Des chercheurs explorent les liens entre le cancer et l’ascendance génétique

Des chercheurs du Cold Spring Harbor Laboratory ont développé un logiciel qui déduit correctement l’ascendance continentale de l’ADN et de l’ARN de la tumeur.

“On peut pointer vers des gènes spécifiques qui prédisposent les gens à certains types de cancer, mais dans ce cas, nous parlons d’autre chose”, Alexandre Krasnitz, PhD, professeur de recherche au Cold Spring Harbor Laboratory, a déclaré à Healio. “Nous parlons de la façon dont l’apparence et la biologie des tumeurs diffèrent chez différentes personnes en fonction de leur ascendance.”

Krasnitz et son équipe de recherche ont formé leurs outils logiciels à l’aide de profils d’ADN hybrides créés à partir de génomes cancéreux et non apparentés d’un arrière-plan connu. Ils ont ensuite testé les performances du logiciel par rapport à des échantillons de cancer du pancréas, des ovaires, du sein et du sang de patients d’ascendance connue. Le logiciel a montré une précision de 95% dans l’appariement de ces profils hybrides aux populations continentales.

Krasnitz s’est entretenu avec Healio de l’applicabilité potentielle du logiciel et de ses implications pour le traitement du cancer.

Bonjour: Qu’est-ce qui vous a poussé à mener cette étude ?

Krasnitz : Nous aimerions en savoir beaucoup plus sur l’ascendance et le cancer. Il y a eu un certain nombre de publications importantes à ce sujet par des groupes importants. L’obstacle est que de telles études nécessitent beaucoup de données. Idéalement, ces données devront être systématiques, ce qui signifie que vous disposez d’un portrait génomique et moléculaire du cancer. En même temps, cependant, vous avez également besoin d’un portrait génomique sans cancer de l’individu.

Vous devez connaître le génome de l’individu, et à partir de ce génome, vous pouvez déterminer la génétique du cancer. Vous devez les assembler. Le problème est que pour la plupart des données existantes sur le cancer, on a le portrait de la tumeur mais pas le portrait génétique correspondant de l’individu. D’énormes bases de données, telles que Sequence Read Archives, sont gérées par le gouvernement, ainsi que d’autres très grandes bases de données. Nous avons décidé de faire quelque chose qui nous permettrait d’apprendre quelque chose sur le portrait génomique de l’individu à partir des données dérivées du cancer.

Un autre aspect concerne les biobanques ou les archives de tissus. En règle générale, si vous vous rendez dans un grand centre médical et que vous parlez au pathologiste ou au spécialiste qui gère les biobanques ou les archives de tissus, vous pouvez trouver un échantillon de cancer provenant d’une tumeur. Cependant, il serait extrêmement difficile de trouver un échantillon du même patient qui ne soit pas cancéreux. En comparant les deux côte à côte, vous pouvez en apprendre davantage sur la relation entre l’ascendance et le cancer. Il existe des exemples épidémiologiques de la façon dont, par exemple, certains sous-types de cancer du sein, comme le cancer du sein triple négatif, sont beaucoup plus répandus chez les personnes d’ascendance africaine.

Hélio: Comment votre logiciel répond-il à ces préoccupations ?

Krasnitz : En utilisant les outils que nous avons essayé de construire, nous pouvons maintenant accéder à cette archive de tissus, extraire le tissu et l’analyser génomiquement, par analyse moléculaire. De là, vous pouvez également apprendre quelque chose sur l’individu et, surtout, sur ses origines ancestrales. Nous avons développé des méthodes de calcul pour ce faire.

Nous avons appris à restituer le portrait ancestral de l’individu à partir de séquences dites exomes. Il s’agit essentiellement d’une séquence d’ADN, mais elle est limitée à la région codante du génome. Nous pouvons le faire encore mieux si nous avons des séquences du génome entier, mais celles-ci sont un peu moins courantes et beaucoup plus chères. Nous avons également appris à le faire à partir de séquences d’ARN, qui sont distinctes des séquences d’ADN. Nous pouvons examiner les séquences d’ARN de l’individu et en apprendre quelque chose sur l’ascendance de l’individu en détail.

Nous pouvons également le faire à partir d’un panel de gènes. Avec les panels de gènes, vous ne séquencez pas tout le génome — vous ne séquencez même pas la partie codante du génome ; mais à partir de la partie codante du génome, vous ne séquencez que quelques centaines de gènes. Vous obtenez moins d’informations, mais même sur cette base, vous pouvez apprendre quelque chose sur l’ascendance de l’individu.

En plus de l’aspect génétique de la structure moléculaire de la cellule, il existe également des tests épigénétiques spécialisés que l’on peut effectuer, et même si la séquence que vous obtenez avec cela est assez limitée, vous pouvez toujours en apprendre davantage sur l’ascendance de l’individu. Nous avons appris tout cela et attendons maintenant avec impatience deux applications.

Bonjour: Quelles sont ces candidatures ?

Krasnitz : Nous contribuons à une étude menée par nos collègues du Cold Spring Harbor Laboratory et nos collègues de nos institutions médicales partenaires, Northwell Health et SUNY Downstate Medical Center. Nous avons des spécimens chirurgicaux de cancer colorectal, mais nous n’avons pas de tissu correspondant sans cancer du patient. Il s’agit d’une application directe du logiciel.

Il existe une autre façon d’appliquer cela plus largement, non seulement au cancer, mais à toute maladie humaine. Lorsque vous essayez de déterminer l’ascendance d’une personne à partir de données moléculaires, vous faites face à deux difficultés. La première est qu’il peut y avoir un cancer, et souvent le cancer réorganise le génome de telle manière qu’il est difficile à reconnaître. Un autre problème est que tous les types de données ne sont pas optimaux pour apprendre l’ascendance. Les exemples que j’ai donnés, tels que les séquences d’ARN, les panels et les tests épigénétiques, ne sont pas idéaux à cette fin, mais néanmoins, vous pouvez le faire. Vous pouvez avoir, par exemple, un échantillon post-mortem d’un cerveau d’un patient atteint de la maladie d’Alzheimer, mais peut-être n’avez-vous qu’un échantillon d’ARN. Si vous êtes dans cette situation contrainte, que faites-vous ? Vous pouvez toujours en tirer des leçons en utilisant d’autres méthodes. Voilà, en quelques mots, ce que nous avons fait.

Healio : Cela pourrait-il être utilisé pour développer des cancer traitements ?

Krasnitz : Dans le futur, c’est tout à fait possible. Si vous apprenez quelque chose sur les antécédents ancestraux du patient et que vous avez ensuite une observation rétrospective sans rapport, ces antécédents peuvent indiquer une plus grande probabilité d’un certain sous-type de cancer. Vous pouvez prendre des décisions cliniques avec de meilleures informations.

Healio : Y a-t-il autre chose que vous aimeriez dire à ce sujet ?

Krasnitz : Ce résultat n’aurait pas été possible sans notre premier auteur, mon postdoctorant Pascal Belleau. Ses efforts dans ce projet ont été tout simplement héroïques. Il a proposé les idées clés, écrit des milliers de lignes de code et analysé d’énormes quantités de données.

Pour plus d’informations:

Alexandre Krasnitzdoctorat, peut être contacté à : Cold Spring Harbor Laboratory, 1 Bungtown Road, Cold Spring Harbor, NY 11724 ; courriel : [email protected].