# Single-cell and spatial transcriptomics as a dual-species tool for mapping plant cell-type responses and microbial effector expression during infection

## Metadata

- **SPORE ID**: SPR-2026-F859
- **Domaines**: Botany and Plant Ecology Studies x Single-cell and spatial transcriptomics
- **Date de generation**: 2026-10-18
- **Panel consensus score**: 6.3/10
- **Novelty score**: 0.45/1.0
- **Panel verdict**: publish_brief

## Abstract

If dual-species scRNA-seq and spatial transcriptomics are applied to infected plant tissues with calibrated spike-in and computational decontamination, then microbial reads will be assignable to plant cell clusters at a false-positive rate ≤5% and microbial effector transcripts will show spatially structured expression (Moran's I ≥0.3) within colonized niches, because cell-type-resolved capture preserves both host and microbial transcripts in situ.

The proposed mechanism involves 5 causal steps: (1) Protoplast or nuclei isolation from infected tissue preserves both plant and mic -> (2) Droplet-based scRNA-seq or spatial barcoding captures host and microbial transcr -> (3) Microbial reads are assigned to plant cell clusters via co-occurrence within dro -> (4) Spatial normalization corrects collinearity between microbial density and sequen.

Literature grounding on 13 verified references yields a novelty score of 0.45 (incremental). A 3-phase experimental protocol (budget: €25k-120k, timeline: 10-18 months) is proposed, starting with in silico validation. A panel of 5 expert reviewers reached a consensus score of 6.3/10.

## 1. Hypothese et mecanisme propose

### 1.1 Formulation formelle

If dual-species scRNA-seq and spatial transcriptomics are applied to infected plant tissues with calibrated spike-in and computational decontamination, then microbial reads will be assignable to plant cell clusters at a false-positive rate ≤5% and microbial effector transcripts will show spatially structured expression (Moran's I ≥0.3) within colonized niches, because cell-type-resolved capture preserves both host and microbial transcripts in situ.

### 1.2 Variables

**Variables independantes :**

| Variable | Type | Plage | Unite |
|----------|------|-------|-------|
| pathogen inoculation treatment | categorical | mock / wild-type pathogen / non-replicative mutant / heat-killed pathogen | treatment level |
| spatial sequencing depth per spot | continuous | 5000-50000 | UMI per spot |
| microbial spike-in load | continuous | 0-10 | % of total transcripts |
| MOI (multiplicity of infection) | continuous | 0.01-10 | CFU per plant cell |
| replicate number | ordinal | 3-8 | biological replicates |

**Variables dependantes :**

| Variable | Type | Direction attendue | Unite |
|----------|------|-------------------|-------|
| Spearman correlation between microbial UMI density per spot and plant cell-type immune score | continuous | increase | rho (dimensionless) |
| log2 enrichment ratio of microbial effector transcripts in colonized vs non-colonized cell clusters | continuous | increase | log2 ratio |
| false-positive rate of microbial read assignment to plant cells | continuous | decrease | proportion |
| Moran's I of effector transcript spatial distribution | continuous | increase | dimensionless |
| number of plant cell-type-specific differentially expressed genes (FDR<0.05, |log2FC|>1) | continuous | increase | count |

### 1.3 Chaine causale

1. Step 1: Protoplast or nuclei isolation from infected tissue preserves both plant and microbial transcripts; capture efficiency is quantified by spike-in controls.
1. Step 2: Droplet-based scRNA-seq or spatial barcoding captures host and microbial transcripts; computational decontamination (SoupX/DecontX) removes ambient microbial RNA.
1. Step 3: Microbial reads are assigned to plant cell clusters via co-occurrence within droplets/spots; assignment accuracy is validated against calibrated MOI spike-ins and non-replicative mutant controls.
1. Step 4: Spatial normalization corrects collinearity between microbial density and sequencing depth; residuals are tested for spatial autocorrelation (Moran's I) to confirm non-artifactual structure.
1. Step 5: Effector transcripts expressed in colonized niches are identified as spatially variable genes with enrichment in colonized vs non-colonized clusters.

**Hypotheses cles :**

- Microbial transcripts are captured with sufficient efficiency (≥0.1% of total reads) to detect effector expression without amplification bias dominating.
- Computational decontamination removes ≥90% of ambient microbial RNA without removing genuinely intracellular transcripts.
- Plant cell-type clusters are not confounded by protoplasting-induced stress responses (verified by stress-gene score <10% of variance).
- Spatial normalization fully removes the correlation between microbial density and sequencing depth (residual Pearson r <0.1).

**Inconnues identifiees :**

- Whether microbial transcripts from intracellular pathogens are captured at rates comparable to plant transcripts in droplet-based assays.
- Whether MERFISH probe sets can be designed for unbiased discovery of uncharacterized effector genes.
- The extent to which zero-inflation in spatial data inflates false-positive effector assignments.

### 1.4 Conditions aux limites

- **Microbial load must be ≥0.1% of total transcripts per spot/droplet for reliable detection.** — Below this threshold, sampling noise and zero-inflation dominate, making effector enrichment estimates unreliable.
- **Protoplasting duration must be ≤30 min at 25°C to avoid stress-response confounds.** — Longer protoplasting induces cell-wall and oxidative stress genes that mask infection-specific responses.
- **Spatial sequencing depth must be ≥5000 UMI per spot.** — Lower depth inflates zero-inflation and reduces power for Moran's I below 0.5.
- **Computational decontamination must remove ≥90% of ambient microbial RNA (estimated by empty-droplet controls).** — Insufficient decontamination inflates false-positive assignment rates above the 5% threshold.
- **MERFISH probe design is limited to known effector sequences; unbiased discovery requires sequencing-based ST.** — MERFISH cannot discover uncharacterized effector genes, restricting its use to hypothesis-testing rather than discovery.

### 1.5 Cadre theorique

Dual-species single-cell and spatial transcriptomics (methodological transfer from cancer invasion biology to plant pathology), integrated with niche colonization theory and effector-triggered immunity frameworks.

## 2. Etat de l'art et positionnement

### 2.1 Travaux les plus proches

- **[2024] Unraveling plant-microbe symbioses using single-cell and spatial transcriptomics.** — [10.1016/j.tplants.2024.06.008](https://doi.org/10.1016/j.tplants.2024.06.008)
  - Similarite: very_high
  - Difference cle: This review already articulates the exact methodological transfer (scRNA-seq/ST applied to plant-microbe interactions) but focuses on symbioses/endosymbioses rather than pathogens and effector discovery; the SPORE hypothesis extends to pathosystems and microbial effector gene mapping in situ.
- **[2023] Time-resolved single-cell and spatial gene regulatory atlas of plants under pathogen attack** — [10.1101/2023.04.10.536170](https://doi.org/10.1101/2023.04.10.536170)
  - Similarite: very_high
  - Difference cle: Already demonstrates time-resolved scRNA-seq + spatial transcriptomics of Arabidopsis infected by Pseudomonas syringae, mapping plant immune responses to pathogen distribution — this is essentially a proof-of-concept of the hypothesis in a bacterial pathosystem.
- **[2023] Cell type-specific responses to fungal infection in plants revealed by single-cell transcriptomics** — [10.1101/2023.04.03.535386](https://doi.org/10.1101/2023.04.03.535386)
  - Similarite: high
  - Difference cle: Provides a single-cell atlas of Arabidopsis leaves challenged by Colletotrichum higginsianum with cell-type-specific responses and interaction assignment — again a concrete realization of part of the hypothesis, though without spatial transcriptomics or microbial effector mapping.
- **[2026] Mapping plant cell-type-specific responses to environmental stresses.** — [10.1016/j.tplants.2026.03.003](https://doi.org/10.1016/j.tplants.2026.03.003)
  - Similarite: high
  - Difference cle: Review explicitly covering scRNA-seq/ST for mapping cell-type-specific responses to pathogen attack; overlaps strongly with the plant-response half of the hypothesis but does not emphasize microbial effector discovery or dual-species capture.

