DOSSIER THÉMATIQUE La médecine personnalisée Usage des puces en cancérologie Microarrays as a tool in oncology D. Gentien* P eut-on prédire la sensibilité au traitement pour ajuster la chimiothérapie néo-adjuvante d’un cancer du sein ? Peut-on classifier les tumeurs du sein en sous-types présentant les mêmes caractéristiques moléculaires ? Comment déterminer rapidement qu’une tumeur ovarienne est bien une tumeur ovarienne et non une métastase d’une tumeur du sein, ce qui supposerait une orientation thérapeutique différente, surtout pour une femme jeune ? Ces quelques questions peuvent trouver des réponses assez simplement aujourd’hui, via l’usage de puces en cancérologie. Les puces à ADN sont des supports de verre sur lesquels sont conçues ou déposées un grand nombre de séquences correspondant à un génome donné (figure 1). Ces outils, apparus dans les années 1990, quantifiaient entre 100 et quelques milliers de marqueurs sur des membranes de nylon (macroarrays) en recourant à des moyens de détection radioactifs. Rapidement, ces outils ont évolué pour tester un plus grand nombre de marqueurs, sur une surface d’environ 1 cm2 (microarrays, ou biopuces), en utilisant des moyens de quantification fluorescents, plus simples d’emploi (phycoérythrine, cyanines, etc.). Aujourd’hui, les puces les plus denses mesurent plusieurs millions de marqueurs en une seule expérience, à partir de quelques centaines de nanogrammes (100 à 500 ng) d’acides nucléiques. Affymetrix, Agilent, Illumina sont par exemple 3 sociétés qui fournissent des outils robustes de détection et de quantification pour l’analyse de différentes tumeurs (programme carte d’identité des tumeurs [CIT] ; International Cancer Genome Consortium [ICGC], etc.). Il existe plusieurs types de puces dédiées à l’analyse globale du génome humain, selon que l’on s’intéresse à sa structure ou à l’expression des gènes (transcriptome). Ces puces à ADN reposent sur Fragments d’ARN de l’échantillon à tester marqués en fluorescence 1,28 cm 1,28 cm Taille d’une puce 25 nucléotides 6,5 millions d’unités information par puce * Institut Curie, Paris. Figure 1. Puce Affymetrix. 304 | La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 Plusieurs millions de molécules d’ADN conçues in situ par unité d’information 1 seule séquence = 25 bases Fragments d’ARN hybridés à leur séquence d’ADN complémentaire sur la puce Résumé Les puces à ADN sont des supports de verre, qui ont évolué depuis leur apparition dans les années 1990 pour devenir capables de tester actuellement plusieurs millions de marqueurs en une seule expérience. Leur usage en cancérologie a permis d’analyser différentes collections de tumeurs humaines avec le support de plateformes dédiées. Les puces d’analyse de génome de dernière génération (SNP array) sont aujourd’hui utilisées pour analyser le génome des tumeurs avec une forte résolution (1 marqueur toutes les 550 bases dans les gènes étiquetés “Cancer”) permettant la détection de différentes anomalies moléculaires, et ce même lorsque les cellules tumorales sont rares. Les puces permettent de quantifier l’ensemble des ARN messagers (ARNm) exprimés, avec une résolution autorisant la quantification des ARN jusqu’au niveau exonique pour trouver les gènes différemment exprimés ou les formes d’ARNm alternatives. Ces approches génomiques et transcriptomiques permettent de détecter et d’identifier des anomalies récurrentes ou minimales et, ainsi, de mieux classer les tumeurs, de définir des signatures moléculaires qui prédisent la sensibilité à un traitement ou le risque métastatique. Ces outils sont actuellement utilisés dans des essais cliniques multicentriques pour des pathologies rares comme fréquentes. la complémentarité de la double hélice d’ADN, et, selon la quantité de séquences ou de cibles présente dans l’échantillon étudié, le signal ou le résultat de l’hybridation permettra de savoir si une région génomique est surreprésentée ou si un transcrit est surexprimé par rapport à un échantillon normal. Les outils commerciaux disponibles sont standardisés et permettent l’analyse simultanée de plusieurs millions de marqueurs en quelques jours. L’usage de ces outils nécessite cependant la standardisation en amont des étapes qui consistent à extraire le matériel génétique, ainsi que la standardisation des protocoles menant à l’hybridation des puces (préparation des cibles). Ensuite, l’analyse des mesures des hybridations requiert des méthodes mathématiques en aval adaptées pour optimiser