Un algorithme pour reconstruire des modèles d’évolution tumorale

Améliorez la capacité à prédire l’évolution d’une tumeur, en surmontant les limites des analyses qui ne prennent en compte que des mutations génétiques uniques. C’est l’objectif d’une nouvelle méthode appelée Ascetic (Agony-based Cancer EvoluTion InferenCe), développée par l’Université de Milan-Bicocca, capable de reconstruire des modèles d’évolution tumorale pour chaque patient et d’identifier ensuite des modèles évolutifs qui se répètent chez différents patients. La méthode, illustrée dans l’article Signatures évolutives des cancers humains révélés via l’analyse génomique de plus de 35 000 patients, publié dans la revue Nature Communications, a été développée par un groupe dirigé par Daniele Ramazzotti, professeur d’informatique au Département de médecine et de chirurgie de l’Université des Études Milan-Bicocca, en collaboration avec Alex Graudenzi (Département d’informatique), Luca Mologni (Département de médecine et chirurgie) et les chercheurs Diletta Fontana, Ilaria Crespiatico et Valentina Crippa, pour les activités d’évaluation et de validation des résultats .

J’étudie
Dans cette étude, Ascetic a été appliqué à des données dérivées de plus de 35 000 tumeurs, notamment des patients atteints de diverses maladies du sang, des patients atteints d’un cancer du poumon précoce ou avancé, et bien d’autres. Par ailleurs, une validation des résultats obtenus sur des jeux de données indépendants a été réalisée afin de garantir leur fiabilité et leur capacité de généralisation.

Différentes mutations
Le cancer est un processus évolutif complexe impliquant de grandes populations de cellules dans le corps humain. Ces cellules subissent des mutations génétiques et des modifications épigénétiques, dont certaines peuvent conférer un avantage aux cellules tumorales. Cet avantage peut se traduire par une augmentation de la prolifération et de la capacité de survie des cellules cancéreuses, pouvant à terme conduire à l’invasion des tissus environnants et à la formation de métastases. Cependant, toutes les mutations ne contribuent pas au processus de développement de la maladie. En fait, seule une petite fraction d’entre eux, appelée mutations du pilotejoue un rôle fonctionnel, alors que la plupart des mutations sont neutres, a déclaré mutations des passagers. Ascetic repose sur l’observation que, dans la plupart des cas, l’accumulation de mutations passagères au cours de la progression du cancer suit une dynamique aléatoire. Cependant, pour les mutations motrices, responsables de la progression tumorale, l’évolution peut conduire à un ordre cohérent observé chez différents patients.

Stratégie
Ascetic aborde ce problème complexe en le décomposant en trois étapes clés. Initialement, il exploite les modèles évolutifs pour établir l’ordre parmi les mutations génétiques déterminantes chez des patients individuels, nous permettant ainsi de comprendre la séquence dans laquelle ces mutations se sont produites au cours de l’histoire évolutive de tumeurs spécifiques. Puis, grâce à des approches d’intelligence artificielle, il identifie le modèle le plus adapté pour expliquer toutes les évolutions individuelles, nous offrant ainsi une cartographie de l’évolution globale du cancer pour un type particulier de tumeur. Enfin, catégorisez les patients en fonction de leur évolution et vérifiez si ces groupes ont des courbes de survie différentes. Grâce à la disponibilité croissante de données biologiques issues d’expériences de séquençage génétique sur des patients atteints de cancer et aux progrès de la science des données et de l’intelligence artificielle, nous sommes désormais en mesure d’évaluer la présence de modèles évolutifs spécifiques pour différents types de cancer. Ces modèles, qui peuvent être définis comme des signatures évolutives, représentent les voies préférentielles d’acquisition de mutations motrices, c’est-à-dire fonctionnelles, au cours de l’évolution du cancer et peuvent être récurrentes chez des patients présentant un pronostic similaire. Bien que cette étude ne soit pas définitive – précise Ramazzotti – elle représente une étape significative vers la création d’un « catalogue » de signatures évolutives du cancer, qui pourrait aider à mieux comprendre la nature complexe de la tumeur et à améliorer les prédictions sur sa progression et son pronostic. En effet, pouvoir classer les patients atteints de cancer en fonction de leur évolution moléculaire pourrait permettre de prédire les étapes futures de la progression de la maladie et, par conséquent, de mettre en œuvre des traitements optimaux et personnalisés.