### 2.2 Base de preuves

- **[2023] Time-resolved single-cell and spatial gene regulatory atlas of plants under pathogen attack** — [10.1101/2023.04.10.536170](https://doi.org/10.1101/2023.04.10.536170)
  - Type: direct | Citations: 35
  - Directly demonstrates scRNA-seq + spatial transcriptomics on pathogen-infected Arabidopsis, resolving plant cell responses linked to pathogen distribution — the core methodological claim of the hypothesis.
- **[2023] Cell type-specific responses to fungal infection in plants revealed by single-cell transcriptomics** — [10.1101/2023.04.03.535386](https://doi.org/10.1101/2023.04.03.535386)
  - Type: direct | Citations: 101
  - Shows scRNA-seq of infected plant tissue yields cell-type-specific responses and assigns cells interacting with invasive hyphae — supports the 'which cell types are colonized and how they respond' claim.
- **[2024] Unraveling plant-microbe symbioses using single-cell and spatial transcriptomics.** — [10.1016/j.tplants.2024.06.008](https://doi.org/10.1016/j.tplants.2024.06.008)
  - Type: direct | Citations: 39
  - Explicitly argues that scRNA-seq/ST enable probing plant-microbe interactions at unprecedented resolution, validating the conceptual transfer (though framed for symbioses).
- **[2026] Mapping plant cell-type-specific responses to environmental stresses.** — [10.1016/j.tplants.2026.03.003](https://doi.org/10.1016/j.tplants.2026.03.003)
  - Type: direct | Citations: 89
  - States that scRNA-seq/ST enable high-resolution mapping of transcriptional programs across cell types in response to pathogen attack, supporting the plant-response half of the hypothesis.
- **[2023] Cell type-specific transcriptomics reveals that root hairs and endodermal barriers play important roles in beneficial plant-rhizobacterium-interactions** — [10.1016/j.molp.2023.06.001](https://doi.org/10.1016/j.molp.2023.06.001)
  - Type: indirect | Citations: 40
  - Demonstrates cell-type-specific transcriptional profiling of root cell types during plant-microbe (beneficial bacterium) interaction, supporting feasibility of resolving cell-type-specific responses to microbes.
- **[2024] Mechanisms of rhizosphere plant-microbe interactions: molecular insights into microbial colonization** — [10.3389/fpls.2024.1491495](https://doi.org/10.3389/fpls.2024.1491495)
  - Type: indirect | Citations: 110
  - Establishes the biological question (microbial colonization mechanisms, chemotaxis, root attachment, immune evasion) that the hypothesis proposes to resolve at cellular resolution; supports the 'gap' framing.
- **[2014] High-Resolution Transcript Profiling of the Atypical Biotrophic Interaction between Theobroma cacao and the Fungal Pathogen Moniliophthora perniciosa[C][W][OPEN]** — [10.1105/tpc.114.130807](https://doi.org/10.1105/tpc.114.130807)
  - Type: indirect | Citations: 101
  - Bulk dual-species transcript profiling identified putative fungal virulence effectors during infection — the kind of effector discovery the hypothesis aims to push to single-cell/spatial resolution.
- **[2021] A robust method of nuclei isolation for single-cell RNA sequencing of solid tissues from the plant genus Populus** — [10.1371/journal.pone.0251149](https://doi.org/10.1371/journal.pone.0251149)
  - Type: indirect | Citations: 39
  - Provides a nuclei-isolation method (snRNA-seq) for plant solid tissues, supporting the technical feasibility of the nuclei-isolation route proposed in the mechanism.
- **[2022] An Efficient and Universal Protoplast Isolation Protocol Suitable for Transient Gene Expression Analysis and Single-Cell RNA Sequencing** — [10.3390/ijms23073419](https://doi.org/10.3390/ijms23073419)
  - Type: indirect | Citations: 39
  - Provides a protoplast isolation protocol for scRNA-seq, supporting the protoplasting route in the proposed mechanism.
- **[2025] Integrated single-cell and spatial transcriptomics uncover distinct cellular subtypes involved in neural invasion in pancreatic cancer.** — [10.1016/j.ccell.2025.06.020](https://doi.org/10.1016/j.ccell.2025.06.020)
  - Type: analogous | Citations: 119
  - The cancer analog invoked in the hypothesis: integrated sc/snRNA-seq + ST mapping cellular composition and spatial organization at an invasion front. Supports the methodological analogy but not plant biology.
- **[2024] Niche-DE: niche-differential gene expression analysis in spatial transcriptomics data identifies context-dependent cell-cell interactions** — [10.1186/s13059-023-03159-6](https://doi.org/10.1186/s13059-023-03159-6)
  - Type: analogous | Citations: 57
  - Provides a computational framework for identifying cell-type-specific niche-associated genes in spatial data — relevant to the 'computational integration' step of the proposed mechanism, though not plant-specific.
- **[2016] Dissecting the multicellular ecosystem of metastatic melanoma by single-cell RNA-seq** — [10.1126/science.aad0501](https://doi.org/10.1126/science.aad0501)
  - Type: analogous | Citations: 4549
  - Foundational demonstration that scRNA-seq resolves heterogeneous cell states/subpopulations in a complex tissue — the conceptual template for resolving plant cell-type heterogeneity.

### 2.3 Contre-preuves et limitations connues

- **[serious] Time-resolved single-cell and spatial gene regulatory atlas of plants under pathogen attack**
  - This preprint already implements scRNA-seq + spatial transcriptomics on pathogen-infected plants, meaning the hypothesis is not novel as a concept — it is already being executed. It does not, however, appear to demonstrate large-scale microbial effector gene mapping, so the effector-discovery component remains less covered.
- **[addressable] Unraveling plant-microbe symbioses using single-cell and spatial transcriptomics.**
  - Explicitly notes remaining limitations of applying these approaches to plant-microbe systems, indicating technical barriers (not a refutation of the hypothesis but a constraint on feasibility).
- **[minor] ASV vs OTUs clustering: Effects on alpha, beta, and gamma diversities in microbiome metabarcoding studies**
  - Not directly contradictory, but highlights that microbial community profiling has methodological biases; tangential to the dual-species transcript capture claim and does not address scRNA-seq capture of microbial transcripts.

### 2.4 Evaluation de nouveaute

- **Score**: 0.45/1.0
- **Verdict**: incremental

## 3. Predictions falsifiables

| # | Prediction | Borne quantitative | Methode | H0 | Test statistique |
|---|-----------|-------------------|---------|-----|-----------------|
| 1 | Microbial UMI density per spatial spot correlates positively with plant cell-type immune activation score after spatial normalization. | Spearman rho ≥0.6 (95% CI lower bound ≥0.45) across ≥500 spots, with Monte Carlo power ≥0.8 under zero-inflation (π0=0.3), depth 5000-50000 UMI, and inter-replicate CV=0.25. | Spatial transcriptomics (10x Visium) with matched scRNA-seq reference; immune score computed as module score of 50 defense genes; spatial normalization by depth-residual regression. | H0: rho ≤0.3 between microbial density and immune score after normalization. | Spearman correlation with spatial permutation (999 permutations) and Moran's I on residuals; alpha=0.05, two-sided. |
| 2 | Microbial effector transcripts are enriched in colonized vs non-colonized plant cell clusters. | log2 enrichment ratio ≤-1 (i.e., ≥2-fold depletion in non-colonized) for ≥5 effector candidates, with false discovery rate <0.05; power ≥0.8 by Monte Carlo simulation incorporating zero-inflation and inter-replicate variability. | Dual-species scRNA-seq with computational decontamination (SoupX/DecontX); effector candidates defined as microbial genes with ≥10 UMIs in colonized clusters; enrichment tested by Wilcoxon rank-sum. | H0: log2 enrichment ratio ≥0 (no enrichment) for effector candidates. | Wilcoxon rank-sum test with Benjamini-Hochberg FDR correction; alpha=0.05. |
| 3 | The false-positive rate of microbial read assignment to plant cells is ≤5% under calibrated spike-in and non-replicative mutant controls. | False-positive proportion ≤0.05 (95% CI upper bound ≤0.08) estimated from permutation of ambient transcripts and non-replicative mutant infection. | Spike-in of infected cells at MOI 0.1-10; infection with non-replicative mutant; non-infected tissue supplemented with exogenous microbial transcripts; permutation of ambient transcript labels. | H0: false-positive rate ≥0.10. | Binomial exact test against 0.10 threshold; alpha=0.05, one-sided. |
| 4 | Effector transcripts show spatially structured expression within colonized niches. | Moran's I ≥0.3 (p<0.01 by spatial permutation) for ≥3 effector genes, after correcting for sequencing depth collinearity. | Spatial transcriptomics with Moran's I computed on depth-residualized effector UMI counts; spatial permutation (999 randomizations) preserving spot adjacency. | H0: Moran's I ≤0.1 for effector transcripts. | Moran's I permutation test; alpha=0.01, one-sided. |

## 4. Protocole experimental

**Timeline globale**: 10-18 months
**Budget global**: €25k-120k

### 4.1 Phase 1 — In Silico Validation

**Objectif**: Determine, before any wet-lab spend, whether (a) published dual-species plant-microbe scRNA/ST datasets contain microbial reads at ≥0.1% of total, (b) decontamination (SoupX/DecontX) can reach ≥90% ambient removal without erasing intracellular signal, and (c) the proposed statistical power (Spearman rho≥0.6, Moran's I≥0.3, FPR≤5%) is achievable under realistic zero-inflation and depth. Kill the hypothesis cheaply if microbial capture or decontamination fails in silico.