l’analyse des puces, car ici plusieurs millions d’informations seront mesurées simultanément. L’absence de biais de mesure, d’artefacts expérimentaux ainsi que de contaminants est importante pour le rendu de résultats dans un contexte thérapeutique par exemple. L’obtention de biopsies rapidement congelées, l’analyse du contenu tumoral (pourcentage de cellules tumorales estimé après coloration), l’extraction des acides nucléiques d’intérêt (ADN génomique, ARN total), la préparation des cibles, la révélation des puces ainsi que leur analyse sont autant d’étapes importantes qu’il faut ajuster et valider pour standardiser les analyses et comparer les niveaux d’expression de plusieurs gènes (1). Préparation des cibles Analyse de la structure du génome à l’aide de puces Les puces d’analyse de génome, telles que les CGH array (Comparative Genomic Hybridization array), permettent l’hybridation compétitive d’un ADN tumoral et d’un ADN normal marqués avec différents fluorochromes, sur un support de verre contenant des régions du génome humain, soit initialement clonées dans des bactéries (BAC) soit synthétisées in situ (CGH array, Agilent) [figure 2]. Ces puces ont permis la mise en évidence de différents remaniements fréquents (2) ou spécifiques de pathologies rares (3, 4) ou communes. Les analyses des régions altérées permettent in fine d’identifier des sous-types moléculaires, d’améliorer la prise en charge et de proposer des cibles thérapeutiques (5). L’analyse combinée de données génomiques et transcriptomiques permet de montrer que les gènes présents dans les régions amplifiées sont surexprimés, ce qui suggère que leur représentation favorise leur surexpression (5), et ouvre la possibilité d’utiliser ces gènes ayant une représentation altérée comme cible thérapeutique. Basé sur ces résultats, l’essai thérapeutique SAFIR01 a été initié par F. André et mis en place par Unicancer. Cet essai vise à proposer à des patients atteints de cancer du sein en situation métastatique une analyse génomique fine et à les orienter vers un essai clinique précoce qui cible les anomalies identifiées. L’analyse de l’ADN tumoral permet de cartographier Hybridation de la puce et mesure des intensités Analyse des données ADN tumoral Équilibre Perte d’une copie ADN normal Gain d’une copie Amplification Mots-clés Puce Génomique Transcription Signature Summary DNA microarrays are small glass chips that evolved since the 90’s and currently measure millions of markers in a single experiment. Their use in the field of oncology, based on their robustness and reproducibility, characterized various collections of human tumors with the support of dedicated platforms. Latest versions of microarrays (SNP arrays) are able to analyze genome of tumors with a strong resolution (one marker per 550 bases in Cancer genes) to detect several genomic alterations: additional chromosome, amplifications of chromosome arms or loci, loss of one copy or two copies of a locus, allelic imbalance, loss of heterozygosity (LOH) even when tumor cells are rare. Microarrays used to quantify all expressed messenger RNA have also a strong coverage to quantify mRNA up to the exon level to find misregulated genes and alternative spliced forms. These genomic and transcriptomic approaches make it possible to detect and to identify frequent or minimal regions, to improve tumor classifications, to setup molecular signatures which predict the sensitivity to a treatment, or that predict the risk of metastasis. Microarrays are currently used in multicenter clinical trials for rare pathologies as well as for frequent pathologies. Keywords Microarrays Genomic Figure 2. Étapes de l’analyse par CGH array. Transcriptomic Signature La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 | 305 DOSSIER THÉMATIQUE La médecine personnalisée Usage des puces en cancérologie les anomalies moléculaires (recherche de mutations de 3 hot spots et analyse pangénomique sur CGH array ou SNP [Single Nucleotide Polymorphism] array) pour lesquelles il existe un médicament en développement. Cet essai est conduit par 19 centres de lutte contre le cancer, pour 400 patients, faisant appel à 4 plateformes de génomique (instituts Curie, Gustave-Roussy, Paoli-Calmettes, Léon-Bérard). Les objectifs sont d’accélérer l’usage de traitements innovants et ciblés pour des patients qui présenteraient les anomalies moléculaires au sein de leur tumeur, avant leur autorisation de mise sur le marché, et de découvrir ainsi de nouvelles indications. SAFIR01 