ABONNEZ VOUS A NOTRE NEWSLETTERLes scientifiques de l’Institut Weizmann d’Israël et du MIT et de Harvard peuvent identifier la thérapie anticancéreuse la plus appropriée à partir des signaux détectés dans la tumeur elle-même. Ils analysent la voie de la tumeur à l’aide de PathOlogist – un outil bioinformatique avancé développé par le professeur de Bar-Ilan, Sol Efroni.
Le choix du bon médicament pour chaque patient atteint de cancer est la clé du succès du traitement, mais actuellement, les médecins disposent de peu d’indicateurs fiables pour les guider dans la conception de protocoles de traitement. Des chercheurs du Weizmann Institute of Science et du Broad Institute of MIT et de Harvard ont maintenant développé une nouvelle méthode pour sélectionner le meilleur traitement médicamenteux pour une tumeur donnée, basée sur l’attribution de scores aux activités de messagerie interne des cellules.
En plus d’aider les médecins à choisir parmi une liste de traitements existants, la méthode peut aider à identifier de nouvelles cibles moléculaires pour le développement de futurs médicaments. En fait, les chercheurs l’ont déjà utilisé pour identifier un gène qui peut être ciblé pour traiter efficacement les cancers du sein avec une mutation BRCA. L’étude a été récemment publiée dans Nature Communications.
Le moyen moléculaire le plus courant de faire correspondre les médicaments à une tumeur est de rechercher des mutations particulières dans les cellules de la tumeur. Malheureusement, la présence de telles mutations ne garantit pas qu’un médicament fonctionnera et, en tout état de cause, de nombreux médicaments ne visent pas pour commencer des mutations. Il y a également eu des tentatives pour prédire l’efficacité d’un médicament en analysant l’expression de certains gènes dans une tumeur, mais le niveau d’expression de très peu de gènes s’est avéré utile pour guider les médecins dans la prise de décisions de traitement.
Dans la nouvelle étude, deux laboratoires – l’un dirigé par le Dr Ravid Straussman du département de biologie cellulaire moléculaire de Weizmann, l’autre par le professeur Gad Getz du Broad Institute de Cambridge, Massachusetts – ont uni leurs forces pour développer une approche plus efficace, fondant leur étude. sur les énormes ensembles de données sur le cancer qui sont devenus disponibles au cours des dernières années. Cette approche ne repose pas sur des mutations ou sur des gènes individuels, mais plutôt sur des voies de signalisation: des chaînes de signaux biochimiques qui véhiculent des messages cellulaires cruciaux, par exemple, si une cellule doit se diviser ou se développer, ou de quelle manière son métabolisme doit être modifié. De nombreux gènes sont exprimés dans la cellule afin de transmettre le message dans chaque voie, des méthodes sophistiquées sont donc nécessaires pour découvrir l’activité dans ces chaînes.
Le Dr Rotem Ben-Hamo, stagiaire postdoctoral, a analysé de vastes ensembles de données internationales contenant des informations sur l’expression de tous les gènes dans quelque 460 lignées de cellules cancéreuses – c’est-à-dire différents modèles de cancer – de dix types de cancer différents. À l’aide d’un outil de bioinformatique avancé, PathOlogist, développé par le professeur Sol Efroni de l’Université de Bar-Ilan, les chercheurs ont attribué à chaque voie un score d’activité, qui prend en compte non seulement les niveaux d’expression génique mais aussi les connaissances préalables sur la structure de chaque voie, les interactions des gènes en son sein, et si un gène donné bloque ou stimule le message de la voie. Les scientifiques ont ensuite corrélé ces scores avec des ensembles de données contenant des informations sur la sensibilité de différentes cellules cancéreuses à près de 500 médicaments anticancéreux différents.
Ils ont constaté que les scores d’activité de certaines des voies leur permettaient de prédire si un cancer spécifique serait sensible à un médicament particulier. En d’autres termes, les chercheurs ont créé un profil pour le tissu cancéreux qui pourrait orienter les cliniciens vers les meilleurs médicaments pour éradiquer la tumeur. Dans l’ensemble, ils ont pu faire de telles prédictions pour plus de 30 médicaments existants. Par exemple, lorsque certaines cellules cancéreuses du poumon avaient un score élevé pour une voie déclenchant l’apoptose, une forme de suicide cellulaire, ces cellules étaient susceptibles d’être tuées par une classe de médicaments appelés inhibiteurs de microtubules.
[signoff]