**Methodologie**: 1) Harvest public dual-species datasets: 10x Visium and scRNA-seq from Arabidopsis-Pseudomonas, rice-Magnaporthe, tomato-Pseudomonas, Populus nuclei (GEO/SRA/ENA; E-MTAB, PRJNA). 2) Re-quantify with a dual-species reference (STARsolo --soloFeatures Gene Velocyto, or CellRanger multi with concatenated plant+microbe transcriptome). 3) Compute per-droplet/per-spot microbial UMI fraction; test whether ≥0.1% is observed in infected vs mock. 4) Run SoupX (autoEstCont) and DecontX on each dataset; measure ambient removal fraction and retention of spike-in-simulated intracellular transcripts. 5) Build a simulator (Splatter + custom zero-inflation π0=0.3, depth 5k-50k UMI, CV=0.25, MOI 0.01-10) to Monte-Carlo estimate power for Spearman rho≥0.6, Moran's I≥0.3 (999 permutations), and binomial FPR≤5%. 6) Simulate depth-collinearity and test whether depth-residual regression (Pearson r<0.1) restores Moran's I signal.

- Cout: €0-2000
- Duree: 4-8 weeks
- Equipement: Linux HPC node (≥64 GB RAM, 16 cores) or cloud (AWS/GCP)
- Logiciels: CellRanger 7+/STARsolo, SoupX, DecontX (celda), Seurat v5, Scanpy, Splatter, spdep/ape (Moran's I), SPARK-X, lme4, powerlmm

**Criteres de succes :**

- Microbial UMI fraction in infected public datasets: ≥0.1% of total UMIs in ≥1 dataset
- Decontamination ambient removal: ≥90% of simulated ambient reads removed
- Simulated power for Spearman rho≥0.6: ≥0.8 at n≥500 spots, depth 5k-50k UMI, π0=0.3
- Simulated power for Moran's I≥0.3: ≥0.8 at n≥500 spots after depth-residualization
- Simulated FPR control: ≤5% under non-replicative mutant / ambient permutation

- **GO**: ≥1 public dataset shows microbial UMI ≥0.1%, decontamination removes ≥90% ambient with <20% intracellular loss, and simulated power ≥0.8 for at least 2 of 4 primary predictions
- **NO-GO**: No public dataset reaches 0.1% microbial UMI OR decontamination cannot separate ambient from intracellular (intracellular loss >50%) OR simulated power <0.5 for all predictions
- **PIVOT**: Microbial capture is marginal (0.05-0.1%) — pivot to targeted enrichment (microbe-specific capture probes or 16S/ITS amplicon + host scRNA) before Phase 2

### 4.2 Phase 2 — Minimal Experimental Validation

**Objectif**: Physically test the central mechanism — that microbial transcripts are captured in droplets/spots at sufficient rate and can be assigned to plant cell clusters at FPR≤5% — using the smallest possible experiment: one susceptible plant genotype, one pathogen, one timepoint, with calibrated spike-in and non-replicative mutant controls.

**Methodologie**: 1) Plant/pathogen system: Arabidopsis thaliana Col-0 + Pseudomonas syringae pv. tomato DC3000 (or rice-Magnaporthe if lab-equipped); include DC3000 ΔhrcC (non-replicative/T3SS-deficient) and heat-killed controls. 2) Inoculate leaves by syringe infiltration at MOI 0.1, 1, 10 (CFU/cell equivalents); harvest at 24 hpi. 3) Protoplast in ≤30 min at 25°C (enzyme mix in mannitol buffer) OR nuclei isolation (Populus protocol adapted) — run both arms to compare capture. 4) Spike-in: add known quantities of in-vitro-transcribed microbial effector transcripts (e.g. avrPto, hopAI1) and plant control transcripts at 0, 0.1, 1, 10% of total before droplet encapsulation. 5) 10x Genomics 3' scRNA-seq (one lane per condition, ~5000 cells target); include empty-droplet/ambient controls. 6) Quantify with CellRanger multi (concatenated Arabidopsis+DC3000 reference). 7) Run SoupX/DecontX; compute microbial UMI fraction, FPR by permutation of ambient labels and by ΔhrcC vs WT contrast. 8) Cluster plant cells (Seurat), assign microbial reads by droplet co-occurrence, compute log2 enrichment of effectors in colonized vs non-colonized clusters (Wilcoxon + BH FDR).

- Cout: €8k-15k
- Duree: 2-3 months
- Equipement: 10x Genomics Chromium Controller + 3' kit, Bioanalyzer/TapeStation, Illumina NextSeq or NovaSeq (shared), Protoplasting/nuclei isolation setup, Plant growth chamber (BSL-2 for DC3000)
- Logiciels: CellRanger multi, SoupX, DecontX, Seurat v5, edgeR/DESeq2, scDblFinder

**Criteres de succes :**

- Microbial UMI fraction (WT, MOI 1-10): ≥0.1% of total UMIs
- FPR of microbial assignment: ≤5% (95% CI upper ≤8%)
- Effector enrichment: log2 ratio ≤-1 for ≥3 candidates, FDR<0.05
- Protoplasting stress confound: Stress-gene score <10% of variance
- Decontamination: ≥90% ambient removed, <20% intracellular loss

- **GO**: Microbial UMI ≥0.1%, FPR≤5% (CI upper ≤8%), and ≥3 effectors enriched (log2≤-1, FDR<0.05)
- **NO-GO**: Microbial UMI <0.05% at MOI 10 OR FPR>10% (CI lower >8%) OR no effector enrichment in WT vs ΔhrcC
- **PIVOT**: Capture marginal but FPR controlled — pivot to targeted microbial capture (custom 10x probe panel or microbe-specific RT primers) before Phase 3; if protoplasting stress confounds, switch to nuclei-based workflow

### 4.3 Phase 3 — Full Experimental Protocol

**Objectif**: Rigorously validate all four falsifiable predictions at publishable standard: spatial correlation of microbial density with immune score (Spearman rho≥0.6), effector enrichment (log2≤-1), FPR≤5%, and spatially structured effector expression (Moran's I≥0.3), across ≥3 biological replicates and ≥2 timepoints, with spatial transcriptomics (10x Visium) matched to scRNA-seq reference.

**Methodologie**: 1) Expand to 3-8 biological replicates × 2-3 timepoints (12, 24, 48 hpi) × 4 treatments (mock, WT, ΔhrcC, heat-killed) × MOI 0.1/1/10. 2) Paired design: same tissue split for (a) 10x Visium spatial (depth 5k-50k UMI/spot, ≥500 spots/section) and (b) 10x scRNA-seq reference (protoplast + nuclei arms). 3) Spike-in calibration at 0/0.1/1/10% in every batch. 4) Spatial normalization: regress microbial UMI density on sequencing depth; retain residuals with Pearson r<0.1; compute Moran's I (999 spatial permutations, spdep/SPARK-X) on depth-residualized effector counts. 5) Immune score = 50-gene defense module (Seurat AddModuleScore); Spearman rho with microbial density after normalization, 999 spatial permutations. 6) Effector candidates: microbial genes ≥10 UMIs in colonized clusters; Wilcoxon + BH FDR; require replication across ≥2 timepoints. 7) FPR: permutation of ambient labels + ΔhrcC + heat-killed contrasts; binomial exact test vs 0.10. 8) Optional MERFISH validation of ≥3 known effectors (hypothesis-testing only, per boundary condition). 9) Pre-register analysis plan (OSF) before unblinding.

- Cout: €60k-120k
- Duree: 10-18 months
- Equipement: 10x Visium + Chromium Controller, Illumina NovaSeq (≥2 lanes), Cryostat for tissue sectioning, BSL-2 plant growth facility, MERFISH setup (optional, shared)
- Logiciels: Space Ranger, CellRanger multi, SoupX/DecontX, Seurat v5 + SPARK-X, spdep/ape, Splatter (power re-check), Harmony/scVI, edgeR/DESeq2

**Criteres de succes :**

- Spearman rho microbial density vs immune score: ≥0.6 (95% CI lower ≥0.45), ≥500 spots, spatial permutation p<0.05
- Effector enrichment: log2≤-1 for ≥5 candidates, FDR<0.05, replicated in ≥2 timepoints
- FPR: ≤5% (95% CI upper ≤8%)
- Moran's I effector spatial structure: ≥0.3 (p<0.01) for ≥3 effectors after depth-residualization
- Cell-type-specific DEGs: ≥50 DEGs per major cluster, FDR<0.05, |log2FC|>1
- Depth-collinearity removal: Residual Pearson r<0.1