est un essai unique multicentrique en France qui a commencé à l’été 2011. Il montrera si l’apport de cette approche de médecine personnalisée dans les pratiques cliniques courantes est efficace (figure 3). Ce type d’analyse via les CGH arrays est très utile pour mettre en évidence des anomalies de gain ou de perte. Cependant, il arrive que d’autres modifications soient observées (9), comme des pertes d’hétérozygotie (Loss Of Heterozygosity [LOH]) où 2 copies identiques du même locus sont présentes, donnant lieu à des disomies uniparentales (UPD), ou bien des déséquilibres alléliques où plus de 2 copies sont quantifiées. Connaître la séquence de l’allèle présent est important pour estimer les régulations, surtout s’il est muté. Aussi, il est important de connaître l’hétérogénéité du prélèvement et de la prendre en charge pour mener l’analyse. En effet, si la biopsie contient peu de cellules tumorales, l’intensité des altérations du génome tumoral sera diluée par le génome des cellules normales environnantes (stroma, épithélium normal, etc.). Dans ce contexte, l’usage de puces à SNP est très utile. Les puces à SNP contiennent plusieurs millions de séquences (2 à 3 millions) et mesurent le nombre de copies de séquences comportant un polymorphisme (SNP) et des régions non polymorphiques dans leur séquences (Copy Number Variant [CNV]). Connaître le nombre de copies jusqu’au niveau allélique permet d’identifier les déséquilibres cités ci-dessus. De plus, l’adaptation de méthodes statistiques à ces données permet de mesurer la “contamination” en cellules normales ou le mosaïcisme des altérations Thérapie ciblée anti-FGFR1 Figure 3. Exemple de profil moléculaire d’une tumeur du sein (d’après San Antonio Breast Cancer Symposium 2011: Poster SAFIR01). 306 | La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 DOSSIER THÉMATIQUE de la biopsie (7, 8) pour ajuster la ploïdie tumorale, et de définir les réels taux d’amplification de telle ou telle région génomique. La forte densité de ces puces à SNP (1 marqueur toutes les 880 bases) permet de déterminer plus précisément les points de cassure, et de proposer des dérégulations de l’expression des gènes concernés si des délétions apparaissent dans un ou plusieurs exons codant pour des domaines protéiques importants ou critiques. Prochainement, l’essai clinique SHIVA, initié par C. Le Tourneau de l’institut Curie, proposera pour toutes les tumeurs une analyse génomique large utilisant les puces Cytoscan HD pour rechercher des altérations fines, ainsi qu’un séquençage à haut débit sur des gènes cibles, pour lesquels des thérapeutiques innovantes et ciblées sont disponibles. Analyse de l’expression du génome à l’aide de puces Le génome humain comporte environ 18 000 gènes (base Refseq, version 37.3, 9 mai 2012) et plus de 26 000 séquences codantes annotées, donnant plus de 31 000 ARNm et plus de 1 million de protéines. Analyser l’ensemble des gènes exprimés à un instant t permet de quantifier les besoins de cellules, d’un tissu, et d’appréhender les dysfonctionnements. L’analyse de l’ensemble des protéines n’est actuellement pas simple pour des raisons techniques ; cependant, celle du transcriptome grâce aux puces est possible, car elle nécessite peu de matériel : 100 ng d’ARN au total, soit quelques milliers de cellules. Les gènes ont une structure complexe, composée de séquences de régulation de leur expression (régions promotrices), d’exons correspondant aux séquences codantes, d’introns (séquences non codantes), dans lesquels des éléments de régulation alternatifs sont contenus qui donnent lieu à l’expression de différents ARNm. La maturation des ARNm conduit également à différents ARNm composés de tous les exons de départ ou d’une partie d’entre eux. La quantification des transcrits nécessite alors des outils adaptés à la quantification des différentes régions des ARNm, en utilisant un bon nombre de marqueurs répartis sur la séquence de l’ARNm. Depuis les années 2000, un très grand nombre de tumeurs ont été analysées sur des puces d’expression interrogeant l’extrémité 3’ des ARNm pour caractériser leur transcriptome (6). Plus particulièrement, dans les tumeurs du sein, ces analyses ont permis d’identifier 4 grands groupes (10, 11) pour définir des marqueurs pronostiques au regard des données de survie et des traitements délivrés. L’équipe de Laura J. van’t Veer a été la première à proposer un test MammaPrint utilisant 70 gènes, et un essai clinique européen, MINDACT, pour choisir