Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
C. PangaultC. PangaultLaboratoire Hématologie
CHU RennesINSERM U917 MICA
Nouveaux outils biologiques en Hématologie
TRANSCRIPTOME : TRANSCRIPTOME : APPORT DE LA GENOMIQUE APPORT DE LA GENOMIQUE
DANS LDANS L’’ANALYSE DES ANALYSE DES HEMOPATHIESHEMOPATHIES
DES Clinique21 janvier 2010
I I -- GGéénnééralitralitéés sur le gs sur le géénomenome
L’être humain
1013 cellules
Même patrimoine génétique
3,1 x 109 paires de bases
Taille de différents génomes
Drosophile (10)
Levure (1)
E. Coli (0,3)Génome Humain (200)
: = Annuaire téléphoniquede 1000 pages (Paris)
Publication de la séquence du génome humain : Science et Nature, 2001
30 000 gènes Séquences
répétées
Introns
2 % ADN codant
Autre : séquences régulatrices, etc.
Génome
mRNA
Gènes
Protéome Métabolome
Proteines
Métabolites
Phénotype
Transcriptome
Transcriptome
Yeoh EJ, Cancer Cell, mars 2002
LAL pédiatriques
Protéome 11000 11500 12000
11608.13
050
100150200
uA
11605.61
050
100150200
uA
11605.830
50100150200
uA
11602.70
050
100150200
uA
11602.90
050
100150200
uA
11604.86
050
100150200
uA
11607.96
050
100150200
uA
11605.22
050
100150200
uA
11000 11500 12000
• 2D-Gel
• Spectrométrie de masse
Réseau d’interaction fonctionnelle
Métabolome
KEGG metabolic pathway database
II II -- Les Puces Les Puces àà ADNADN
Questions posées …
• Classification des tumeurs pronostic• Compréhension de la biologie de la tumeur
comparaison avec le tissu normal• Prédiction de la sensibilité à une drogue• …
Objectif : Traitement Traitement àà la carte du cancerla carte du cancer
Analyse du transcriptomeRT‐PCR :
1 gène, 10 échantillons
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
abcdefghijklmno
XG-14
A
Microarray : lames de verres, miniaturisation
1 échantillon, 30 000 gènes
ou 1,4 M d’exons
Macroarray: membrane nylon, marquage radioactif
1 échantillon, 200 à 10 000 gènes
Protocoles adaptés aux très petites quantités de cellules (Microdissection laser) 1‐100 cellules
RQ‐PCR:
1 ou plusieurs gènes, 1 à 96 – 384 échantillons
Microarrays: Microarrays: Plusieurs technologies / Plusieurs fournisseurs
Dépôt de cDNA ou Dépôt/synthèse in situ d’oligonucléotides
Hybridation des cRNA fluorescents (1 ou 2 couleurs)
Puces expression Affymetrix : La mesure de l’expression utilise 11 à 20 paires de carrés (1 probeset).Les différents oligonucléotides (sondes) d’un probeset ne sont pas dans des carrés contigus mais sont dispersés sur la puce.
PM (perfect match)MM (missmatch)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 probeset = 14 pairesde sondes correspondant à
1 gène
ADNc : GATCGGGATTCGACATGACATTTGACCATCATGGTCAGCATCGAGGA
GACATTTGACCAACATGGTCAGCATGATCGGGATTCAACATGACATTTGA
Intégration informatique des signaux : les niveaux d’expression dès gènes reflétés par la puce sont une donnée absolue. C’est le rapport des niveaux observés entre la condition test et la condition référence (ou témoin) qui est exploitable. On parle de facteur de régulation ou « fold change »
AFFY : AFFY :
1- Analyses non supervisées= sans à priori de groupe, comment se classent les échantillons et les gènes?
• Classification hiérarchique • PCA = ACP• ….
Création de clusters ‐> Découverte de classes
Analyses des données
2- Analyses supervisées
= connaissant deux groupes d’échantillons, quels gènes les séparent? = Probabilité pour qu’un échantillon appartienne à une classe définie avant l’analyse ?
• Mann Whitney• t‐Student• SAM• …
‐> Prédiction de classe
3- Définition de signatures moléculaires= Ensemble de gènes exprimés de manière coordonnée qui reflètent
un aspect particulier de la biologie cellulaire, tels que le linéage
cellulaire, le stade de différenciation ou l’activation de voies de
régulation.
Comment comprendre ces signatures? Annotations fonctionnelles
Ingenuity Systems
Gene Ontology (GO) analysis
Quelques exemples ….