- **GO**: All 4 primary predictions met with replication across ≥2 timepoints and ≥3 biological replicates
- **NO-GO**: Any primary prediction fails with 95% CI excluding the bound (e.g. rho CI upper <0.45, FPR CI lower >8%, Moran's I<0.1)
- **PIVOT**: Partial success (e.g. rho met but Moran's I fails) — pivot to targeted effector panel + higher-depth spatial (Visium HD or Slide-seq) and report as method-limitation paper

### 4.4 Quick start : comment demarrer aujourd'hui

- **Peut demarrer maintenant**: Oui
- **Premiere action**: Download 2-3 public dual-species plant-microbe scRNA-seq/Visium datasets (GEO/SRA) and run STARsolo with a concatenated Arabidopsis+DC3000 reference to compute microbial UMI fraction in infected vs mock — this single number decides whether the hypothesis survives week 1.
- **Outils**: STARsolo or CellRanger multi, SoupX, DecontX, Seurat v5, Splatter, spdep
- **Donnees ouvertes**: GEO (ncbi.nlm.nih.gov/geo), SRA/ENA, E-MTAB (ArrayExpress), Zenodo dual-species atlases, 10x public Visium datasets

## 5. Analyse d'impact

### 5.1 Impact scientifique

Novelty score: 0.45/1.0 (incremental)

### 5.2 Applications industrielles et marche

**Score industriel**: 6.5/10

**Forces :**
- Le marché adressable est réel : les acteurs du phyto-protection (Bayer Crop Science, Syngenta, Corteva) et les semenciers (Limagrain, KWS) investissent massivement dans la résistance génétique et les bio-stimulants. Un outil dual-species single-cell/spatial permettrait de cribler des génotypes et des effecteurs microbiens avec une résolution inédite, justifiant un prix de licence élevé (estimation TAM 150-300 M€ pour les services de phénotypage moléculaire en pathologie végétale, CAGR ~12%).
- L'avantage compétitif est double : (1) la barrière IP peut être construite sur les pipelines de décontamination calibrée et les contrôles spike-in, difficiles à répliquer sans savoir-faire ; (2) l'intégration de la théorie de la colonisation de niche et de l'ETI fournit un cadre interprétatif propriétaire que les concurrents (10x Genomics, NanoString) ne proposent pas nativement pour les interactions plante-microbe.
- Le protocole en 3 phases avec kill-switch in silico (Phase 1 à 0-2 k€) est un atout commercial majeur : il permet de valider la faisabilité avant tout engagement lourd, réduisant le risque d'investissement et facilitant le financement par des subventions (Horizon Europe, BBSRC) ou des partenariats industriels.

**Faiblesses :**
- La taille du marché est limitée par la fragmentation des pathosystèmes : chaque couple plante-pathogène nécessite une calibration propre (spike-in, décontamination, référence scRNA-seq). Les coûts de développement par nouvel hôte (60-120 k€ par pathosystème) rendent le modèle économique difficile à scaler sans automatisation poussée, ce qui retarde le ROI.
- La concurrence existante est sous-estimée : les plateformes de spatial transcriptomics (10x Visium, Curio Seeker) et les outils de décontamination (SoupX, DecontX) sont open-source ou peu coûteux. La valeur ajoutée réside dans l'intégration, mais les clients potentiels (académiques et industriels) peuvent internaliser ces pipelines, réduisant la disposition à payer pour un service tiers.
- La timeline de commercialisation est réaliste mais longue : TRL actuel ~3-4 (validation en conditions contrôlées), le passage à un produit commercial (kit ou service) nécessite 24-36 mois après la Phase 3, avec des coûts réglementaires et de validation supplémentaires (normes ISO pour les services de séquençage, par exemple). Le risque d'échec en Phase 3 (prédiction 3 sur le FPR≤5%) reste élevé et pourrait invalider l'ensemble de la proposition de valeur.

**Recommandation**: Lancer immédiatement la Phase 1 in silico (coût <2 k€) pour confirmer la faisabilité technique et identifier les pathosystèmes les plus prometteurs (ex. Arabidopsis-Pseudomonas, riz-Magnaporthe). En parallèle, démarcher un partenaire industriel (Limagrain, Bayer) pour co-financer la Phase 2 et sécuriser un premier cas d'usage commercial, tout en déposant un brevet sur le pipeline de décontamination calibrée et les contrôles spike-in avant toute publication. Ne pas engager la Phase 3 sans un engagement de principe d'un client payant.

### 5.3 Opportunites de financement

| Programme | Agence | Fit | Budget type | Taux succes |
|-----------|--------|-----|-------------|-------------|
| ANR Appel à projets générique 2026 – PRC (Projet de Recherche Collaborative) | Agence Nationale de la Recherche | 0.85 | 300–600 k€ (volet PRC) | ≈20–25% (PRC) |
| Horizon Europe – HORIZON-CL6-2026-02-BIODIV-01 (ou appel équivalent sur la santé des plantes et les interactions hôte-microbe) | Commission Européenne (DG Recherche et Innovation) | 0.7 | 3–5 M€ (projet collaboratif) | ≈15–20% (appels CL6) |
| ERC Starting Grant 2026 (ou Consolidator Grant 2026) | European Research Council | 0.65 | 1,5–2 M€ (Starting) / 2–2,5 M€ (Consolidator) | ≈10–12% (Starting) |

- **ANR Appel à projets générique 2026 – PRC (Projet de Recherche Collaborative)** (Agence Nationale de la Recherche): L'ANR PRC finance des projets de recherche fondamentale à consortium restreint (2–4 partenaires) sur 36–48 mois, avec un budget compatible avec l'extension du protocole à plusieurs pathosystèmes. La structure en phases GO/NO-GO et les critères quantitatifs de falsifiabilité correspondent aux attentes de l'ANR en matière de rigueur méthodologique et de gestion des risques. Le volet « Tremplin » de l'ANR pourrait également être visé pour la phase 1–2, avant de basculer vers un PRC.
- **Horizon Europe – HORIZON-CL6-2026-02-BIODIV-01 (ou appel équivalent sur la santé des plantes et les interactions hôte-microbe)** (Commission Européenne (DG Recherche et Innovation)): Les appels du cluster 6 (Alimentation, Bioéconomie, Ressources naturelles, Agriculture et Environnement) financent des projets collaboratifs sur les interactions plante-microbe et la santé des cultures. L'hypothèse s'inscrit dans le thème « outils moléculaires pour la surveillance des pathogènes » et pourrait être intégrée comme work package méthodologique dans un consortium plus large incluant des partenaires européens experts en transcriptomique spatiale et en épidémiologie végétale. Le TRL bas est compensé par le caractère fondamental de l'appel, mais la taille du consortium requise (≥3 pays) nécessite un partenaire coordinateur expérimenté.
- **ERC Starting Grant 2026 (ou Consolidator Grant 2026)** (European Research Council): L'ERC finance des projets pionniers à haut risque et haut gain portés par un chercheur principal, sans consortium obligatoire. L'hypothèse, par son caractère méthodologique ambitieux (cartographie dual-species à l'échelle de la cellule unique) et sa falsifiabilité, correspond à l'esprit « frontier research » de l'ERC. Cependant, le TRL très bas et l'absence de données préliminaires solides constituent un frein ; une demande ERC serait plus compétitive après obtention des résultats de phase 2 (preuve de concept expérimentale) et avec un CV de PI démontrant une expertise reconnue en transcriptomique spatiale et en interactions plante-microbe.

**Recommandation financement**: Positionner cette hypothèse comme une étude de preuve de concept méthodologique à fort risque et fort gain, en réponse à un appel ANR « Tremplin » ou « PRC » avec un consortium restreint (1–2 partenaires) incluant une plateforme de transcriptomique spatiale. Utiliser les résultats de la phase 1 in silico comme preuve préliminaire dans la lettre d'intention, et prévoir une demande ERC Starting Grant ou Consolidator en phase 3 pour étendre le cadre à plusieurs pathosystèmes. Le narratif doit insister sur la falsifiabilité, la gestion du risque et l'ouverture des données, plutôt que sur des promesses applicatives prématurées.

