Les caractéristiques spécifiques du cancer peuvent déterminer les résultats des patients, selon une analyse de Yale

Les chercheurs de Yale ont analysé un ensemble de données de plus de 10 000 patients atteints de cancer et identifié certains biomarqueurs associés à des taux plus élevés de mortalité des patients.

Selin Nalbantoğlu

22 h 57, 26 avril 2022

Journaliste du personnel



Cécile Lee

Certaines caractéristiques épigénétiques et génétiques du cancer peuvent être liées à des taux plus élevés de mortalité des patients, selon un nouvel étudiant mené par des chercheurs de Yale.

Récemment, les co-auteurs Joan Smith et Jason Sheltzer ont publié un article dans la revue Cell Reports décrivant le lien entre certains marqueurs du cancer et la mortalité des patients. Dans l’article, les chercheurs ont identifié et catalogué plus de 100 000 biomarqueurs significatifs – des caractéristiques spécifiques aux cancers – qui sont liés aux résultats des patients.

“Les cancers qui surviennent dans différents tissus présentent un certain nombre de différences, notamment leurs paysages épigénétiques, leur potentiel invasif et leurs spectres mutationnels”, a écrit Sheltzer, professeur adjoint de chirurgie à la Yale School of Medicine, au News. “Les cancers qui surviennent dans le même tissu peuvent également présenter des antécédents épigénétiques et génétiques différents – d’une manière générale, il existe quatre types différents de cancer du sein, par exemple, qui se comportent tous légèrement différemment.”

L’épigénétique fait référence aux modifications des gènes qui ne changent pas la séquence des nucléotides dans l’ADN. Cela peut inclure l’ajout de certains groupes chimiques à l’ADN, comme cela se fait dans la méthylation, l’acétylation ou la phosphorylation, qui modifieront l’expression des gènes codés par ce segment particulier d’ADN.

Sheltzer a expliqué qu’il existe également des différences génétiques qui peuvent définir les cancers. Certains gènes sont impliqués dans tous les types de développement du cancer, tandis que d’autres gènes n’affectent le développement du cancer que dans des tissus particuliers.

Bien que les cancers soient souvent classés en fonction du tissu dont ils proviennent, il existe des différences au sein de ces grands groupes de cancers. Ces différences et leurs effets sur les résultats pour les patients sont au centre de l’article. Sheltzer a cité TP53 comme exemple de gène impliqué dans le développement du cancer dans de nombreux tissus et VHL comme exemple de gène lié à un tissu spécifique, le rein.

Actuellement, les données génomiques sur le cancer sont librement disponibles et accessibles aux chercheurs. Cependant, une grande partie de ces données n’a pas été analysée et traduite en “informations biologiques” que les médecins peuvent réellement utiliser pour déterminer le meilleur plan d’action pour leurs patients, selon Sheltzer. Le but de cet article particulier était de mener cette analyse et cette traduction « pan-cancer ».

“Nous avons analysé un grand ensemble de données d’environ 10 000 patients atteints de cancer dont les tumeurs avaient été profilées au niveau moléculaire – nous savions quels gènes étaient mutés dans chaque tumeur, quels gènes étaient exprimés, quels gènes étaient réduits au silence, etc.”, a écrit Sheltzer. “Nous avons ensuite lié chacune de ces altérations moléculaires à des informations sur le temps de survie de ce patient – qu’il ait survécu 6 mois ou 16 ans après son diagnostic de cancer.”

Pour mener leur analyse, Smith et Sheltzer ont travaillé sur une banque de données créée par l’Institut national du cancer et l’Institut national de recherche sur le génome humain. L’ensemble de données comprenait 10 884 patients atteints de 33 types de cancer différents. Cette étude particulière est une “analyse secondaire” de ces patients appelée The Cancer Genome Atlas.

Smith, un ingénieur logiciel, a utilisé l’analyse de mégadonnées pour effectuer un profilage moléculaire sur les tumeurs de ces patients. Elle a écrit la grande majorité du code en Python.

“L’un des packages intéressants / utiles s’appelle rpy2 et fournit une interface pour utiliser R via l’environnement Python”, a écrit Smith au News. “En particulier, les analyses de survie elles-mêmes ont été exécutées en R, tandis que le reste du pipeline utilisait Python natif.”

Grâce à leur analyse, Smith et Sheltzer ont découvert une corrélation entre les modifications du nombre de copies et les décès par cancer. En d’autres termes, les cancers où les cellules perdent ou gagnent un chromosome étaient liés à des taux plus élevés de mortalité des patients. De plus, la recherche a suggéré que les mutations seules ne sont pas liées à des pronostics spécifiques.

Sur la base de ces résultats, le laboratoire de Sheltzer à Yale étudiera pourquoi les modifications du nombre de copies sont associées à des taux accrus de mortalité des patients. Son espoir est que la détermination des liens entre certains types de cancer et le pronostic puisse aider les médecins à déterminer les meilleurs traitements pour leurs patients et à réserver les traitements les plus sévères aux patients qui souffrent des types de cancer les plus agressifs.

Sheltzer a rejoint la faculté de médecine de la Yale School of Medicine en 2021.




SELIN NALBANTOGLU


Selin Nalbantoglu couvre la recherche révolutionnaire pour SciTech. Elle est en première année au Saybrook College.

Leave a Comment