La modélisation informatique du cycle cellulaire et de l’apoptose révèle un impact limité des mutations archétypiques à double coup sur leurs réseaux moléculaires respectifs. Crédit : Journal sur le cancer du sang (2024). DOI: 10.1038/s41408-024-01090-y
Une étude menée par des chercheurs de la Brighton and Sussex Medical School (BSMS) a dévoilé une approche permettant de prédire l’efficacité des traitements pour les patients atteints de lymphome diffus à grandes cellules B (DLBCL), une forme courante de cancer du sang.
Les chercheurs ont utilisé des données de séquençage génomique pour créer des simulations personnalisées de patients individuels, qui peuvent quantifier l’impact des mutations génétiques sur le comportement des cellules cancéreuses. Cette méthode innovante promet d’ouvrir la voie à la médecine personnalisée, qui révolutionnera la prise de décision clinique et fera progresser les soins pour les cancers du sang hétérogènes.
L’équipe de recherche, dirigée par le Dr Simon Mitchell, maître de conférences en biologie des systèmes cancéreux à la BSMS, s’est attachée à exploiter les données génomiques des patients atteints de LDGCB pour simuler la manière dont des mutations spécifiques affectent la signalisation anti-apoptotique et pro-proliférative au sein des cellules cancéreuses. Contrairement aux approches traditionnelles qui s’appuient sur le regroupement des mutations, les simulations ont permis de mieux comprendre l’interaction entre plusieurs mutations. Plutôt que de regrouper les patients partageant des mutations communes, leur approche regroupe les patients en fonction de l’impact des mutations au sein de réseaux de signalisation complexes.
L’étude a révélé que les simulations personnalisées ont permis d’identifier avec succès les patients présentant des pronostics variés (mauvais, moyen et bon) dans plusieurs ensembles de données. Cela a été réalisé en utilisant des données issues du séquençage de l’exome entier (WES) ou de panels de séquençage ciblé, fournissant des prédictions robustes malgré l’hétérogénéité mutationnelle.
Contrairement à de nombreuses approches statistiques, la précision prédictive des simulations s’est améliorée avec des ensembles de données de validation plus importants, soulignant l’importance d’intégrer les connaissances sur les réseaux moléculaires dans l’analyse. Les modèles se sont révélés particulièrement efficaces pour identifier les patients présentant des mutations concomitantes qui favorisent à la fois la prolifération des cellules cancéreuses et la résistance à l’apoptose, et ont permis d’identifier des patients qui seraient passés inaperçus avec les méthodes de regroupement traditionnelles.
Le Dr Mitchell a commenté l’étude en ces termes : « Cette étude soutient l’intégration du séquençage génétique au stade du diagnostic du LDGCB afin de mieux déterminer le pronostic du patient. À mesure que les coûts du séquençage diminuent, nous espérons que cette approche deviendra une pratique diagnostique standard, permettant une identification précise des patients qui pourraient bénéficier de traitements alternatifs.
« Cette étude marque une avancée significative dans la quête d’un traitement personnalisé du cancer. En exploitant la puissance de la modélisation informatique pour mettre les données génomiques en contexte, nous espérons ouvrir la voie à des prédictions pronostiques plus précises et à des stratégies thérapeutiques sur mesure. Nous pensons que de telles approches promettent une nouvelle ère de médecine de précision pour les patients atteints de cancer du sang et potentiellement pour bien d’autres. »
Au-delà du DLBCL, les techniques de modélisation informatique démontrées dans cette étude ont le potentiel d’être appliquées à d’autres types de cancer, en particulier ceux caractérisés par une forte hétérogénéité génétique.
À mesure que les données génomiques deviennent plus largement disponibles et que les méthodes de calcul continuent d’évoluer, ces simulations personnalisées pourraient jouer un rôle essentiel à l’ère de la médecine de précision, en adaptant les traitements aux profils génétiques individuels pour de meilleurs résultats pour les patients.
L’étude a été publiée dans Journal sur le cancer du sang.
Plus d’information:
Richard Norris et al, Les modèles informatiques spécifiques au patient prédisent le pronostic du lymphome à cellules B en quantifiant les signatures pro-prolifératives et anti-apoptotiques à partir des données de séquençage génétique, Journal sur le cancer du sang (2024). DOI: 10.1038/s41408-024-01090-y
Fourni par l’Université du Sussex
Citation: Des simulations personnalisées prédisent les résultats des patients pour le traitement du cancer du sang dans une étude révolutionnaire (2024, 15 juillet) récupéré le 15 juillet 2024 à partir de
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre d’information uniquement.
