Pourquoi certaines patientes atteintes d’un cancer du sein sont-elles confrontées à un risque beaucoup plus élevé de métastases à distance, alors que d’autres atteintes d’une maladie apparemment similaire connaissent de bien meilleurs résultats ?
Une nouvelle étude publiée dans Biomédecine computationnelle suggère que la réponse ne réside peut-être pas dans l’expression d’un seul gène, mais dans l’interaction entre deux gènes.
Les chercheurs ont identifié une relation auparavant sous-estimée entre SUCLA2 et USP10, qui est fortement corrélée à la survie sans métastases à distance (DMFS) chez les patientes atteintes d’un cancer du sein. Plus important encore, l’étude montre que cette relation pronostique change considérablement selon que les patients reçoivent ou non un traitement, soulignant l’importance de prendre en compte les interactions moléculaires lors de la prévision des résultats cliniques.
Le cancer du sein reste l’une des principales causes de décès liés au cancer dans le monde. Bien que les progrès en matière de chirurgie, de chimiothérapie, de radiothérapie, d’endocrinothérapie et de thérapies ciblées aient considérablement amélioré la survie, les métastases à distance restent la principale cause de mortalité. Des biomarqueurs fiables capables d’identifier les patients présentant un risque métastatique élevé sont donc essentiels pour orienter les stratégies de traitement personnalisées.
Des études antérieures ont suggéré que SUCLA2, une enzyme métabolique mitochondriale, et USP10, une enzyme deubiquitinante impliquée dans plusieurs voies liées au cancer, pourraient influencer individuellement la progression tumorale. Cependant, on ignore si leur activité combinée affecte le pronostic des patients.
Pour répondre à cette question, les chercheurs ont analysé l’expression des gènes et les données cliniques de quatre cohortes indépendantes de cancer du sein comprenant des patientes disposant d’informations disponibles sur la survie sans métastases à distance. Plutôt que d’évaluer chaque gène séparément, les patients ont été stratifiés selon les modèles d’expression combinés de SUCLA2 et USP10.
L’analyse a révélé un résultat frappant.
Les patients présentant une faible expression de SUCLA2 ainsi qu’une expression élevée de USP10 ont connu une survie sans métastases à distance significativement plus faible s’ils ne recevaient pas de traitement. Cependant, chez les patients ayant bénéficié d’un traitement, ce risque métastatique élevé n’était plus observé. En revanche, ni SUCLA2 ni USP10 à eux seuls n’ont prédit de manière cohérente les résultats pour les patients dans les quatre cohortes indépendantes.
Ces résultats suggèrent que l’interaction entre les deux gènes véhicule des informations pronostiques cliniquement significatives qui ne peuvent être capturées individuellement par aucun des biomarqueurs.
« Nos résultats indiquent que les interactions moléculaires peuvent fournir des biomarqueurs plus informatifs que les mesures monogéniques », ont noté les chercheurs. « La prise en compte des interactions génétiques pourrait améliorer la stratification des risques et soutenir des décisions de traitement plus personnalisées. »
L’étude soulève également la possibilité que l’interaction SUCLA2 – USP10 puisse représenter une vulnérabilité thérapeutique jusqu’alors méconnue. S’il est validé dans de futures études biologiques et cliniques, le ciblage de cette voie pourrait contribuer aux stratégies visant à réduire la progression métastatique.
Bien que des recherches expérimentales supplémentaires soient nécessaires pour découvrir les mécanismes moléculaires sous-jacents, les travaux fournissent d’importantes preuves cliniques soutenant la découverte de biomarqueurs basés sur les interactions. Les auteurs pensent que cette perspective au niveau systémique pourrait contribuer à faire progresser l’oncologie de précision en identifiant des sous-groupes de patients qui répondent différemment au traitement malgré le partage de caractéristiques cliniques similaires.
Alors que la médecine de précision passe de plus en plus des gènes individuels à des réseaux moléculaires complexes, des études comme celle-ci démontrent comment l’intégration de plusieurs biomarqueurs peut conduire à un pronostic plus précis et à des soins contre le cancer plus individualisés.