## 6. Panel Review Summary

| Reviewer | Score | Verdict | Point cle |
|----------|-------|---------|-----------|
| methodologist | 8.2/10 | accept | Le protocole est structuré en trois phases avec des critères GO/NO-GO explicites et des seuils quantitatifs, ce qui permet une évaluation objective et progressive de la faisabilité avant tout engagement financier lourd. |
| domain_expert | 5.8/10 | weak_accept | Le chaînage causal est globalement bien structuré et intègre des contrôles quantitatifs explicites (spike-in calibré, taux de faux positifs ≤5%, seuil Moran's I ≥0.3, résidu de Pearson r <0.1), ce qui dépasse la plupart des propositions dual-species qui restent qualitatives. Cette formalisation en critères falsifiables est un réel atout méthodologique. |
| contrarian | 3.5/10 | reject | L'architecture expérimentale est ambitieuse et intègre des contrôles de calibration (spike-in, mutant non réplicatif, permutation des transcrits ambiants) qui montrent une réelle conscience du problème de contamination croisée, souvent ignoré dans la littérature dual-species. |
| industrialist | 6.5/10 | weak_accept | Le marché adressable est réel : les acteurs du phyto-protection (Bayer Crop Science, Syngenta, Corteva) et les semenciers (Limagrain, KWS) investissent massivement dans la résistance génétique et les bio-stimulants. Un outil dual-species single-cell/spatial permettrait de cribler des génotypes et des effecteurs microbiens avec une résolution inédite, justifiant un prix de licence élevé (estimation TAM 150-300 M€ pour les services de phénotypage moléculaire en pathologie végétale, CAGR ~12%). |
| funding_strategist | 7.5/10 | weak_accept | Le protocole en trois phases avec des critères GO/NO-GO quantitatifs et un investissement initial très faible (≤2 k€ en phase in silico) constitue un atout majeur pour les financeurs : il démontre une gestion rigoureuse du risque et permet d'écarter rapidement les fausses pistes avant tout engagement lourd. |

**Consensus score**: 6.3/10
**Verdict final**: publish_brief

### 6.1 Consensus

- Tous les reviewers reconnaissent la rigueur inhabituelle de la formalisation : critères GO/NO-GO quantitatifs, seuils falsifiables (FPR≤5%, Moran's I≥0.3, rho≥0.6), contrôles mutants (ΔhrcC) et spike-ins calibrés. Le methodologist, le domain_expert et même le contrarian saluent cette falsifiabilité comme un atout méthodologique réel.
- Le verrou central identifié de façon convergente est la décontamination de l'ARN microbien ambiant : methodologist, domain_expert et contrarian s'accordent pour dire que SoupX/DecontX ne distinguent pas de manière fiable un transcrit intracellulaire authentique d'un transcrit ambiant co-capturé, et qu'un contrôle orthogonal (FISH/RNAscope, BONCAT) est nécessaire.
- La structure en trois phases avec un investissement initial très faible (≤2 k€) est unanimement perçue comme une force : le methodologist, l'industrialist et le funding_strategist y voient une gestion exemplaire du risque permettant d'écarter les fausses pistes avant engagement lourd.
- Le chaînage causal est jugé plausible et bien structuré par l'ensemble du panel, y compris les sceptiques ; le désaccord porte sur la nouveauté et la robustesse des maillons, non sur la cohérence logique de la chaîne.

### 6.2 Points de desaccord

- Le positionnement vs l'état de l'art est le point de clivage majeur : le domain_expert estime que Nobori et al. (2023) et Tang et al. (2023) ont déjà démontré la preuve de concept dual-species scRNA-seq+ST sur tissus infectés, réduisant la nouveauté résiduelle à l'effecteur mapping in situ, non isolé ni défendu. Le methodologist et le funding_strategist ne soulèvent pas cette antériorité et traitent la proposition comme méthodologiquement neuve.
- La faisabilité du seuil FPR≤5% est contestée de façon frontale : le contrarian (confidence 0.82) soutient que les Steps 1 et 3 rendent ce seuil structurellement inatteignable (lyse sélective des cellules microbiennes, confusion co-occurrence/infection), tandis que le methodologist juge le protocole capable d'atteindre ce seuil moyennant des précisions sur le nombre d'observations indépendantes.
- Le seuil de charge microbienne ≥0.1% des UMI est jugé plausible par le methodologist mais « posé a priori plutôt que dérivé » par le domain_expert, qui exige un calcul de puissance reliant charge microbienne, MOI, profondeur et détectabilité des effecteurs à faible expression.
- La prédiction 1 (Spearman rho≥0.6) est considérée comme un artefact de colinéarité profondeur/densité par le contrarian, alors que le methodologist la valide sous réserve d'une correction de colinéarité par régression sur résidus et de permutations spatiales.

### 6.3 Critical path

Le facteur le plus déterminant est la démonstration expérimentale, par un contrôle orthogonal indépendant (FISH/RNAscope sur effecteurs candidats, ou marquage métabolique BONCAT couplé à la capture), de la fraction de transcrits microbiens réellement intracellulaires capturés dans les droplets/spots. Sans cette validation, les Steps 1 et 3 restent des hypothèses non testées et les prédictions 1, 3 et 4 peuvent être des artefacts de profondeur et de co-occurrence — c'est le point de rupture convergent entre le domain_expert et le contrarian, et la condition sine qua non pour que le seuil FPR≤5% soit crédible.

**Recommandation finale**: Le panel reconnaît une proposition méthodologiquement sérieuse, falsifiable et bien calibrée en risque, mais dont la nouveauté est surévaluée face à Nobori et al. (2023) et Tang et al. (2023) et dont le maillon critique — la décontamination de l'ARN ambiant spatialement corrélé — n'est pas résolu. Le brief est publié en l'état à l'itération 2, mais il doit être lu comme une étude de preuve de concept à haut risque : la priorité absolue est d'ajouter un contrôle orthogonal de décontamination et un calcul de puissance reliant charge microbienne, profondeur et détectabilité des effecteurs. Le delta réel (cartographie spatiale des effecteurs à résolution cellulaire) doit être reformulé comme hypothèse centrale plutôt que comme étape 5 d'une chaîne déjà démontrée. Les concerns du contrarian (FAIL REASON #1 et #3) sont documentés et devront être adressés explicitement dans le plan expérimental avant tout engagement en Phase 3.

## 7. Gap Manifest residuel

### 7.1 Data gaps

- Microbial effector gene discovery at single-cell/spatial resolution in planta remains largely undemonstrated; existing plant pathosystem atlases focus on plant responses rather than microbial in situ gene expression.
- Dual-species (host+microbe) transcript binning and assignment of microbial reads to plant cell clusters in plant scRNA-seq is not yet validated at scale.
- Spatial transcriptomics on infected plant tissues (cell wall, autofluorescence, permeabilization) remains technically constrained; no established protocols in the provided literature.

### 7.2 Competence gaps

- Phase 1: Bioinformatics (R/Python)
- Phase 1: Spatial statistics
- Phase 1: Power analysis
- Phase 2: Plant pathology (BSL-2)
- Phase 2: Protoplasting/nuclei isolation
- Phase 2: 10x library prep
- Phase 2: Bioinformatics
- Phase 3: Plant pathology BSL-2
- Phase 3: Spatial transcriptomics (Visium)
- Phase 3: scRNA-seq
- Phase 3: Spatial statistics
- Phase 3: Bioinformatics
- Phase 3: Study design/power

### 7.3 Epistemic gaps

- Whether microbial transcripts from intracellular pathogens are captured at rates comparable to plant transcripts in droplet-based assays.
- Whether MERFISH probe sets can be designed for unbiased discovery of uncharacterized effector genes.
- The extent to which zero-inflation in spatial data inflates false-positive effector assignments.

