Des chercheurs de Weill Cornell Medicine ont utilisé l'intelligence artificielle pour identifier des cibles médicamenteuses en se basant sur la cartographie des réseaux de régulation dans les tumeurs des patients. L'étude, publiée le 4 septembre dans Systèmes cellulaires, ont identifié et validé expérimentalement quatre candidats médicaments pour les cancers neuroendocriniens, du foie et du rein, qui ont un pronostic sombre avec les options thérapeutiques actuelles.
Cette recherche offre une nouvelle méthode indispensable pour identifier de nouvelles cibles thérapeutiques pour de nombreux cancers. Bien que la thérapie ciblée pour certains cancers ait amélioré les taux de survie, la résistance au traitement et la progression de la maladie qui en résulte constituent des défis constants. De plus, de nombreux types de cancer n’ont pas de cibles thérapeutiques spécifiques connues.
L'auteur principal, le Dr Ekta Khurana, professeur associé de physiologie et de biophysique et chercheur de la Fondation WorldQuant, a dirigé l'effort qui a permis de cartographier les réseaux de régulation des gènes pour des échantillons de tumeurs provenant de 371 patients, dont 22 types de cancer, en utilisant une nouvelle approche informatique. Les réseaux de régulation des gènes (modèles qui décrivent les relations complexes entre les gènes d'une cellule) sont souvent altérés dans le cancer.
La création de réseaux précis de régulation des gènes n’est pas une tâche facile. Les chercheurs ont intégré des données issues des cellules tumorales sur l’ARN messager, qui est traduit en protéines et sur l’accessibilité de la chromatine, ce qui peut aider à découvrir comment l’emballage de l’ADN et d’autres facteurs affectent l’expression des gènes.
Les chercheurs ont développé une approche informatique innovante, baptisée Cancer Regulatory Networks and Susceptibilities (CaRNetS), pour découvrir des protéines clés pouvant servir de cibles thérapeutiques pour le traitement du cancer au sein des réseaux de régulation des gènes. Ils ont identifié des cibles connues, telles que BRAF dans la peau, CTNNB1 (B-Catenin) dans le côlon et ERBB2 (Her2) dans les cancers du poumon. « Avec ces cas positifs connus comme points de référence, nous avons cherché à valider les meilleurs candidats dans les cancers présentant des thérapies ciblées efficaces limitées », ont déclaré les auteurs.
Les chercheurs ont ensuite utilisé leur approche pour identifier les facteurs de transcription clés et leurs protéines en interaction, qui peuvent être des points vulnérables pouvant être ciblés pour arrêter ou ralentir la croissance tumorale. Les facteurs de transcription sont des protéines qui se lient à des séquences d'ADN spécifiques et régulent l'expression des gènes, activant ou désactivant leur production.
En utilisant des CaRNets sur des échantillons de tumeurs de patients, les chercheurs ont pu regrouper les patients en 22 groupes : neuf correspondaient à un seul type de cancer et 13 contenaient des patients atteints de plusieurs types de cancer. Fait important, l'approche a révélé des cibles médicamenteuses pour les 22 groupes. Les chercheurs ont validé quatre de ces protéines candidates dans les cellules. Ils ont découvert que l'inhibition des protéines qu'ils avaient identifiées affectait de manière significative la croissance dans les lignées cellulaires représentant les types de cancer rénal, hépatique et neuroendocrinien par rapport aux témoins.
Les chercheurs estiment qu’avec la facilité de mesure de l’accessibilité de la chromatine à partir des tissus des patients à grande échelle, leur approche informatique sera largement utilisée pour trouver de nouvelles options de traitement pour davantage de types et de sous-types de cancer.
Le Dr Khurana est également membre du Sandra and Edward Meyer Cancer Center, où elle codirige le programme de génétique et d'épigénétique. Les premiers auteurs de l'article sont le Dr Andre Forbes et le Dr Duo Xu, qui travaillaient dans le laboratoire de Khurana au moment de cette recherche.
Cette recherche a été financée en partie par la subvention R01CA218668 des National Institutes of Health et la Fondation WorldQuant.
