Apport de la pharmacogénomique en oncologie médicale
publicité
Apport de la Pharmacogénomique dans le traitement des Cancers Master 1 : Module Oncologie 22 Novembre 2010 - Dr Barthélémy Plan • Introduction : Chimiothérapie - limites des approches statistiques • Apport de la pharmacogénomique: – Apport pronostique – Apport prédictif de réponse à la chimiothérapie – Apport prédictif de réponse aux thérapies ciblées Méthodologie du développement des chimiothérapies et limites Drogues Phase 1 : dose maximale 1 Phase 2 : toxicité/efficacité Phase 3 : Comparaison bras de référence Lignée cellulaire tolérée (DMT) 2 3 4 5 6 Limites des statistiques ! • Jusqu’en 2000 : – Type de chimiothérapie basé sur études phase III => Données statistiques de réponse et toxicité Chimiothérapie A (n=544) 80 100 p = 0.145 80 60 Progression free survival Progression-free survival 100 60 p < 0.05 40 Bras A 40 Chimiothérapie B (n=544) 20 Bras B 20 0 0 0 6 12 24 30 36 42 Months 48 55 62 68 0 12 24 Months 36 48 Problème de sélection Traitement identique Hétérogénéité -Tumorale - Patient Objectif : Traitement à la carte Moyens: 1. Pharmacogénomique 2. Pharmacogénétique Sélection des tumeurs et des patients!! Cible + Cible - Définitions • Pharmacogénétique – Etude du génome du patient • Polymorphisme des cytochrome P450 et réponse à une drogue • Analyse pangénomique des SNP (polymorphisme si >1% des patients) • Pharmacogénomique • Etude du génome tumoral Analyses à l’échelle génomique Echantillons Extraits ADN Tumeur Tumorothèques ARN Protéine Sang : Protéines, CTC, -mics Génome (FISH,CGH array, SNP...) Transcriptome (cDNA microarray...) Protéome (Spectrométrie de masse...) Apport de la pharmacogénomique • Etablir des profils d’expression (signatures moléculaires) – Caractérisation de sous-types de tumeurs (ex. Puces à ADN et Cancer du sein) – Rôle pronostique, prédictif, • Identification de nouvelles cibles thérapeutiques (HER-2, EGFR, c-KIT…) • Identification de facteurs prédictifs de réponse – Mutations de gènes : EGFR, K-RAS, c-KIT – Polymorphismes : ERCC1 et sels de platine – Translocations : ALK4 (cancer du poumon) Approche « génomique globale » • Etude par puces à ADN de signatures moléculaires • Apport pronostique • Apport prédictif • Identification de nouvelles cibles thérapeutiques Signatures moléculaires : Puces à ADN 1.Extraction ARN tumoral 2. RTPCR => ADNc 3. Marquage fluorescent de l’ADNc (Cy5 => ADNc tumoral; Cy3 => ADNc étalon 4. Hybridation Mix ADNc – Puce à ADN 4. Processus d’analyse Signatures moléculaires Gènes • Pronostiques Rouge : Surexpression Vert : Sous-expression Echantillons • Prédictives de réponse aux traitements Classification moléculaire des cancers du sein • Etablissement d’une nouvelle taxonomie de cancer du sein • Définition d’index pronostiques basés sur les caractéristiques génétiques (OncotypeDX, Mammaprint) • Prédiction de la réponse aux différents traitements antitumoraux • Identification de cibles moléculaires permettant de nouveaux traitements ciblés Classification moléculaire des cancers du sein « LUMINAL» « HER2 + » KRT 8/18 + ESR1 ESR1 + ESR1 +++ GRB7 ESR genes regulated TP53 * 71% BCL2 + RAS pathway «BASAL» « Normal like » TOP2A MYC KIT pathways « BRCA1 » ESR1KRT5/17 + HER2 – TP53 * 82% BCL2 EGFR Perou et al, Sorlie et al, Bertucci et al, Sotiriou et al, Hedenfalk et al, West et al Van de Rijn et al Am J Pathol 2002, Abd El Rehim et al J Pathol 2004 Index pronostic selon la classification Sorlié 2001 Pharmacogénomique et Apport pronostique Signature pronostique Tumeurs du sein (T<5cm; N0) Signature moléculaire Absence de métastases ( > 5 ans) Présence de métastases ( < 5 ans) 25 000 gènes 78 tumeurs N0 (training set) Signature moléculaire (70 gènes) 17 tumeurs N0 (validation set) Discrimination pronostique Nature, 415, 530-536, 2002 Nouveaux outils décisionnel en cancérologie du sein • Oncotype DX : score de récurrence; validé aux USA • Mammaprint (signature d’amsterdam): en cours de validation (Essai Mindact) • => probable outil décisionnel pour l’indication de chimiothérapie adjuvante du cancer du sein Mammaprint : Signature 70 gènes Essai MINDACT en cours : Survie Globale Signature Mammaprint 95% ±2.6% 55% ±4.4% Oncotype DX 21-gene assay = 16 outcome-related genes + 5 reference genes No distant recurrence (low risk) = 93.2% No distant recurrence (high risk) = 69.5% A risk score is calculated from 0 -100 Pharmacogénomique et Apport prédictif Signature prédictive de réponse à la chimiothérapie FAC/Taxol 19 813 gènes 133 patients Profil génomique (signature DLDA-30) (training