Pathway Architect
Autres applications des « arrays »• CGH (Comparative Genomic Hybridization)
: analyse de variations du nombre de copies d’un gène (gain ou perte) sur ADN
• SNP (Single Nucleotide Polymorphisms)
: analyse des variations d’une seule paire de base du génome
• Séquençage
• Tilling (Targeting Induced Local Lesions in Genome)
: méthode combinant des approches de mutagénèse aléatoire et des méthodes modernes d’analyse de l’ADN permettant l’identification à haut débit de mutation ponctuelle
• miRNA (microRNA)
: analyse de petites séquences ARN ayant un rôle régulateur (répresseur) post‐transcriptionnel
III III -- Les analyses de transcriptome Les analyses de transcriptome en Hen Héématologie : matologie :
exemples des lymphomes B du exemples des lymphomes B du centre germinatifcentre germinatif
1- Lymphomes B diffus à grandes cellules (DLBCL)
Germinal Center B-likeGC
Activated B Cell-like ABC
= non GC
Modèle cellulaire
Alizadeh et al., Nature, 2000
Patients n=42 DLBCL
Alizadeh et al., Nature, 2000,
Établi sur 42 patients
2 sous‐types avec un pronostic différent :
Rosenwald et al., NEJM, 2002
Validé sur 240 patients
Validation extérieure?Rosenwald et al., NEJM, 2002
274 patients 100 gènes les plus discriminants de la série d’Alizadeh
3 classes : GC, ABC, type 3 Valeur pronostique
Shipp et al. Nature Medecine, 2002
Prédicteur basé sur 13 gènes (≠ Alizadeh)58 patients
’série Alizadeh’ ’série Shipp’
Etude de 90 gènes de la signature Alizadeh :
Wright et al., PNAS, 2003
Comparaison des 2 séries Rosenwald et Shipp
Calcul d’un score linéaire de prédiction
Application à la routine ?
Tentative de construction d’un « IPI moléculaire »
Par analyse en PCR quantitative de 36 gènes « candidats » sur 66 patients
Lossos et al. NEJM, 2004
6 gènes retenus = LMO2BCL6FN1BCL2SCYA3CCND2
Détermination d’un score pronostique avec 3 groupes de risque
Algorithmes de classification IHC pour les DLBCL
Pronostic favorable
Pronostic défavorable
152 patientsTissue Microarray TMA
Hans et al., Blood, 2004
+
CD10
GCB
BCL6
MUM1
MUM1/
IRF4
Non-GCB
GCB
Non-GCB
-+
-
+
-
+/-
42 cas27 cas
22 cas
61 cas
BCL2
Groupe 1-
+ CD10
Groupe 1+
-MUM1/IRF4
Groupe 1
Groupe 2
-
+
Pronostic favorable
Pronostic défavorable
Murris et al., J Pathol, 2006
'Ox Phos' : Métabolisme phospho‐oxydatif = Gènes impliqués dans
Phosphorylation oxydativeFct° mitochondrialesChaîne de transport électron
'BCR/Prolif' : Gènes impliqués dansRégulation du cycle cellulaire, réparation ADN, …
'Réponse de l'hôte' : Gènes impliqués dansActivation T/NKPrésentation antigénique par Monocyte/DC
Monti et al., Blood, 2004
Place du Microenvironnement dans les DLBCL
176 patientsAnalyse non supervisée sur 2000 gènes
‐> Pas de valeur pronostique en survie à 5 ans(signature GC/ABC validée en survie sur ces échantillons)‐> identification de mécanismes pathogéniques et de cibles thérapeutiques potentielles
OxPhos BCR HR
Que deviennent ces signatures à l’ère du Rituximab ?
Lenz et al.,NEJM, 2008
DLBCL traités R-CHOP
181 patients traités CHOP233 patients traités R‐CHOP
Modèle d’analyse multivariée ‐> Prédicteur pronostique : 3 signatures
Patients traités R-CHOP
Lenz et al.,NEJM, 2008
Impact du microenvironnement dans les DLBCL traités R-CHOP
⇒ À l’ère du R-CHOP : influence du microenvironnement tumoral (cellules immunitaires, fibrose et angiogénèse)
2- Lymphomes folliculaires (FL)
RRééponse ponse immunologique 1immunologique 1Bon pronosticBon pronostic
‐> lymphocytes T et macrophages
RRééponse ponse immunologique 2immunologique 2Mauvais pronostic Mauvais pronostic
‐> macrophages et/ou DC
Dave et al., NEJM, 2004
Expression sur les fractions CD19neg
CD68
Farinha et al. Blood 2005; 106:2169
Foxp3
Carreras et al. Blood 2006; 108:2957
CD8
Alvaro et al. J Clin Oncol 2006; 24:5350
Etudes contradictoires,retrospectives, traitement‐dépendantes,descriptives
Place du Microenvironnement dans les FL
Place du Microenvironnement dans les FL: importance du traitement
de Jong et al.,Haematologica, 2009
ConclusionConclusionOn peut aujourd’hui analyser notre GENOME :
Affiner le pronostic
Nombreuses nouvelles cibles thérapeutiques potentielles
Demainune puce pan-génomique au diagnostic
un traitement adapté, « à la carte »
On entre dans l’ère de la médecine personnalisée