TRIple marqueurs négatifs du cancer du sein dans les biopsies liquides à l'aide de l'intelligence artificielle (TRICIA)

Justification : La forme la plus agressive de cancer du sein est le cancer du sein triple négatif (TNBC), ainsi appelé parce que ces tumeurs n'expriment pas de récepteurs hormonaux ni de récepteur HER2, et n'ont donc pas de molécules facilement ciblables. La chimiothérapie est le seul traitement, la chimiorésistance signalant un très mauvais résultat même au début du TNBC. La présence d'une tumeur résiduelle à la chirurgie (réponse complète non pathologique ou non-pCR) signale une chimiorésistance et un mauvais pronostic, environ 30 à 40 % de ces patients décédant de TNBC dans les 5 premières années suivant la chirurgie. Un essai clinique récent a montré que l'ajout d'une chimiothérapie supplémentaire (capécitabine) entraîne une amélioration de la survie chez ces patients non atteints de pCR, bien que seuls 15 % environ de ces patients en bénéficient. L'un des besoins non satisfaits les plus urgents est d'identifier les patients qui iront bien malgré la non-pCR (afin d'éviter une chimiothérapie supplémentaire) et ceux qui iront mal malgré elle, et aussi d'identifier les facteurs de mauvais pronostic pouvant conduire à de nouvelles stratégies thérapeutiques. dans ce groupe.

État d'avancement actuel de la technologie : Jusqu'à présent, aucun biomarqueur, à l'exception des mutations BRCA1/2, n'a démontré son utilité clinique dans le traitement du TNBC, probablement en raison de la biologie complexe et de l'hétérogénéité de la maladie. Avec les progrès récents de la méthodologie de l'intelligence artificielle, combiner et intégrer plusieurs couches de données moléculaires pour prédire les résultats, jusqu'à présent difficiles, devient une réalité. L'hypothèse est que la combinaison de données multidimensionnelles des VE tumorales et plasmatiques peut faciliter le développement de signatures pronostiques et prédictives dans cette maladie très agressive.

Données préliminaires : grâce à notre essai clinique basé sur la biopsie Q-CROC-03, où la tumeur et le plasma de patients atteints de TNBC résistants à la chimiothérapie ont été collectés. Les données entières de séquençage de l'exome ont été traduites pour générer des tests personnalisés d'ADN tumoral circulant (ctDNA). Nos données montrent une valeur pronostique potentielle à la détection de ctDNA après chimiothérapie pré-opératoire. Une collaboration a été établie avec Rodney Ouellette (ACRI) pour isoler et profiler les vésicules extracellulaires (VE) du plasma.

Objectifs : L'objectif de la présente étude est de développer des signatures de bons et de mauvais résultats ainsi que de la réponse tumorale à la chimiothérapie dans les TNBC en intégrant le profilage multidimensionnel des biopsies tumorales et liquides à l'aide d'outils d'intelligence artificielle (IA).

Approche expérimentale : le profilage des VE à partir du plasma collecté dans l'essai Q-CROC-03 et de la biobanque de l'HGJ (avant, pendant et après le traitement de chimiothérapie) sera effectué. Le profilage comprendra le séquençage du génome entier (GWS), la protéomique, la transcriptomique et l'analyse des miARN. En collaboration avec notre partenaire industriel, My Intelligent Machines (MIMs), des experts en bioinformatique et en IA, des algorithmes d'apprentissage automatique seront développés pour intégrer les données OMICs de tumeurs résistantes avec des données plasmatiques EV appariées et générer une signature tumeur/plasma associée à un mauvais résultat. . En parallèle, en collaboration avec le Réseau d'Innovation EXACTIS, recrutement des patients, collecte des tumeurs résiduelles post chimiothérapie et appariement d'échantillons de plasma en série lors du traitement par capécitabine après chirurgie pour effectuer la validation de la signature identifiée, la signature tumeur/EV sera associée à la survie des patients .

Jalons du projet proposé : 1. Profilage des véhicules électriques à partir du plasma. 2. Profilage des tumeurs chimiorésistantes 3. Développement d'algorithmes pour intégrer les données multidimensionnelles des tumeurs et des VE.

Les signatures développées seront protégées par IP. Les partenaires académiques et industriels auront une propriété intellectuelle partagée (% respectif à déterminer). Des tests pronostiques seront développés sur des biomarqueurs identifiés et distribués via la plateforme MIMsOmic. MIMsOmic est une plateforme alimentée par l'IA commercialisée par MIMs et permettant une livraison simple, efficace et rentable de tests cliniques impliquant l'analyse de données Omic.

Le présent projet développera une signature biomarqueur de mauvais pronostic pour le type de cancer du sein le plus agressif. Cette signature permettra d'identifier les patients qui ne doivent pas être traités par chimiothérapie post-opératoire, et d'éviter une exposition inutile à la toxicité associée à ce médicament.