Tests du microbiome pour le dépistage du cancer colorectal (NI-GUILTI)

Le cancer colorectal (CCR) est le 3ème cancer le plus répandu et la 2ème cause de décès par cancer dans le monde, avec près de 2 millions de nouveaux cas et un million de décès en 2020. Au cours des dernières décennies, des programmes de dépistage basés sur la population pour les populations à risque moyen se sont imposés comme une stratégie efficace pour réduire à la fois l'incidence et la mortalité du CCR grâce à la détection précoce du cancer. Le test immunochimique fécal (FIT), l'outil de diagnostic de référence dans la plupart des pays, a encore un rendement diagnostique sous-optimal, avec à la fois des adénomes manqués et, principalement, des coloscopies inutiles. Pour ces raisons, ces dernières années, l'identification de nouveaux biomarqueurs non invasifs est absolument en faveur dans le domaine du CCR. De nombreuses preuves montrent que les altérations du microbiome intestinal et l’enrichissement de taxons spécifiques (par ex. Fusobacterium nucleatum, Parvimonas micra et autres) sont impliqués dans la pathogenèse du CCR. De plus, des études récentes, notamment des méta-analyses métagénomiques de notre groupe, ont découvert des signatures microbiennes communes capables de distinguer de manière reproductible les patients atteints de CCR et les témoins sains. Sur la base de ces preuves, des lignes directrices internationales ont récemment préconisé l'exploitation de biomarqueurs basés sur le microbiome pour le dépistage du CCR dans la pratique clinique, mais de telles études ne sont pas encore disponibles à ce jour.

L'objectif principal est de développer un outil de diagnostic basé sur le microbiome intestinal pour l'identification du CCR et des adénomes colorectaux avancés.

Les objectifs secondaires sont :

• Associer le FIT aux résultats cliniques et de la coloscopie
• Caractériser le microbiome intestinal des patients inscrits
• Associer les signatures du microbiome aux résultats cliniques et de coloscopie

Il s'agit d'une étude observationnelle prospective multicentrique, dans laquelle les patients seront sélectionnés parmi ceux inscrits au programme national de dépistage du cancer colorectal (CRC) et parmi ceux qui se réfèrent à tous les centres impliqués dans cette étude pour le dépistage par coloscopie.

Les patients présentant tous les critères d'inclusion et aucun des critères d'exclusion (détaillés dans la section spécifique de ce site Web) seront pris en compte pour cette étude. Un total de n = 1 006 sujets seront inscrits. Plus précisément, 838 patients seront inscrits sur la base du calcul de la taille de l'échantillon et pour couvrir un risque d'abandon de 10 %. De plus, une cohorte supplémentaire de 168 patients (20 % du total) sera recrutée pour être utilisée comme ensemble de validation interne pour une validation rigoureuse des biomarqueurs identifiés (cohorte de validation). Les patients inscrits dans cette cohorte de validation auront les mêmes critères d'exclusion et d'inclusion que les autres patients et subiront les mêmes procédures d'étude.

Au départ, tous les patients inscrits fourniront un échantillon fécal (collecté à l'aide d'un tampon pour la préservation du génome) dans les 2 semaines suivant l'inscription et sera conservé à -80 °C dans chaque centre clinique et se verra attribuer des identifiants anonymisés.

De plus, les caractéristiques démographiques, cliniques et les données de laboratoire seront enregistrées.

Pour tous les patients inscrits, les cliniciens enregistreront les données suivantes :

-Histoire familière du CRC ; -Comorbidités ; -Prise de médicaments ; -Symptômes gastro-intestinaux (GI) et alarmants (anémie ferriprive, hématochézie, perte de poids inexpliquée, douleurs abdominales, changement soudain des habitudes intestinales) ; -Les habitudes alimentaires ; -Consommation de tabac et d'alcool ; -IMC ; -Données quantitatives FIT ; -Informations sur les FIT et/ou coloscopies et/ou coloscopies virtuelles antérieures

Tous les patients inscrits subiront une coloscopie dans les 4 semaines suivant le FIT positif, après les caractéristiques endoscopiques de la coloscopie (taille, site, forme basées sur la classe de Paris.) et les caractéristiques histopathologiques des lésions détectées seront collectées.

Les adénomes colorectaux avancés seront définis comme des adénomes supérieurs ou égaux à 10 mm, et/ou avec des composantes villeuses supérieures ou égales à 25 %, et/ou une dysplasie de haut grade.

De plus, les patients diagnostiqués avec un CCR subiront également un scanner corporel total pour mettre en scène la maladie et seront orientés vers un parcours oncologique en pratique clinique, et les données suivantes seront collectées : présence de métastases ganglionnaires et de métastases organiques, Classe TNM.

La phase d'inscription durera 20 mois.