## References

[1] Tatsuya Nobori, Alexander Monell, et al. (2023). *Time-resolved single-cell and spatial gene regulatory atlas of plants under pathogen attack*. DOI: [10.1101/2023.04.10.536170](https://doi.org/10.1101/2023.04.10.536170)
[2] Bo-Zeng Tang, Li Feng, et al. (2023). *Cell type-specific responses to fungal infection in plants revealed by single-cell transcriptomics*. DOI: [10.1101/2023.04.03.535386](https://doi.org/10.1101/2023.04.03.535386)
[3] K. Serrano, Francesca Tedeschi, et al. (2024). *Unraveling plant-microbe symbioses using single-cell and spatial transcriptomics.*. DOI: [10.1016/j.tplants.2024.06.008](https://doi.org/10.1016/j.tplants.2024.06.008)
[4] M. Ali, Zheng-Jia Wang, et al. (2026). *Mapping plant cell-type-specific responses to environmental stresses.*. DOI: [10.1016/j.tplants.2026.03.003](https://doi.org/10.1016/j.tplants.2026.03.003)
[5] E. Verbon, Louisa M. Liberman, et al. (2023). *Cell type-specific transcriptomics reveals that root hairs and endodermal barriers play important roles in beneficial plant-rhizobacterium-interactions*. DOI: [10.1016/j.molp.2023.06.001](https://doi.org/10.1016/j.molp.2023.06.001)
[6] Lu-Na Yang, Xin Qian, et al. (2024). *Mechanisms of rhizosphere plant-microbe interactions: molecular insights into microbial colonization*. DOI: [10.3389/fpls.2024.1491495](https://doi.org/10.3389/fpls.2024.1491495)
[7] P. Teixeira, Daniela Paula de Toledo Thomazella, et al. (2014). *High-Resolution Transcript Profiling of the Atypical Biotrophic Interaction between Theobroma cacao and the Fungal Pathogen Moniliophthora perniciosa[C][W][OPEN]*. DOI: [10.1105/tpc.114.130807](https://doi.org/10.1105/tpc.114.130807)
[8] D. Conde, P. M. Triozzi, et al. (2021). *A robust method of nuclei isolation for single-cell RNA sequencing of solid tissues from the plant genus Populus*. DOI: [10.1371/journal.pone.0251149](https://doi.org/10.1371/journal.pone.0251149)
[9] Juanjuan Wang, Yang Wang, et al. (2022). *An Efficient and Universal Protoplast Isolation Protocol Suitable for Transient Gene Expression Analysis and Single-Cell RNA Sequencing*. DOI: [10.3390/ijms23073419](https://doi.org/10.3390/ijms23073419)
[10] Min-Min Chen, Qin-Hang Gao, et al. (2025). *Integrated single-cell and spatial transcriptomics uncover distinct cellular subtypes involved in neural invasion in pancreatic cancer.*. DOI: [10.1016/j.ccell.2025.06.020](https://doi.org/10.1016/j.ccell.2025.06.020)
[11] Kaishu Mason, Anuja Sathe, et al. (2024). *Niche-DE: niche-differential gene expression analysis in spatial transcriptomics data identifies context-dependent cell-cell interactions*. DOI: [10.1186/s13059-023-03159-6](https://doi.org/10.1186/s13059-023-03159-6)
[12] I. Tirosh, B. Izar, et al. (2016). *Dissecting the multicellular ecosystem of metastatic melanoma by single-cell RNA-seq*. DOI: [10.1126/science.aad0501](https://doi.org/10.1126/science.aad0501)
[13] Andrea Fasolo, Saptarathi Deb, et al. (?). *ASV vs OTUs clustering: Effects on alpha, beta, and gamma diversities in microbiome metabarcoding studies*. DOI: [10.1371/journal.pone.0309065](https://doi.org/10.1371/journal.pone.0309065)

## Annexes

### A. Detailed Reviewer Reports

#### Methodologist

- **Score**: 8.2/10 | **Verdict**: accept | **Confidence**: 0.85
- **Strengths**: Le protocole est structuré en trois phases avec des critères GO/NO-GO explicites et des seuils quantitatifs, ce qui permet une évaluation objective et progressive de la faisabilité avant tout engagement financier lourd.; La validation in silico (Phase 1) utilise des jeux de données publics et un simulateur Monte-Carlo pour estimer la puissance statistique sous zero-inflation et profondeur variable, ce qui est une pratique exemplaire pour tester la robustesse des prédictions avant le laboratoire.; Les contrôles expérimentaux incluent un mutant non réplicatif (ΔhrcC) et un traitement par chaleur tue, ainsi que des spike-ins calibrés, ce qui permet de distinguer les transcrits microbiens intracellulaires des transcrits ambiants et d'estimer le taux de faux positifs.; Le plan d'analyse prévoit une correction de la colinéarité avec la profondeur de séquençage (régression sur les résidus) et l'utilisation de permutations spatiales pour Moran's I, ce qui renforce la validité interne des inférences spatiales.; La puissance statistique est estimée a priori par simulation pour chaque prédiction principale, avec des seuils de puissance ≥0.8 et des bornes de confiance, ce qui est rare et mérite d'être souligné.
- **Weaknesses**: La puissance statistique pour la prédiction 3 (FPR≤5%) repose sur une estimation binomiale exacte, mais le protocole ne détaille pas le nombre de pseudo-réplicats ou de permutations nécessaire pour atteindre une précision suffisante (par exemple, pour un FPR de 5% avec une borne supérieure de 8%, il faut un nombre élevé d'observations indépendantes, non spécifié).; Le risque de biais de sélection des gènes effecteurs est important : les candidats sont définis comme ayant ≥10 UMIs dans les clusters colonisés, ce qui peut exclure des effecteurs à faible expression mais biologiquement pertinents, et le protocole ne propose pas de contrôle pour ce biais de sélection.; La Phase 2 utilise un seul génotype de plante et un seul pathogène, ce qui limite la généralité des résultats et peut introduire un biais de confirmation si l'équipe est déjà familière avec ce système ; aucune analyse de sensibilité à d'autres systèmes n'est prévue avant la Phase 3.; Le protocole ne discute pas explicitement du biais de publication potentiel : les résultats négatifs (par exemple, absence de structure spatiale) ne sont pas clairement destinés à être publiés, ce qui pourrait encourager des analyses sélectives.; La mesure de l'expression des effecteurs microbiens par scRNA-seq et spatial transcriptomics peut être confondue par la présence d'ARN microbien extracellulaire non infectant ; le protocole tente de contrôler cela avec le mutant ΔhrcC et la chaleur tue, mais ne quantifie pas la contribution relative de l'ARN ambiant versus intracellulaire dans les spots, ce qui laisse une incertitude sur la validité de la mesure.
- **Questions**: Comment le protocole garantit-il que le nombre de réplicats biologiques (3-8) et le nombre de spots (≥500) sont suffisants pour atteindre une puissance de 0.8 pour la prédiction 1 (Spearman rho≥0.6) sous une zero-inflation de π0=0.3 et un CV inter-réplicats de 0.25 ? Une analyse de puissance plus détaillée avec des scénarios de variance est-elle prévue ?; Quels contrôles supplémentaires sont prévus pour distinguer les transcrits microbiens intracellulaires des transcrits ambiants adsorbés à la surface des cellules, au-delà du mutant ΔhrcC et de la chaleur tue ? Par exemple, un traitement à la RNase avant lyse ou une comparaison avec des souches déficientes en sécrétion ?; Comment le protocole gère-t-il le biais de sélection des effecteurs candidats (≥10 UMIs) ? Une analyse de sensibilité avec des seuils plus bas ou une approche bayésienne pour les gènes à faible expression est-elle envisagée ?; Le plan d'analyse pré-enregistré (OSF) inclut-il explicitement les critères d'exclusion des spots ou des cellules de faible qualité, et comment ces exclusions pourraient-elles affecter le taux de faux positifs et la puissance statistique ?
- **Recommendation**: Le protocole est globalement rigoureux, avec une approche progressive et des contrôles bien pensés. Je recommande d'accepter sous réserve que les auteurs renforcent la justification de la puissance statistique pour la prédiction 3 (FPR) en précisant le nombre d'observations indépendantes et en ajoutant une analyse de sensibilité pour le biais de sélection des effecteurs. Il serait également utile de discuter explicitement du biais de publication et de préciser les critères d'exclusion des données de faible qualité dans le pré-enregistrement.

