Un outil informatique intègre les données transcriptomiques pour améliorer le diagnostic et le traitement du cancer du sein

Pour répondre aux problèmes de diagnostic et de traitement du cancer du sein, des scientifiques de l’EPFL ont développé EMBER, un outil qui intègre les données transcriptomiques du cancer du sein issues de plusieurs bases de données. EMBER peut améliorer l’oncologie de précision en prédisant avec précision les sous-types moléculaires et les réponses aux thérapies.

Le cancer du sein est le cancer le plus fréquemment diagnostiqué dans le monde. Il ne s’agit toutefois pas d’une maladie uniforme ; il existe différents sous-types, qui doivent être identifiés avec précision pour que les médecins puissent adapter efficacement les traitements à chaque patient.

Le sous-typage du cancer a traditionnellement été réalisé à l’aide d’une coloration histologique (immunohistochimie), qui identifie visuellement des marqueurs spécifiques pouvant classer une tumeur dans un sous-type spécifique.

Mais ces dernières années, une autre méthode a révolutionné le sous-typage du cancer du sein : le profilage transcriptomique à haut débit, qui s’intéresse plutôt à l’activité génétique des cellules cancéreuses en détectant la somme totale des ARN messagers dans chaque cellule (l’ARN messager correspond à la séquence d’un gène, et lu par un ribosome en train de synthétiser une protéine).

La transcriptomique s’appuie sur le séquençage de l’ARN (« RNAseq »), une technologie de biologie moléculaire en plein essor qui permet de « lire » rapidement la séquence de la chaîne d’ARN. « De nombreux échantillons de patients atteints de cancer du sein ont été soumis à un profilage global de l’expression génétique par des consortiums, et il existe actuellement trois grandes bases de données publiques contenant des milliers d’échantillons de patients explorés par des chercheurs du monde entier », explique la professeure de l’EPFL Cathrin Brisken.

Elle ajoute : « Nous avons beaucoup appris de diverses analyses et il semble que le séquençage de l’ARN, qui devient moins cher, pourrait être appliqué à la pratique clinique courante et aider au diagnostic et à la prise de décision. Cependant, cela est entravé par le fait que l’analyse RNAseq nécessite généralement de traiter de gros lots d’échantillons en même temps et que les échantillons provenant de différentes plateformes sont difficiles à comparer. »

C’est sous l’égide du réseau européen de formation doctorale transdisciplinaire de 4,2 millions d’habitants CANCERPREV que Brisken a conçu EMBER (« molecular EMBeddER »), un outil informatique qui rassemble plus de 11 000 transcriptomes de cancer du sein pour prédire les sous-types de cancer sur la base d’un seul échantillon et qui capture avec précision les principales voies biologiques, offrant ainsi un pouvoir prédictif supérieur pour les réponses thérapeutiques.

La méthode EMBER a été développée par Carlos Ronchi alors qu’il préparait son doctorat au laboratoire de Brisken. « Carlos a développé une approche par laquelle il place les principales bases de données dans un espace commun », explique Brisken. « Il a montré qu’il pouvait ajouter des cohortes supplémentaires dans cet espace et, plus intéressant encore, même des échantillons individuels. La position d’un échantillon dans cet espace « EMBER » fournit des informations biologiques supplémentaires. »

Pour créer EMBER, les chercheurs ont développé un modèle statistique qui intègre à la fois les données de séquençage de l’ARN et les données de microarray provenant d’ensembles de données importants, notamment TCGA et METABRIC. La recherche est publiée dans la revue Cancer du sein npj.

Ils se sont concentrés sur les patientes atteintes d’un cancer du sein à un stade précoce, en normalisant les données pour les mettre à une échelle commune. En sélectionnant les 1 000 gènes les plus variables et en utilisant 44 gènes stables pour la normalisation, ils ont préservé les caractéristiques critiques de l’expression génétique.

L’équipe a validé EMBER à l’aide de cohortes de patients indépendantes et l’a appliqué aux données d’essais cliniques, tels que l’essai POETIC, où elle a identifié des mécanismes potentiels de résistance au traitement, tels qu’une signalisation accrue des récepteurs aux androgènes et une signalisation diminuée du TGFβ. EMBER a également capturé efficacement les cinq sous-types moléculaires du cancer du sein et les principales voies biologiques comme la signalisation des récepteurs aux œstrogènes et la prolifération cellulaire.

Une découverte importante a été que le score de signalisation des récepteurs aux œstrogènes basé sur EMBER a surpassé l’indice ER basé sur l’immunohistochimie, qui est actuellement utilisé dans la pratique clinique. Cette découverte suggère que EMBER peut prédire avec plus de précision les réponses à la thérapie endocrinienne.

En fournissant un espace unifié pour les données transcriptomiques du cancer du sein, EMBER permet une compréhension plus nuancée des sous-types moléculaires et des réponses thérapeutiques. Cela pourrait conduire à des plans de traitement plus personnalisés et à de meilleurs résultats pour les patientes atteintes d’un cancer du sein ER+.

EMBER offre également une voie potentielle pour intégrer le séquençage de l’ARN dans les pratiques diagnostiques standard, ouvrant la voie à des diagnostics du cancer plus complets et plus rentables. Cette approche améliore non seulement l’oncologie de précision, mais fournit également un cadre solide pour la recherche et les applications cliniques futures.