À la fin de la phase d'inscription, les enquêteurs effectueront l'analyse du microbiome et les enquêteurs combineront des données cliniques, endoscopiques et microbiennes grâce à des algorithmes statistiques et d'apprentissage automatique pour identifier des biomarqueurs microbiens spécifiques associés au CCR et aux adénomes colorectaux avancés, pour développer un nouveau outil de diagnostic, basé sur un système de notation. La phase analytique durera 4 mois.

Les résultats de l'étude sont détaillés dans la section spécifique de ce site Web.

L'analyse du microbiome sera effectuée avec des techniques de séquençage au fusil de chasse. De plus, pour obtenir un panel d'espèces microbiennes principalement associées au CCR et aux adénomes colorectaux avancés, les enquêteurs exploiteront des applications d'apprentissage automatique, par exemple, en utilisant les algorithmes Random Forest largement adoptés, ainsi que des approches méta-analytiques intégrant notre vaste cohorte avec des publications antérieures. cohortes métagénomiques. Un panel défini d'espèces microbiennes principalement associées au CCR et aux adénomes colorectaux avancés fournira un score de risque complet basé sur les caractéristiques du microbiome, avec deux objectifs spécifiques, améliorer la précision des tests de l'outil de diagnostic FIT et être facilement interprétable par les cliniciens.

Toutes les données cliniques collectées seront statistiquement combinées pour classer les caractéristiques microbiennes du plus au moins associé. Ces classements seront exploités pour évaluer le profil du microbiome d'un nouvel individu et pour indiquer combien d'espèces définies dans le panel précédent sont trouvées, et donc liées au CCR et aux adénomes colorectaux avancés. Les associations entre les espèces identifiées et les producteurs d'intérêt seront estimées grâce à des méthodes d'analyse statistique robustes, telles que la corrélation partielle ou la modélisation linéaire. Ensuite, les associations seront classées et comparées entre marqueurs pour la même espèce, en attribuant un score de priorité à chaque espèce. Un soin particulier sera consacré à l'identification de marqueurs de confusion potentiels connus pour être associés à des différences dans la composition du microbiome, par exemple l'âge, qui devraient plutôt être utilisés comme covariables dans la modélisation statistique. En plus de la modélisation statistique, les associations entre espèces et marqueurs seront également évaluées via des approches ML, en particulier celles fournissant des scores d'importance des caractéristiques pour les caractéristiques d'entrée (espèces, dans notre cas), qui peuvent être utilisées pour classer les espèces selon les différents marqueurs ( par ex. Forêt aléatoire, LASSO, etc.).

Les variables continues seront rapportées sous forme de moyenne ± écart type ou sous forme de médiane et d'intervalle interquartile (IQR), et les variables catégorielles ont été résumées sous forme de fréquence et de pourcentage. Les comparaisons des variables seront effectuées par test t (ou Mann-Whitney/Kruskal-Wallis), test du chi carré ou test exact de Fisher, selon le cas. Une valeur p <0,05 sera considérée pour indiquer une signification statistique. Des modèles de régression logistique seront réalisés pour identifier la présence de variables associées indépendamment aux résultats. Les variables prises en compte dans les modèles ont été sélectionnées par une sélection de modèles par étapes et guidées par leur pertinence clinique. Toutes les analyses statistiques ont été effectuées à l'aide de SPSS v. 28.0 pour Macintosh (SPSS Inc., Chicago, USA). Les enquêteurs utiliseront un cadre d'apprentissage automatique (ML) basé sur le package Python scikit-learn en utilisant une approche de validation croisée avec 100 itérations d'amorçage et une répartition aléatoire 80/20 en plis de formation et de test. Les algorithmes ML de classification et de régression seront formés à la fois sur les abondances relatives taxonomiques au niveau des espèces du microbiome et sur les profils de potentiel fonctionnel. Les abondances taxonomiques au niveau des espèces seront estimées par MetaPhlAn 4 (en utilisant les dernières bases de données disponibles, actuellement nommées Oct22) et normalisées à l'aide de la transformation arcsin-sqrt pour les données de composition. Les profils de potentiel fonctionnel seront estimés à l'aide de la dernière version de HUMANN 4 et les enquêteurs prendront en compte à la fois les estimations d'abondance de familles de gènes microbiens uniques et de voies métaboliques. Les corrélations partielles entre les espèces et les marqueurs seront calculées à l'aide de l'indice de Spearman, pour éviter les biais dus aux valeurs aberrantes et corrigées pour les covariables, telles que le sexe, l'âge et l'indice de masse corporelle, connus pour avoir un impact sur la composition du microbiome. Les valeurs de corrélation partielles seront corrigées à l'aide de la procédure Benjamini-Hochberg pour le taux de fausses découvertes.