#### Domain Expert

- **Score**: 5.8/10 | **Verdict**: weak_accept | **Confidence**: 0.78
- **Strengths**: Le chaînage causal est globalement bien structuré et intègre des contrôles quantitatifs explicites (spike-in calibré, taux de faux positifs ≤5%, seuil Moran's I ≥0.3, résidu de Pearson r <0.1), ce qui dépasse la plupart des propositions dual-species qui restent qualitatives. Cette formalisation en critères falsifiables est un réel atout méthodologique.; La distinction entre décontamination computationnelle (SoupX/DecontX) et validation par mutants non-réplicatifs est pertinente : elle attaque frontalement le problème de l'ARN microbien ambiant, qui est le point d'échec le plus documenté des approches dual-species en tissu infecté.; L'identification de l'étape 4 (normalisation spatiale de la colinéarité densité microbienne / profondeur de séquençage) comme verrou statistique est un point fin et rarement explicité dans la littérature ST appliquée aux pathosystèmes ; cela montre une compréhension réelle des artefacts propres au spatial.
- **Weaknesses**: Le positionnement vs l'état de l'art est le point faible majeur : Nobori et al. (2023, DOI:10.1101/2023.04.10.536170) démontre déjà scRNA-seq + ST time-resolved sur Arabidopsis infecté par Pseudomonas syringae avec cartographie de la distribution du pathogène, et Tang et al. (2023, DOI:10.1101/2023.04.03.535386) assigne déjà des cellules interagissant avec l'hyphe. La proposition se présente comme un transfert méthodologique alors que la preuve de concept existe déjà ; la nouveauté résiduelle (effector mapping in situ à résolution cellulaire) n'est pas isolée ni défendue contre ces travaux.; L'hypothèse d'efficacité de capture microbienne ≥0.1% des reads totaux est plausible pour des bactéries intracellulaires à forte charge, mais très fragile pour des champignons filamenteux ou des effecteurs exprimés transitoirement à faible niveau ; aucun calcul de puissance n'est fourni reliant charge microbienne, MOI, profondeur de séquençage et détectabilité d'un effecteur donné. Le seuil de 0.1% apparaît comme un chiffre posé a priori plutôt que dérivé.; La suppression de ≥90% de l'ARN ambiant par DecontX/SoupX sans éliminer les transcrits véritablement intracellulaires est une affirmation non étayée : ces méthodes reposent sur des profils de référence ambient et échouent précisément quand le signal biologique est spatialement corrélé à la contamination (cas typique des niches colonisées). Le mécanisme ne propose pas de contrôle orthogonal (ex. FISH sur effecteur candidat) pour trancher.; L'assignation des reads microbiens aux clusters cellulaires par co-occurrence dans les droplets (étape 3) confond co-encapsulation et infection réelle ; le contrôle par mutants non-réplicatifs valide la spécificité biologique mais pas la résolution d'assignation. Aucune estimation du taux de doublets hôte-microbe ni de la fuite de transcrits entre cellules adjacentes n'est proposée.; La base bibliographique est correcte mais asymétrique : elle cite abondamment les atlas scRNA-seq/ST plantes-pathogènes récents et omet la littérature méthodologique critique sur la décontamination en single-cell (notamment les travaux montrant les limites de SoupX/DecontX sur données à faible charge), ainsi que les travaux de dual-species RNA-seq fongique (ex. Dual RNA-seq de pathosystèmes foliaires) qui fixent le plafond de détectabilité des effecteurs.
- **Questions**: Quel calcul de puissance relie la charge microbienne attendue (CFU ou biomasse fongique par cellule), le MOI, la profondeur de séquençage par cellule/spot et la probabilité de détecter un transcrit d'effecteur à expression faible (ex. <10 copies par cellule infectée) ? Sans ce calcul, le seuil de 0.1% n'est pas justifié.; Comment le mécanisme distingue-t-il un transcrit d'effecteur réellement intracellulaire d'un transcrit adsorbé à la surface cellulaire ou relargué dans l'apoplaste, sachant que DecontX/SoupX modélisent l'ambiant de manière globale et non compartimentée ? Un contrôle orthogonal (RNAscope sur 2-3 effecteurs prédits) est-il prévu ?; La validation par mutants non-réplicatifs contrôle-t-elle vraiment l'assignation, ou seulement l'absence de signal biologique ? Comment mesure-t-on le taux de doublets hôte-microbe et la fuite de transcrits entre spots adjacents en spatial barcoding ?; Le seuil Moran's I ≥0.3 est-il calibré sur des simulations de données zero-inflated avec la profondeur de séquençage observée dans ce type d'expérience, ou est-il emprunté à la littérature ST de tissus non infectés ? La distribution nulle de Moran's I sous zero-inflation spatiale est-elle établie pour ce design ?; Quelle est la différence opérationnelle entre cette proposition et Nobori et al. 2023, au-delà de l'ajout d'effecteur mapping ? Si l'effecteur mapping est le vrai delta, pourquoi ne pas le formuler comme hypothèse centrale plutôt que comme étape 5 d'une chaîne déjà démontrée ?
- **Recommendation**: Je recommande un weak_accept : la proposition est méthodologiquement sérieuse et formalise des critères falsifiables utiles, mais son positionnement vs Nobori et al. 2023 et Tang et al. 2023 doit être réécrit pour isoler le delta réel (cartographie spatiale des effecteurs microbiens à résolution cellulaire) et le défendre explicitement. Il faut impérativement ajouter un calcul de puissance reliant charge microbienne, profondeur et détectabilité des effecteurs, ainsi qu'un contrôle orthogonal de décontamination (FISH/RNAscope sur effecteurs candidats) pour rendre l'hypothèse testable au-delà de SoupX/DecontX. En l'état, la chaîne causale est plausible mais la nouveauté est surévaluée et le verrou de décontamination spatialement corrélée n'est pas résolu.

#### Contrarian

- **Score**: 3.5/10 | **Verdict**: reject | **Confidence**: 0.82
- **Strengths**: L'architecture expérimentale est ambitieuse et intègre des contrôles de calibration (spike-in, mutant non réplicatif, permutation des transcrits ambiants) qui montrent une réelle conscience du problème de contamination croisée, souvent ignoré dans la littérature dual-species.; La formalisation des hypothèses nulles et des bornes d'effet (Moran's I ≥0.3, FPR ≤5%, log2 enrichment ≤-1) est inhabituellement rigoureuse et rend l'hypothèse falsifiable, ce qui est louable.
- **Weaknesses**: FAIL REASON #1: Le maillon Step 1 est le point de rupture le plus probable : l'isolement de protoplastes ou de noyaux à partir de tissus infectés détruit ou lyse sélectivement les cellules microbiennes et les structures intracellulaires (haustoria, arbuscules), de sorte que la fraction de transcrits microbiens réellement intracellulaires capturée sera très inférieure au seuil de 0,1 % revendiqué ; les transcrits microbiens détectés seront majoritairement ambiants ou extracellulaires, et la décontamination SoupX/DecontX ne peut pas distinguer un transcrit intracellulaire authentique d'un transcrit ambiant co-capturé — l'hypothèse d'une décontamination à ≥90 % sans perte des transcrits intracellulaires est non testée et probablement fausse, car les deux populations partagent la même signature de composition.; FAIL REASON #2: La chaîne causale Step 3 (assignation des reads microbiens aux clusters de cellules végétales par co-occurrence dans les droplets) repose sur une hypothèse de colocalisation non validée : dans un droplet contenant une cellule végétale et plusieurs génomes microbiens, la co-occurrence ne prouve pas l'infection intracellulaire mais seulement la proximité ; le mutant non réplicatif contrôle la réplication mais pas l'adhésion extracellulaire résiduelle, et le spike-in MOI calibré ne peut pas distinguer une vraie assignation d'une contamination de surface — le taux de faux positifs de 5 % est donc structurellement inatteignable, et le test de permutation des labels ambiants ne modélise pas la corrélation spatiale entre densité microbienne et profondeur de séquençage, ce qui garantit un faux positif.; FAIL REASON #3: La prédiction 1 (Spearman rho ≥0.6 entre densité microbienne et score d'activation immunitaire après normalisation) est un artefact attendu : la densité microbienne et la profondeur de séquençage sont colinéaires par construction (plus de microbes = plus de reads totaux = spots plus profonds), et la régression sur les résidus de profondeur ne supprime pas cette colinéarité si la profondeur est elle-même un médiateur causal de la densité ; de plus, avec π0=0.3 de zéro-inflation et un CV inter-réplicats de 0.25, la puissance de 0.8 annoncée est optimiste et le Moran's I ≥0.3 sur des résidus de profondeur est mécaniquement biaisé vers zéro ou vers un artefact de voisinage, rendant la structure spatiale non interprétable comme biologique.
- **Questions**: Comment le protocole distingue-t-il, au niveau du droplet, un transcrit microbien intracellulaire authentique d'un transcrit ambiant adsorbé à la surface de la paroi végétale, sachant que SoupX/DecontX estiment tous deux à partir de la même matrice de comptage et ne disposent d'aucun marqueur d'intracellulaire ?; Quelle est la puissance réelle du test de Moran's I ≥0.3 sur des résidus de profondeur lorsque la densité microbienne explique déjà la majorité de la variance de profondeur, et comment le manuscrit démontre-t-il que le signal résiduel n'est pas un artefact de lissage spatial (autocorrélation induite par la normalisation elle-même) ?; Le mutant non réplicatif contrôle-t-il réellement l'assignation faussement positive, ou ne fait-il que déplacer le problème vers l'adhésion extracellulaire non réplicative, qui reste co-capturée et non distinguable d'une infection intracellulaire ?
- **Recommendation**: Avant toute revendication de FPR ≤5 %, il faut démontrer expérimentalement, par FISH ou par marquage métabolique (BONCAT/click-chemistry) couplé à la capture, la fraction de transcrits microbiens réellement intracellulaires dans les droplets ; sans cette validation indépendante, les Steps 1 et 3 restent des hypothèses non testées et les prédictions 1, 3 et 4 sont des artefacts de profondeur et de co-occurrence. Je recommande de restreindre l'hypothèse à un système modèle où l'infection intracellulaire est vérifiable par microscopie corrélative, et de rapporter explicitement le taux de transcrits microbiens ambiants mesuré sur tissu non infecté supplémenté, plutôt que de postuler une décontamination à 90 %.

