Les jumeaux numériques révèlent des schémas de résistance au traitement du cancer du sein
Selon l’Organisation mondiale de la santé, 375 079 cas de cancer du sein avaient été diagnostiqués dans l’UE en 2022. Il s’agit du cancer le plus fréquent chez les femmes, classé en sous-types moléculaires bien reconnus. Toutefois, malgré des preuves précliniques solides, seules certaines patientes bénéficient de combinaisons de médicaments. «La variation des réponses montre que l’hétérogénéité des patientes et des tumeurs est toujours présente dans les catégories avec lesquelles nous travaillons actuellement», déclare Vessela Kristensen, professeure au département de génétique médicale de l’université d’Oslo(s’ouvre dans une nouvelle fenêtre). Pour augmenter les taux de survie, il est essentiel d’essayer de déterminer où la résistance peut être attendue et de trouver un moyen d’identifier des traitements alternatifs qui seront plus efficaces. Cette nécessité a donné naissance au projet RESCUER(s’ouvre dans une nouvelle fenêtre), hébergé par l’université d’Oslo, l’un des nombreux projets soutenus par l’UE pour lutter contre le cancer du sein. RESCUER a rassemblé des compétences interdisciplinaires dans les domaines de la chirurgie, de la pathologie, de l’oncologie, de la biologie moléculaire, de la bio-informatique, de la philosophie, des mathématiques et des statistiques. «Nous avons cherché à comprendre les mécanismes de la résistance au traitement à la fois localement, au niveau de la tumeur, et dans l’ensemble de l’organisme au niveau des systèmes, y compris les réponses immunogéniques, métaboliques et inflammatoires de l’hôte», note Vessela Kristensen.
Des jumeaux numériques simulent les réactions des patientes à plusieurs voies de traitement
Un oncologue clinique ne peut traiter une patiente qu’une seule fois. Le traitement par des médicaments hautement toxiques, utilisés lorsque la maladie est avancée, laisse peu de temps pour les essais et les erreurs. Les essais cliniques visant à tester les résultats des traitements peuvent prendre des années et être très coûteux. Le projet a donc adopté une approche différente. En collectant les millions de points données aux niveaux génétique, épigénétique, métabolique et immunitaire, mesurés pour chaque individu, il est possible de créer un jumeau numérique de la patiente. Ces jumeaux numériques peuvent ensuite être «traités» à plusieurs reprises pour déterminer ce qui fonctionne. Vessela Kristensen explique le concept: «Les données moléculaires sont exploitées pour caractériser numériquement une tumeur ou un profil génétique, métabolique ou immunitaire individuel. Ces chiffres sont ensuite utilisés pour recréer la tumeur dans un avatar informatique.» Lorsque les simulations informatiques sont terminées et que de nouvelles dépendances entre les facteurs et les voies génétiques, métaboliques et immunitaires ont été identifiées, les informations doivent ensuite être appliquées à l’humain. Cette étape nécessite la production et la validation de nouvelles données moléculaires représentant des ensembles biologiques entiers, tels que les gènes (génomique), l’ARN (transcriptomique), les protéines (protéomique) ou les métabolites (métabolomique), collectivement connus sous le nom d’«omiques». «Il s’agit de dresser un tableau complet de l’impact des différentes voies de traitement, couche par couche», ajoute Vessela Kristensen. Après avoir analysé la modélisation informatique des processus à l’origine de la résistance au traitement, depuis ceux qui se produisent dans une seule cellule jusqu’à ceux qui favorisent le développement d’une tumeur dans un organe, les prestataires de soins de santé peuvent identifier les traitements susceptibles d’être efficaces.
Les approches d’apprentissage automatique permettent de concevoir des essais virtuels illimités
Outre la validation directe dans de nouveaux essais cliniques, chez l’humain in vivo, RESCUER a conçu et utilisé un certain nombre de systèmes expérimentaux destinés à expérimenter et à perturber les effets biologiques découverts. Ces systèmes expérimentaux comprennent des criblages approfondis de médicaments dans des lignées de cellules tumorales, ou directement dans des patchs tumoraux greffés sur des souris ou sur d’autres surfaces telles que des hydrogels. Il ne s’agit toutefois pas seulement de repousser les frontières de la médecine. Vessela Kristensen est fière que le projet ait créé un réseau de recherche durable qui a initié des collaborations à long terme et soutenu 20 jeunes scientifiques, qui ont lancé avec succès leur carrière dans 12 pays différents en Europe. «J’espère que nous avons peut-être démantelé certains silos, en présentant les modèles mathématiques aux oncologues cliniciens et la biologie aux mathématiciens.» «Lorsque les mathématiciens ont constaté que les processus biologiques pouvaient être représentés par des équations différentielles, ils se sont dit: “Nous pouvons enfin lire la biologie!” Lorsqu’il s’agit d’établir des modèles de prédiction de la réponse au traitement basés sur les mécanismes, j’ai l’impression de révolutionner les choses. De mon vivant, l’apprentissage automatique améliorera rapidement les voies de traitement.»
