Vers un monde équitable et durable

Le traitement par immunothérapie peut-il aider ce patient atteint d'un cancer ? Et si c'est le cas, quel traitement spécifique doit être utilisé ? Les oncologues se posent régulièrement ces questions. Les compagnies d'assurance se les posent également car l'immunothérapie est coûteuse. Les patients se demandent si ce nouveau traitement peut leur sauver la vie. Aujourd'hui, une nouvelle étude du professeur Keren Yizhak, de la faculté de médecine Ruth et Bruce Rappaport du Technion, utilise l'intelligence artificielle pour créer une méthode simple et plus accessible permettant de répondre à cette question pour chaque patient. Les conclusions du professeur Yitzhak ont été récemment publiées dans Nature Communications et ont été sélectionnées pour figurer sur la page web "Editor's Highlights" consacrée au cancer.

L'immunothérapie est un développement récent dans le monde des thérapies anticancéreuses. Elle a permis d'obtenir une rémission complète chez des patients qui n'avaient pas pu être aidés par d'autres moyens, et elle réduit de nombreux effets secondaires de la chimiothérapie. Il existe de multiples traitements immuno-thérapeutiques, mais ils diffèrent de cette nouvelle étude car le principe sur lequel fonctionne la majorité est de stimuler le système immunitaire du patient pour combattre les cellules tumorales.

Comment le système immunitaire fait-il la distinction entre les cellules cancéreuses qu'il doit attaquer et les cellules saines de l'organisme ? Plus la tumeur a accumulé de mutations, plus elle diffère des cellules "normales", et donc plus l'immunothérapie peut être efficace. Cette caractéristique est appelée "charge de mutation tumorale"(TMB). Plus le TMB est élevé, plus le nombre de nouvelles mutations est important. La méthode du professeur Yizhak simplifie considérablement la mesure du TMB.

Pour mesurer le TMB de la manière dont on le fait actuellement, on prélève des cellules de la tumeur et on compare leur ADN à celui des cellules saines du patient. Le professeur Yizhak et son groupe proposent deux changements à ce processus.

Le premier changement, déjà exploré dans un article précédemment publié par l'équipe de chercheurs, consiste à comparer les molécules d'ARN plutôt que celles d'ADN. Cela fait une différence car les molécules d'ADN contiennent l'intégralité du génome humain, tandis que les molécules d'ARN sont de petites parties du code génétique, copiées pour être utilisées comme instructions dans la cellule. Dans leur étude précédente, ils ont montré que les molécules d'ARN peuvent également être utilisées pour identifier les mutations spécifiques au cancer.

L'innovation dans l'article le plus récent est double : premièrement, il n'est plus nécessaire de comparer l'ARN de la tumeur à l'ADN de cellules saines. En conséquence, une plus petite quantité de matériel génétique doit être séquencée et le patient doit être soumis à une procédure en moins. Au lieu de comparer le matériel génétique de la tumeur au matériel génétique sain du patient, l'équipe du professeur Yizhak a développé un algorithme d'apprentissage automatique. Cet algorithme a été entraîné à reconnaître les mutations du génome sain et à les distinguer des variations naturelles pouvant exister entre les personnes. Ensuite, à l'aide de ces prédictions, ils ont pu calculer une mesure de la TMB basée sur l'ARN. Cette méthode s'est avérée plus efficace que la méthode standard pour estimer l'efficacité prévue de l'immunothérapie pour un patient donné. On pense que c'est le cas parce que l'ARN contient les parties du génome codantes qui sont constamment utilisées et qui peuvent donc déclencher une réponse immunitaire. Les mutations dans les parties du génome qui ne sont pas utilisées étant moins susceptibles d'affecter le fonctionnement de la cellule.

Le développement de l'algorithme a été rendu possible par l'utilisation d'une importante base de données existante d'ARN séquencés provenant de patients atteints de cancer, sur laquelle l'algorithme a pu être entraîné. De ce fait, le laboratoire du professeur Yizhak est un laboratoire de calcul "sec". Les laboratoires de calcul exploitent les grandes quantités de données cliniques recueillies par la communauté scientifique du monde entier, et les utilisent pour faire de nouvelles découvertes et mettre au point de nouveaux outils afin d'aider les patients. L'étude, dont il est question ici, a été menée par le Dr Rotem Katzir et Noam Rudberg, étudiant en licence, tous deux de la faculté d'informatique Henry et Marilyn Taub.