tâches spécifiques
- CITRUS, RchyOptimyx, etc.
Témoignages
« Ils sont très efficaces et agiles, vous n’interagirez pas avec beaucoup de monde donc ils réagissent rapidement et fournissent un service de haute qualité »
“Ils font ce petit contrôle qualité supplémentaire sur leur main, ils vérifient également les transferts, ils mettent cet effort supplémentaire pour s’assurer que ce que nous faisons est exact”
« Le travail que nous faisons jusqu’ici avec AltraBio, c’est du partenariat. … il y avait des échéanciers à respecter et ils sont intervenus et ont dit OK, nous le ferons dans quelques jours, pas dans une semaine, pas dans un mois… quand vous avez cette relation, quand vous comprenez le valeur et vous comprenez les délais du client, cela ressemblait vraiment à un partenariat”
Nos publications en cytometrie
2016
Brinza, Lilia; Djebali, Sophia; Tomkowiak, Martine; Mafille, Julien; Loiseau, Céline; Jouve, Pierre-Emmanuel; de Bernard, Simon; Buffat, Laurent; Lina, Bruno; Ottmann, Michèle; Rosa-Calatrava, Manuel; Schicklin, Stéphane; Bonnefoy, Nathalie; Lauvau, Grégoire; Grau, Morgan; Wencker, Mélanie; Arpin, Christophe; Walzer, Thierry; Leverrier, Yann; Marvel, Jacqueline
Immune signatures of protective spleen memory CD8 T cells Article de journal
Dans: Sci Rep, vol. 6, p. 37651, 2016, ISSN: 2045-2322.
@article{pmid27883012,
title = {Immune signatures of protective spleen memory CD8 T cells},
author = {Lilia Brinza and Sophia Djebali and Martine Tomkowiak and Julien Mafille and Céline Loiseau and Pierre-Emmanuel Jouve and Simon de Bernard and Laurent Buffat and Bruno Lina and Michèle Ottmann and Manuel Rosa-Calatrava and Stéphane Schicklin and Nathalie Bonnefoy and Grégoire Lauvau and Morgan Grau and Mélanie Wencker and Christophe Arpin and Thierry Walzer and Yann Leverrier and Jacqueline Marvel},
doi = {10.1038/srep37651},
issn = {2045-2322},
year = {2016},
date = {2016-11-01},
urldate = {2016-11-01},
journal = {Sci Rep},
volume = {6},
pages = {37651},
abstract = {Memory CD8 T lymphocyte populations are remarkably heterogeneous and differ in their ability to protect the host. In order to identify the whole range of qualities uniquely associated with protective memory cells we compared the gene expression signatures of two qualities of memory CD8 T cells sharing the same antigenic-specificity: protective (Influenza-induced, Flu-TM) and non-protective (peptide-induced, TIM) spleen memory CD8 T cells. Although Flu-TM and TIM express classical phenotypic memory markers and are polyfunctional, only Flu-TM protects against a lethal viral challenge. Protective memory CD8 T cells express a unique set of genes involved in migration and survival that correlate with their unique capacity to rapidly migrate within the infected lung parenchyma in response to influenza infection. We also enlighten a new set of poised genes expressed by protective cells that is strongly enriched in cytokines and chemokines such as Ccl1, Ccl9 and Gm-csf. CCL1 and GM-CSF genes are also poised in human memory CD8 T cells. These immune signatures are also induced by two other pathogens (vaccinia virus and Listeria monocytogenes). The immune signatures associated with immune protection were identified on circulating cells, i.e. those that are easily accessible for immuno-monitoring and could help predict vaccines efficacy.},
keywords = {},
pubstate = {published},
tppubtype = {article}
}
Bachy, Emmanuel; Urb, Mirjam; Chandra, Shilpi; Robinot, Rémy; Bricard, Gabriel; de Bernard, Simon; Traverse-Glehen, Alexandra; Gazzo, Sophie; Blond, Olivier; Khurana, Archana; Baseggio, Lucile; Heavican, Tayla; Ffrench, Martine; Crispatzu, Giuliano; Mondière, Paul; Schrader, Alexandra; Taillardet, Morgan; Thaunat, Olivier; Martin, Nadine; Dalle, Stéphane; Garff-Tavernier, Magali Le; Salles, Gilles; Lachuer, Joel; Hermine, Olivier; Asnafi, Vahid; Roussel, Mikael; Lamy, Thierry; Herling, Marco; Iqbal, Javeed; Buffat, Laurent; Marche, Patrice N; Gaulard, Philippe; Kronenberg, Mitchell; Defrance, Thierry; Genestier, Laurent
CD1d-restricted peripheral T cell lymphoma in mice and humans Article de journal
Dans: J Exp Med, vol. 213, no. 5, p. 841–857, 2016, ISSN: 1540-9538.
@article{pmid27069116,
title = {CD1d-restricted peripheral T cell lymphoma in mice and humans},
author = {Emmanuel Bachy and Mirjam Urb and Shilpi Chandra and Rémy Robinot and Gabriel Bricard and Simon de Bernard and Alexandra Traverse-Glehen and Sophie Gazzo and Olivier Blond and Archana Khurana and Lucile Baseggio and Tayla Heavican and Martine Ffrench and Giuliano Crispatzu and Paul Mondière and Alexandra Schrader and Morgan Taillardet and Olivier Thaunat and Nadine Martin and Stéphane Dalle and Magali Le Garff-Tavernier and Gilles Salles and Joel Lachuer and Olivier Hermine and Vahid Asnafi and Mikael Roussel and Thierry Lamy and Marco Herling and Javeed Iqbal and Laurent Buffat and Patrice N Marche and Philippe Gaulard and Mitchell Kronenberg and Thierry Defrance and Laurent Genestier},
doi = {10.1084/jem.20150794},
issn = {1540-9538},
year = {2016},
date = {2016-05-01},
urldate = {2016-05-01},
journal = {J Exp Med},
volume = {213},
number = {5},
pages = {841--857},
abstract = {Peripheral T cell lymphomas (PTCLs) are a heterogeneous entity of neoplasms with poor prognosis, lack of effective therapies, and a largely unknown pathophysiology. Identifying the mechanism of lymphomagenesis and cell-of-origin from which PTCLs arise is crucial for the development of efficient treatment strategies. In addition to the well-described thymic lymphomas, we found that p53-deficient mice also developed mature PTCLs that did not originate from conventional T cells but from CD1d-restricted NKT cells. PTCLs showed phenotypic features of activated NKT cells, such as PD-1 up-regulation and loss of NK1.1 expression. Injections of heat-killed Streptococcus pneumonia, known to express glycolipid antigens activating NKT cells, increased the incidence of these PTCLs, whereas Escherichia coli injection did not. Gene expression profile analyses indicated a significant down-regulation of genes in the TCR signaling pathway in PTCL, a common feature of chronically activated T cells. Targeting TCR signaling pathway in lymphoma cells, either with cyclosporine A or anti-CD1d blocking antibody, prolonged mice survival. Importantly, we identified human CD1d-restricted lymphoma cells within Vδ1 TCR-expressing PTCL. These results define a new subtype of PTCL and pave the way for the development of blocking anti-CD1d antibody for therapeutic purposes in humans.},
keywords = {},
pubstate = {published},
tppubtype = {article}
}