Une étude révolutionnaire dirigée par le professeur adjoint de l'USC en informatique Ruihan Liu a révélé comment des mutations génétiques spécifiques influencent les résultats des résultats du traitement du cancer qui pourraient aider les médecins à adapter les traitements plus efficacement. La plus grande étude du genre, la recherche a analysé les données de plus de 78 000 patients cancéreux sur 20 types de cancer. Les patients ont reçu des immunothérapies, des chimiothérapies et des thérapies ciblées.
En utilisant une analyse informatique avancée, les chercheurs ont identifié près de 800 changements génétiques qui ont un impact direct sur les résultats de survie. Ils ont également découvert 95 gènes significativement associés à la survie dans des cancers tels que les cancers du sein, de l'ovaire, de la peau et du gastro-intestinal.
S'appuyant sur ces informations, l'équipe a développé un outil d'apprentissage automatique pour prédire comment les patients atteints d'un cancer du poumon avancé pourraient répondre à l'immunothérapie.
Ces découvertes mettent en évidence comment le profilage génétique peut jouer un rôle crucial dans la personnalisation des soins contre le cancer. En comprenant comment différentes mutations influencent la réponse au traitement, les médecins peuvent sélectionner les thérapies les plus efficaces évitant les thérapies inefficaces et se concentrer sur celles les plus susceptibles d'aider. «
Ruihan Liu, professeur adjoint de l'USC en informatique
Publié dans Communications de la natureL'étude met en évidence les rôles critiques des gènes tels que TP53, CDKN2A et CDKN2B pour influencer les résultats du traitement, validant ces associations avec des données du monde réel.
Les co-auteurs de l'étude sont Shemra Rizzo, Lisa Wang, Nayan Chaudhary, Sophia Maund et Sarah McGough et Ryan Copping de Genentech; Marius René Garmhausen de Roche; et James Zou de l'Université de Stanford.
Pourquoi les mutations comptent-elles?
Les changements de mutations génétiques dans l'ADN-CAN influencent le développement du cancer et comment un patient réagit au traitement. Certaines mutations se produisent au hasard, tandis que d'autres sont héritées.
Dans le cancer, les mutations peuvent déterminer si une tumeur est plus agressive ou comment il pourrait réagir à certains traitements. Aujourd'hui, les tests génétiques sont de plus en plus utilisés dans les soins contre le cancer pour identifier ces mutations, permettant aux médecins de sélectionner les traitements plus précisément.
Par exemple, les patients diagnostiqués avec un cancer du poumon non à petites cellules (NSCLC) reçoivent souvent des tests génomiques de mutations dans des gènes comme KRAS, EGFR et ALK pour déterminer si des thérapies ou des immunothérapies ciblées pourraient être efficaces.
Les principaux résultats de l'étude comprennent:
• Les mutations KRAS dans le cancer du poumon non à petites cellules avancées étaient liées à une faible réponse à un traitement commun (inhibiteurs de l'EGFR), ce qui suggère que des traitements alternatifs peuvent être nécessaires.
• Les mutations NF1 ont amélioré les réponses à l'immunothérapie et ont aggravé les réponses à certaines thérapies ciblées, mettant en évidence leur rôle complexe dans le traitement.
• Les mutations de la voie PI3K, qui régulent la croissance cellulaire, ont eu des effets variables en fonction du type de cancer, avec différentes réponses dans les cancers du sein, du mélanome et de la rénale.
• Les mutations de la voie de réparation de l'ADN ont amélioré l'efficacité de l'immunothérapie dans le cancer du poumon en augmentant l'instabilité tumorale.
• Les mutations des voies liées à l'immuno étaient associées à de meilleurs taux de survie pour les patients atteints de cancer du poumon traités par immunothérapie, ce qui suggère que toutes les mutations ne gênent pas le succès du traitement.
Un puissant outil prédictif
Alors que les traitements contre le cancer ont traditionnellement suivi une approche unique, où les patients atteints du même type de cancer reçoivent les mêmes thérapies standard, l'étude souligne l'importance de la médecine de précision, qui adapte le traitement basé sur le maquillage génétique unique d'un patient.
Pourtant, bien que de grandes quantités de données de mutation existent, seul un petit nombre ont des traitements cliniquement validés, ce qui limite l'impact potentiel du monde réel et le bénéfice des patients. Pour combler cet écart, en fonction de leurs résultats, l'équipe de Liu a utilisé l'apprentissage automatique pour analyser comment plusieurs mutations interagissent pour influencer les résultats du traitement.
« Notre objectif était de trouver des modèles qui pourraient ne pas être évidents à première vue. » Ruihan Liu
Ils ont développé un modèle aléatoire de forêt de survie (RSF), un outil prédictif conçu pour affiner les recommandations de traitement pour les patients atteints de cancer du poumon. En intégrant les données du monde réel à grande échelle avec l'apprentissage automatique, le modèle a identifié de nouvelles interactions de traitement des mutations.
« Notre objectif était de trouver des modèles qui pourraient ne pas être évidents à première vue, puis de traduire ces informations en outils du monde réel qui peuvent étendre l'accès à l'immunothérapie pour les personnes atteintes de cancer », a déclaré Lui. « Une innovation clé réside dans l'intégration d'énormes quantités de données avec des techniques avancées de statistique et d'apprentissage automatique pour découvrir des interactions de traitement des mutations non reconnues. »
Bien que d'autres essais cliniques soient nécessaires, Liu considère cette étude comme une étape importante pour rendre le traitement du cancer plus précis et personnalisé.
« Cette recherche montre la puissance de la science informatique dans la transformation des données cliniques et génomiques complexes en idées exploitables », a-t-elle déclaré. « Il est profondément satisfaisant de contribuer aux outils et aux connaissances qui peuvent directement améliorer les soins aux patients. »
