Le cancer du sein est le cancer le plus fr\u00e9quemment diagnostiqu\u00e9 dans le monde. Toutefois, ce n\u2019est pas une maladie uniforme. Le cancer du sein se pr\u00e9sente sous diff\u00e9rents sous-types, qui doivent \u00eatre identifi\u00e9s avec pr\u00e9cision pour que les m\u00e9decins puissent adapter efficacement les traitements \u00e0 chaque patiente. Le sous-typage des cancers est traditionnellement r\u00e9alis\u00e9 par coloration histologique (immunohistochimie), ce qui permet d\u2019identifier visuellement des marqueurs sp\u00e9cifiques et de classer une tumeur dans un sous-type particulier. Mais ces derni\u00e8res ann\u00e9es, une autre m\u00e9thode a r\u00e9volutionn\u00e9 le sous-typage du cancer du sein: le profilage transcriptomique \u00e0 haut d\u00e9bit. Cette technique examine l\u2019activit\u00e9 g\u00e9nique des cellules canc\u00e9reuses en d\u00e9tectant tous les l\u2019ARNs messagers dans chaque cellule (l\u2019ARN messager correspond \u00e0 la s\u00e9quence d\u2019un g\u00e8ne et est lu par un ribosome dans le processus de synth\u00e8se d\u2019une prot\u00e9ine).<\/p>\n\n\n\n
La transcriptomique repose sur le s\u00e9quen\u00e7age de l\u2019ARN (\u00abRNA-Seq\u00bb), une technologie de biologie mol\u00e9culaire en plein essor qui permet de \u00ablire\u00bb rapidement la s\u00e9quence de la cha\u00eene d\u2019ARN. \u00abDe nombreux \u00e9chantillons de patientes atteintes d\u2019un cancer du sein ont fait l\u2019objet d\u2019un profilage de l\u2019expression g\u00e9nique par des consortiums. Il existe trois grandes bases de donn\u00e9es publiques contenant des milliers d\u2019\u00e9chantillons de patientes explor\u00e9s par des chercheuses et chercheurs du monde entier\u00bb, d\u00e9clare Cathrin Brisken, professeure \u00e0 l\u2019EPFL.<\/p>\n\n\n\n
Elle ajoute: \u00abNous avons beaucoup appris des diff\u00e9rentes analyses. Il a \u00e9t\u00e9 sugg\u00e9r\u00e9 que le s\u00e9quen\u00e7age de l\u2019ARN \u2013 qui devient plus abordable \u2013 pourrait \u00eatre appliqu\u00e9 \u00e0 la pratique clinique de routine et aider au diagnostic et \u00e0 la prise de d\u00e9cision. Mais cette possibilit\u00e9 se heurte au fait que l\u2019analyse RNA-Seq n\u00e9cessite g\u00e9n\u00e9ralement le traitement simultan\u00e9 de grands lots d\u2019\u00e9chantillons et qu\u2019il est difficile de comparer des \u00e9chantillons extraits de diff\u00e9rentes plateformes.\u00bb<\/p>\n\n\n\n
Dans le cadre d\u2019un projet europ\u00e9en transdisciplinaire de 4.3 mio EUROs \u00abCANCERPEV\u00bb dirig\u00e9 par Cathrin Brisken, EMBER (\u00abEMBeddeur mol\u00e9culaire\u00bb) a \u00e9t\u00e9 cr\u00e9\u00e9. Cet outil computationel rassemble plus de 11 000 transcriptomes de cancer du sein pour pr\u00e9dire les sous-types de cancer sur la base d\u2019un seul \u00e9chantillon, et capture avec pr\u00e9cision les voies biologiques principales, offrant ainsi une capacit\u00e9 de pr\u00e9diction sup\u00e9rieure pour les r\u00e9ponses aux th\u00e9rapies.<\/p>\n\n\n\n
EMBER a \u00e9t\u00e9 d\u00e9velopp\u00e9 par Carlos Ronchi dans le cadre de son doctorat r\u00e9alis\u00e9 au laboratoire de Cathrin Brisken. \u00abCarlos Ronchi a d\u00e9velopp\u00e9 une approche consistant \u00e0 placer les principales bases de donn\u00e9es dans un espace commun, indique Cathrin Brisken. Il a montr\u00e9 qu\u2019il pouvait ajouter des cohortes suppl\u00e9mentaires dans cet espace et m\u00eame des \u00e9chantillons individuels. La position dans cet espace \u201cEMBER\u201d fournit des informations biologiques suppl\u00e9mentaires.\u00bb<\/p>\n\n\n\n
Pour cr\u00e9er EMBER, les chercheuses et chercheurs ont d\u00e9velopp\u00e9 un mod\u00e8le statistique qui int\u00e8gre \u00e0 la fois les donn\u00e9es RNA-Seq et les donn\u00e9es microarray extraites de vastes ensembles de donn\u00e9es, notamment TCGA et METABRIC. Ils se sont int\u00e9ress\u00e9s aux patientes atteintes d\u2019un cancer du sein \u00e0 un stade pr\u00e9coce et ont normalis\u00e9 les donn\u00e9es pour les placer sur une \u00e9chelle commune. En s\u00e9lectionnant les 1000 g\u00e8nes les plus variables et en utilisant 44 g\u00e8nes stables pour la normalisation, ils ont pr\u00e9serv\u00e9 les caract\u00e9ristiques essentielles de l\u2019expression g\u00e9n\u00e9tique.<\/p>\n\n\n\n