le traitement adjuvant selon le risque métastatique prédit. L’objectif de l’essai MINDACT est de confirmer que le risque de rechute évalué par cette signature est plus précis que si l’on se base sur des critères cliniques standard (taille de la tumeur, récepteurs hormonaux), cela pour éviter une escalade thérapeutique. “D’après les résultats actuels de l’essai MINDACT en cours, la signature d’Amsterdam permettrait d’éviter une chimiothérapie postopératoire superflue à 15 à 20 % de femmes”, a déclaré S. Delaloge, de l’institut Gustave-Roussy, responsable de cet essai en France. De façon dérivée, l’analyse de l’expression des gènes peut être utilisée pour reclasser les tumeurs du sein de grade 2 (12) en grade 1 ou 3 selon le niveau d’expression de 97 gènes impliqués dans la prolifération et dans la régulation du cycle cellulaire. Le test Genomic Grade Index (GGI) a été développé dans les tumeurs du sein par l’équipe de C. Sotiriou et permet de classer les grades 2, qui représentent 30 à 60 % des tumeurs du sein, et dont l’analyse histopathologique est sujette à variation selon le pathologiste. Récemment, une étude menée par l’institut Curie (13) et Ipsogen, qui propose le test du GGI sous le nom de MapQuant™, a montré l’intérêt de ces analyses par puce : cette approche apporte plus d’informations que le seul grade génomique (22 000 transcrits dosés). Il apparaît que les puces sont des outils plus robustes et standardisés. Cependant, le coût d’une analyse reste élevé et nécessiterait une évolution vers un test par PCR, et ce, à partir d’échantillons fixés et inclus en paraffine (FFPE), car tous les centres ne disposent pas actuellement de biopsies congelées. Le test Oncotype Dx, proposé par Genomic Health aux États-Unis, est un test similaire, définissant un score de métastase. Ce test a été adapté pour des FFPE et repose sur une quantification par PCR et non par puce. La comparaison de ces données avec celles de l’essai Transbig (Mindact), et GGI permettra bientôt de sélectionner le meilleur prédicteur pronostique selon les données de survie. En plus des signatures pronostiques, des signatures prédisant la sensibilité aux molécules dans un contexte néo-adjuvant de cancer du sein ont été définies (14). Les résultats de L. Pusztai, basés sur l’analyse de 133 tumeurs du sein sur puce Affymetrix, ont montré que 30 transcrits suffisaient à prédire la sensibilité au paclitaxel et au 5 fluoro-uracile + doxorubicine + cyclophosphamide (T/FAC). Afin de tester Abonnezvous en ligne ! Bulletin d’abonnement disponible page 319 www.edimark.fr La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 | 307 DOSSIER THÉMATIQUE La médecine personnalisée Retrouvez l’intégralité des références bibliographiques sur www.edimark.fr Usage des puces en cancérologie cette hypothèse, et sur la base des résultats du MD Anderson Cancer Center (États-Unis), l’essai clinique randomisé REMAGUS04 a été initié par F. André et conduit à l’institut Gustave-Roussy et à l’institut Curie. Cet essai s’adressait à des patientes atteintes d’un cancer du sein (tumeur de plus de 2 cm) HER2−, dans un contexte néo-adjuvant ; son objectif principal était de proposer une chimiothérapie sur mesure plus efficace à toutes les patientes et donc d’accroître le nombre de femmes bénéficiant de la préservation de leur sein. Des études antérieures ont en effet mis en évidence 2 signatures génomiques prédictives d’une meilleure réponse à des chimiothérapies spécifiques : ➤ la signature 1 semble prédictive d’une meilleure réponse à une chimiothérapie à base de paclitaxel hebdomadaire puis de FEC 100 ; ➤ la signature 2 semble prédictive d’une meilleure réponse à une chimiothérapie à base d’anthracyclines puis de docétaxel ; ➤ pour les patientes dont la tumeur n’exprime ni la signature 1 ni la signature 2, une chimiothérapie à base de docétaxel puis de capécitabine semble être la mieux adaptée. Cet essai est clos, et les résultats sont en cours d’exploitation pour tester la performance du DLD30, et évaluer son intérêt pour guider ou non la chimiothérapie avec une approche pharmacogénomique. Il semble que cette approche est possible dans un contexte clinique. Enfin, il apparaît dans les tumeurs du sein plusieurs signatures transcriptomiques, dont l’usage comme outils décisionnels délivre les premiers résultats pour des patients présentant un risque métastatique élevé. Des signatures de deuxième génération restent à définir pour améliorer les performances en utilisant des outils de dernière