Dans une étude récente publiée dans Découverte du cancerles chercheurs ont analysé les données de la dernière version publique du projet d’échange d’informations sur les néoplasies génomiques (GENIE) de l’Association américaine pour la recherche sur le cancer (AACR).
Arrière plan
AACR Project GENIE est un référentiel pan-cancer international open-source de données génomiques/cliniques oncologiques du monde réel. Fondé fin 2015, le projet GENIE a publié neuf ensembles de données, la dernière version 9.1 englobant les données de plus de 110 000 tumeurs de plus de 100 000 patients atteints de cancer. Les cancers du poumon, colorectal et du sein sont chacun représentés par plus de 10 000 tumeurs dans le référentiel.
Notamment, une communauté de recherche plus large utilise les données du projet, avec près de 624 manuscrits citant le registre en avril 2022. Les études utilisant les données GENIE se répartissent globalement en trois classes : prévalence mise à jour, études de validation externes et hypothèses. Les données GENIE ont été utilisées comme ressource pour classer les variantes somatiques dans les laboratoires cliniques et guider l’interprétation des génomes du cancer.
L’étude et les conclusions
Dans la présente étude, les chercheurs ont analysé les données de plus de 110 000 tumeurs. Le projet est passé de plus de 18 800 échantillons dans la première version à 110 704 dans la dernière version. Dans la version 9.1, plus de la moitié (57 %) des échantillons étaient des tumeurs primitives, 32 % étaient des métastases et les autres (11 %) étaient des récidives locales, des hémopathies malignes ou inconnues. Le cancer du poumon non à petites cellules, le cancer colorectal, le cancer du sein, le gliome, le cancer du pancréas et le mélanome représentaient les 50 % des cas les plus fréquents.
Environ 72 % de la cohorte étaient d’ascendance blanche, 6 % étaient noirs, 5 % étaient asiatiques, < 3 % des cas étaient amérindiens, insulaires du Pacifique et d'autres races, et 14 % étaient inconnus. Un processus itératif d'assurance qualité a été développé depuis le début du projet et affiné avec chaque version menant au développement de définitions d'essais de test standardisés et de tableaux de bord de qualité pour les commentaires aux centres contributeurs. Cela a abouti au développement de 91 définitions d'essais normalisées et de tableaux de bord de qualité associés à partir de la dernière version.
Pour démontrer l’utilité de GENIE dans le domaine des essais cliniques, les auteurs ont apparié tous les patients de la cohorte GENIE à 34 à 37 sous-études de l’essai NCI-MATCH (National Cancer Institute–Molecular Analysis for Therapy Choice) selon les critères génomiques et cliniques. données à l’aide de MatchMiner. 26 % des patients GENIE ont été appariés à au moins une sous-étude. La comparaison du taux d’éligibilité global par sous-étude entre les résultats de NCI-MATCH et de GENIE était similaire, soutenant que GENIE pouvait être utilisé pour estimer les inscriptions aux essais dans le monde réel.
Les auteurs ont cartographié les mutations aux interprétations variantes d’OncoKB, une base de connaissances en oncologie, pour calculer la fréquence des altérations cliniquement exploitables dans l’ensemble de données actuel de GENIE. Ils ont noté que les tumeurs présentant des altérations de niveau 1 ou 2 (correspondant aux thérapies spécifiques aux biomarqueurs ou aux soins standard) ont augmenté à 17 %, soit plus du double par rapport aux estimations précédentes de 2017. La fréquence des altérations de niveau 3A qui sont en corrélation avec les thérapies expérimentales prometteuses pour un type particulier de tumeur ont légèrement chuté à 4,7 %.
Dans l’ensemble, les auteurs ont constaté que 38,3 % des cas présentaient au moins une altération thérapeutique pouvant donner lieu à une action. Par ailleurs, l’équipe de recherche a également déterminé la fréquence des altérations associées à la résistance aux thérapies ciblées. Ils ont cartographié les altérations associées à la résistance thérapeutique spécifique au contexte de la maladie d’OncoKB et ont organisé une liste supplémentaire de modifications avec des preuves croissantes de résistance clinique à partir de la base de données COSMIC (Catalogue des mutations somatiques dans le cancer). Ils ont identifié des proportions élevées d’altérations (de résistance) dans le cancer colorectal et les tumeurs stromales gastro-intestinales.
Ensuite, les chercheurs ont effectué une analyse mutationnelle des tumeurs avec < 50 échantillons attribués à un ensemble de nœuds enfants liés à un ancêtre ou à un nœud terminal de classification OncoTree. Cela a conduit à l'identification de 399 codes OncoTree uniques couvrant 32 types de tissus à partir de 5522 échantillons de tumeurs représentant 2 % de l'ensemble de données.
Ils ont appliqué un algorithme 20/20+ qui identifie les gènes suppresseurs de tumeurs et les oncogènes. Environ 171 gènes conducteurs putatifs associés à 29 types de cancer ont été identifiés grâce à cette approche. En outre, ils ont également identifié des ensembles de mutations conductrices propres à des sous-ensembles de tumeurs rares.
Environ 19 % des échantillons inclus dans cette enquête ne présentaient que des mutations non conductrices ou aucune mutation identifiée. Cela a indiqué qu’un patient sur cinq pourrait bénéficier d’une approche plus complète comme le séquençage du génome et du transcriptome pour mieux comprendre les paysages moléculaires des tumeurs au-delà de ceux capturés par les panels actuels et pour alimenter de nouvelles approches de médecine de précision.
conclusion
En résumé, le projet GENIE de l’AACR représente une ressource importante pour lier les génotypes du cancer aux résultats des traitements. La croissance du projet a été stimulée par la participation accrue des centres anticancéreux aux États-Unis, au Royaume-Uni, aux Pays-Bas, en Espagne et en France. Bien que le référentiel contienne principalement des panels de séquençage de gènes ciblés appliqués à des échantillons de tumeurs solides, il est prévu d’étendre les approches actuelles. Il s’agit notamment de stratégies de profilage immunitaire, de séquençage d’ADN acellulaire et de séquençage du génome et du transcriptome.