#### Industrialist

- **Score**: 6.5/10 | **Verdict**: weak_accept | **Confidence**: 0.65
- **Strengths**: Le marché adressable est réel : les acteurs du phyto-protection (Bayer Crop Science, Syngenta, Corteva) et les semenciers (Limagrain, KWS) investissent massivement dans la résistance génétique et les bio-stimulants. Un outil dual-species single-cell/spatial permettrait de cribler des génotypes et des effecteurs microbiens avec une résolution inédite, justifiant un prix de licence élevé (estimation TAM 150-300 M€ pour les services de phénotypage moléculaire en pathologie végétale, CAGR ~12%).; L'avantage compétitif est double : (1) la barrière IP peut être construite sur les pipelines de décontamination calibrée et les contrôles spike-in, difficiles à répliquer sans savoir-faire ; (2) l'intégration de la théorie de la colonisation de niche et de l'ETI fournit un cadre interprétatif propriétaire que les concurrents (10x Genomics, NanoString) ne proposent pas nativement pour les interactions plante-microbe.; Le protocole en 3 phases avec kill-switch in silico (Phase 1 à 0-2 k€) est un atout commercial majeur : il permet de valider la faisabilité avant tout engagement lourd, réduisant le risque d'investissement et facilitant le financement par des subventions (Horizon Europe, BBSRC) ou des partenariats industriels.
- **Weaknesses**: La taille du marché est limitée par la fragmentation des pathosystèmes : chaque couple plante-pathogène nécessite une calibration propre (spike-in, décontamination, référence scRNA-seq). Les coûts de développement par nouvel hôte (60-120 k€ par pathosystème) rendent le modèle économique difficile à scaler sans automatisation poussée, ce qui retarde le ROI.; La concurrence existante est sous-estimée : les plateformes de spatial transcriptomics (10x Visium, Curio Seeker) et les outils de décontamination (SoupX, DecontX) sont open-source ou peu coûteux. La valeur ajoutée réside dans l'intégration, mais les clients potentiels (académiques et industriels) peuvent internaliser ces pipelines, réduisant la disposition à payer pour un service tiers.; La timeline de commercialisation est réaliste mais longue : TRL actuel ~3-4 (validation en conditions contrôlées), le passage à un produit commercial (kit ou service) nécessite 24-36 mois après la Phase 3, avec des coûts réglementaires et de validation supplémentaires (normes ISO pour les services de séquençage, par exemple). Le risque d'échec en Phase 3 (prédiction 3 sur le FPR≤5%) reste élevé et pourrait invalider l'ensemble de la proposition de valeur.
- **Questions**: Quel est le modèle de revenus précis : vente de kits de spike-in calibrés, licence de pipeline logiciel, ou service de profilage clé en main ? Le prix unitaire par échantillon et le volume annuel nécessaire pour atteindre la rentabilité sont-ils compatibles avec la fragmentation du marché ?; Comment protégez-vous la propriété intellectuelle sur les contrôles spike-in et les seuils de décontamination, sachant que les algorithmes sous-jacents (SoupX, DecontX) sont open-source et que les concurrents peuvent développer des variantes ? Un brevet sur l'application dual-species est-il réellement défendable ?; Quel est le plan de validation commerciale avec un partenaire industriel (par exemple, un semencier ou un fabricant de produits de protection des plantes) avant la Phase 3, pour sécuriser un premier contrat et réduire le risque de marché ?
- **Recommendation**: Lancer immédiatement la Phase 1 in silico (coût <2 k€) pour confirmer la faisabilité technique et identifier les pathosystèmes les plus prometteurs (ex. Arabidopsis-Pseudomonas, riz-Magnaporthe). En parallèle, démarcher un partenaire industriel (Limagrain, Bayer) pour co-financer la Phase 2 et sécuriser un premier cas d'usage commercial, tout en déposant un brevet sur le pipeline de décontamination calibrée et les contrôles spike-in avant toute publication. Ne pas engager la Phase 3 sans un engagement de principe d'un client payant.

#### Funding Strategist

- **Score**: 7.5/10 | **Verdict**: weak_accept | **Confidence**: 0.8
- **Strengths**: Le protocole en trois phases avec des critères GO/NO-GO quantitatifs et un investissement initial très faible (≤2 k€ en phase in silico) constitue un atout majeur pour les financeurs : il démontre une gestion rigoureuse du risque et permet d'écarter rapidement les fausses pistes avant tout engagement lourd.; L'hypothèse combine scRNA-seq et transcriptomique spatiale sur tissus infectés, avec des prédictions falsifiables (FPR≤5%, Moran's I≥0.3, rho≥0.6) et des contrôles mutants (ΔhrcC), ce qui répond aux exigences croissantes de reproductibilité et de rigueur statistique des appels Horizon Europe et ANR.; Le budget total (25–120 k€) et la durée (10–18 mois) sont parfaitement calibrés pour un appel « tremplin » ou « proof-of-concept », avec un fort effet levier : les résultats de phase 2 peuvent servir de base à une demande ERC ou à un projet collaboratif plus vaste.
- **Weaknesses**: Le TRL actuel est très bas (TRL 2–3) : il s'agit d'une validation méthodologique, pas encore d'une application translationnelle, ce qui exclut les appels orientés innovation ou maturation technologique et limite l'éligibilité aux programmes de recherche fondamentale.; Le consortium n'est pas défini et l'hypothèse repose sur un seul système plante-pathogène (non spécifié) ; sans partenaire expert en transcriptomique spatiale et en analyse computationnelle de données dual-species, la crédibilité du plan de gestion des données et de la reproductibilité est fragilisée.; La charge microbienne attendue (≥0,1% des UMI) est proche des limites de détection des plateformes actuelles, et la décontamination (SoupX/DecontX) reste un verrou méthodologique non résolu à grande échelle ; le risque d'échec en phase 2 est réel et doit être explicitement mitigé dans la proposition.
- **Questions**: Quel système plante-pathogène précis est ciblé, et dispose-t-on de données publiques ou préliminaires démontrant que la charge microbienne intracellulaire atteint le seuil de 0,1% des UMI dans ce système ?; Quels partenaires ou collaborations sont envisagés pour la partie transcriptomique spatiale (10x Visium) et pour l'analyse bio-informatique dual-species, et comment le consortium garantit-il l'accès aux plateformes et l'expertise en décontamination ?; Comment le plan de gestion des données et le partage des jeux de données dual-species seront-ils structurés pour satisfaire aux exigences FAIR et aux politiques de science ouverte des financeurs (Horizon Europe, ANR) ?
- **Recommendation**: Positionner cette hypothèse comme une étude de preuve de concept méthodologique à fort risque et fort gain, en réponse à un appel ANR « Tremplin » ou « PRC » avec un consortium restreint (1–2 partenaires) incluant une plateforme de transcriptomique spatiale. Utiliser les résultats de la phase 1 in silico comme preuve préliminaire dans la lettre d'intention, et prévoir une demande ERC Starting Grant ou Consolidator en phase 3 pour étendre le cadre à plusieurs pathosystèmes. Le narratif doit insister sur la falsifiabilité, la gestion du risque et l'ouverture des données, plutôt que sur des promesses applicatives prématurées.

### B. Semantic Scholar Search Queries

- [novelty] `single-cell RNA-seq plant-microbe interaction` — Directly tests whether scRNA-seq has been applied to plant-microbe pathosystems, the core novelty claim.
- [novelty] `spatial transcriptomics plant pathogen infection` — Checks for existing spatial transcriptomics studies on infected plant tissues, addressing the ST component of the hypothesis.
- [novelty] `single-cell microbial niche colonization plants` — Searches for cellular-resolution mapping of microbial colonization in planta, a key proposed outcome.
- [novelty] `plant cell-type specific pathogen response transcriptomics` — Tests whether cell-type-resolved plant immune responses to pathogens have already been reported.
- [evidence] `scRNA-seq infected tissue dual plant microbial transcripts` — Looks for methodological evidence that droplet-based scRNA-seq can capture both host and microbial transcripts from infected tissue.
- [evidence] `spatial transcriptomics microbial effector gene expression` — Seeks evidence that spatially resolved microbial gene expression (effectors) can be detected in situ.
- [evidence] `protoplast nuclei isolation infected plant scRNA-seq` — Targets technical feasibility evidence for protoplasting/nuclei isolation from infected plant tissues for scRNA-seq.
- [evidence] `computational assignment microbial reads plant cell clusters` — Looks for computational methods integrating microbial reads with plant cell cluster assignments.
- [cross_domain] `single-cell spatial transcriptomics tumor heterogeneity niche` — Provides the cancer precedent (tumor subpopulations and spatial niches) that the hypothesis proposes to transfer to plants.
- [cross_domain] `spatial transcriptomics neural invasion leading edge` — Directly targets the TGFBI+ Schwann cell neural invasion analogy cited as the transfer template.
- [cross_domain] `single-cell atlas host-pathogen interface` — Searches for cross-domain precedents (e.g., animal infection models) of single-cell atlases at host-pathogen interfaces.
- [cross_domain] `MERFISH Visium tissue spatial mapping infection` — Checks interdisciplinary precedents of MERFISH/Visium platforms applied to map infection in tissue sections.

---

*Generated by SPORE (Systeme de Production d'Opportunites de Recherche par Exploration) on 2026-10-18*