génération (exon arrays, splice arrays, RNAseq) [15-17]. ■ E-journal en direct de la MASCC 2012 Multinational Association of Supportive Care in Cancer NEW YORK, Coordinateur : Florian Scotté 28-30 JUIN RETROUVEZ-NOUS À PARTIR DU 28 JUIN SUR : 2012 www.edimark.fr/ejournaux/mascc/2012 Site réservé aux professionnels de santé JEUDI VENDREDI SAMEDI 28 JUIN 29 JUIN 30 JUIN Attention : les comptes-rendus de congrès ont pour objectif de fournir des informations sur l’état actuel de la recherche ; ainsi, les données présentées seront susceptibles de ne pas être validées par les autorités françaises et ne doivent donc pas être mises en pratique. Ces informations sont sous la seule responsabilité du coordinateur, des auteurs et du directeur de la publication qui sont garants de l’objectivité de cette publication. Sous l’égide de La Lettre du Cancérologue - Directeur de la publication : Claudie Damour-Terrasson - Rédacteur en chef : Pr Jean-François Morère 308 | La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 Avec le soutien institutionnel de DOSSIER THÉMATIQUE La médecine personnalisée Usage des puces en cancérologie Références bibliographiques (suite de la p. 308) 1. De Cremoux P, Valet F, Gentien D et al. Importance of pre-analytical steps for transcriptome and RT-qPCR analyses in the context of the phase II randomised multicentre trial REMAGUS02 of neoadjuvant chemotherapy in breast cancer patients. BMC Cancer 2011;11:215. 2. Andre F, Job B, Dessen P et al. Molecular characterization of breast cancer with high-resolution oligonucleotide comparative genomic hybridization array. Clin Cancer Res 2009;15(2):441-51. 3. Soulier J, Pierron G, Vecchione D et al. A complex pattern of recurrent chromosomal losses and gains in T-cell prolymphocytic leukemia. Genes Chromosomes Cancer 2001; 31(3):248-54. 4. Trolet J, Hupé P, Huon I et al. Genomic profiling and identification of high-risk uveal melanoma by array CGH analysis of primary tumors and liver metastases. Invest Ophthalmol Vis Sci 2009;50(6):2572-80. 5. Marty B, Maire V, Gravier E et al. Frequent PTEN genomic alterations and activated phosphatidylinositol 3-kinase pathway in basal-like breast cancer cells. Breast Cancer Res 2008;10(6):R101. 6. Meyniel JP, Cottu PH, Decraene C et al. A genomic and transcriptomic approach for a differential diagnosis between primary and secondary ovarian carcinomas in patients with a previous history of breast cancer. BMC Cancer 2010; 10:222. 7. Popova T, Manié E, Stoppa-Lyonnet D et al. Genome Alteration Print (GAP): a tool to visualize and mine complex cancer genomic profiles obtained by SNP arrays. Genome Biol 2009;10(11):R128. 8. Kaveh F, Edvardsen H, Børresen-Dale AL, Kristensen VN, Solvang HK. Allele-specific disparity in breast cancer. BMC Med Genomics 2011;4:85. 9. Peter M, Stransky N, Couturier J et al. Frequent genomic structural alterations at HPV insertion sites in cervical carcinoma. J Pathol 2010;221(3):320-30. 10. Sørlie T, Perou CM, Tibshirani R et al. Gene expression patterns of breast carcinomas distinguish tumor subclasses with clinical implications. Proc Natl Acad Sci USA 2001;98(19):10869-74. 11. Hu Z, Fan C, Oh DS et al. The molecular portraits of breast tumors are conserved across microarray platforms. BMC Genomics 2006;7:96. 12. Sotiriou C, Wirapati P, Loi S et al. Gene expression profiling in breast cancer: understanding the molecular basis of 308 | La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 histologic grade to improve prognosis. J Natl Cancer Inst 2006;98(4):262-72. 13. Reyal F, Bollet MA, Caly M et al. Respective prognostic value of genomic grade and histological proliferation markers in early stage (pN0) breast carcinoma. PLoS One 2012;7(4):e35184. 14. Hess KR, Anderson K, Symmans WF et al. Pharmacogenomic predictor of sensitivity to preoperative chemotherapy with paclitaxel and fluorouracil, doxorubicin, and cyclophosphamide in breast cancer. J Clin Oncol 2006; 24(26):4236-44. 15. Desmedt C, Ruiz-Garcia E, André F. Gene expression predictors in breast cancer: current status, limitations and perspectives. Eur J Cancer 2008;44(18): 2714-20. 16. André F, Michiels S, Dessen P et al. Exonic expression profiling of breast cancer and benign lesions: a retrospective analysis. Lancet Oncol 2009;10(4):381-90. 17. Dutertre M, Lacroix-Triki M, Driouch K et al. Exon-based clustering of murine breast tumor transcriptomes reveals alternative exons whose expression is associated with meta­ stasis. Cancer Res 2010;70(3):896-905.