set) Signature moléculaire (74 gènes) 51 patients (validation set) versus facteurs prédictifs anatomo-cliniques (âge, grade, RH) Prédiction pCR >92% (vs 61%) Ayers, 2004, Pusztai 2004, Hess 2006 Prédiction Réponse Docetaxel • Taxotère 100mg/m2 x 4cycles • Réponse clinique • Analyse cDNA • Profil d’expression de 92 gènes -> corrélation réponse au taxotère • VPP 92% et VPN 83% Chang JC Lancet 2003c Prédiction de la réponse à la chimiothérapie pré-opératoire • Résultats prometteurs (mais restent à valider) • Problèmes de méthodologie • Nécessité de standardisation des techniques • Faibles effectifs • Essais cliniques prospectifs Pharmacogénomique et cibles thérapeutiques Classification moléculaire et identification de cibles thérapeutiques « LUMINAL» « HER2 + » KRT 8/18 + ESR1 ESR1 + ESR1 +++ GRB7 ESR genes regulated TP53 * 71% BCL2 + RAS pathway «BASAL» « Normal like » TOP2A MYC KIT pathways EGFR « BRCA1 » ESR1KRT5/17 + HER2 – TP53 * 82% BCL2 EGFR Perou et al, Sorlie et al, Bertucci et al, Sotiriou et al, Hedenfalk et al, West et al Van de Rijn et al Am J Pathol 2002, Abd El Rehim et al J Pathol 2004 Identification de cibles potentielles ex. Cancer basal-like • Angiogenèse • EGF-R Thérapies ciblées • c-Kit • TOP2A → cible des anthracyclines • Instabilité génétique → DNA-damaging agents ( platinum compounds , . . . ) • p-53 → taxanes Approche « mono-génomique » • Recherche d’anomalies de une ou plusieurs cibles thérapeutiques ou voies de signalisation (amplifications, mutations, translocations, polymorphismes…..) • Facteurs prédictifs de réponse aux thérapies ciblées Amplification HER2 cancer du sein et cancer gastrique HER2 HER 1 ; 3 ; 4 I I II II III IV hétérodimérisation III IV SOS P P P P Grb 2 RAS GTP RAS RAF MEK GDP ERK HER 2 FISH IHC Forte surexpression +++ Faible surexpression + / ++ Absence de surexpression Etude HERA : Apport de la cible EGFR Cancer du colon / Poumon / ORL • Surexpression IHC ! • Cible ? Facteur prédictif de réponse ? • Mutations • Altération de la voie de signalisation: K-ras, B-raf EGFR : cible variable Erbitux, Vectibix => Colon, ORL Iressa, Tarceva => Poumon EGF-R EGFR et Cancer du poumon • Réponse aux Inhibiteurs de tyrosine kinase ( ITK ) – Non corrélée à l’expression de EGFR – Corrélée à : • • • • Adénocarcinome Non fumeur Asiatique Sexe féminin Facteur moléculaire prédictifs de réponse ? Mutations de l’EGFR et Sensibilité au Gefitinib / Erlotinib EGF ligand binding Tyrosine kinase TM 718 18 G719A/C DFG 745 GXGXXG Exon: K Domaine de P Y Y Y Y 858 861 K 964 DFG L L 19 LREA deletion 20 21 L858R Lynch et al ’04; Paez et al ‘04; Pao et al ‘04 22 L861Q 23 24 Survie : Statut EGFR et ITK 1. 0 ITK Gefitinib (n=132) Carboplatin / paclitaxel (n=129) 0. 8 HR (95% CI) = 0.48 (0.36, 0.64) p<0.0001 0. 6 0. 4 0. 2 0. 0 0 4 8 12 Months 16 20 24 EGFR mutation negative Probability of progression-free survival Probability of progression-free survival EGFR mutation positive 1. 0 ITK Gefitinib (n=91) Carboplatin / paclitaxel (n=85) 0. 8 HR (95% CI) = 2.85 (2.05, 3.98) p<0.0001 0. 6 0. 4 0. 2 0. 0 0 4 8 12 16 20 Months Mok et al ‘09 24 Poumon et Gène de Fusion EML4ALK Fusion de la partie N terminale de EML4 (Echinoderm Microtubule- Associated Protein-Like 4) et de la région codant la partie intracellulaire d'ALK (Anaplastic Lymphoma Kinase) avec une activité tyrosine kinase 1 Détermination par FISH HELP 496 Basic EML4 1 981 WD 496 1059 EML4-ALK variant 1 1 1058 ALK La protéine ALK induit 1620 Kinase TM une prolifération et une inhibition de l'apoptose 4 à 5 % des caucasiens et 7 à 8% des asiatiques Y. Bang et al. ASCO 2010. Abstract 3 Thérapeutique EML4-ALK • Crizotinib : ITK 100 Réponse au crizotinib SSP 80 Progressive disease 60 Stable disease 60 40 40 20 0 EGFR WT/WT 20 EML4–ALK 0 12 0 24 36 48 60 –20 –40 => Absence de réponse aux anti-EGFR –60 –80 –100 Confirmed partial response Confirmed complete response Cancer du poumon : Identification de multiples sous-types Adaptation de traitements différents selon le statut moléculaire Nouvel arsenal thérapeutique: -Anti-EGFR si mutations EGFR Inconnu 65% -Inhibiteurs EML4-ALK -Chimiothérapie à base de sels de platine si déficit du mécanismes de réparation (défaut ERCC1 – système NER) …….. autre2% Ras 15% EGFR 10% Met 1% PDGFRa Alk 4% Ros 4% 1% EGFR et Cancer du colon • Absence de réponse aux ITK mais réponse aux anticorps • Pas de corrélation avec l’expression EGFR en IHC Facteur prédictif de réponse au mab anti-EGFR ? K-Ras et B-Raf : mutations et réponses thérapeutiques EGFR PI3K Mutations EGFR rares Ras Mutations Raf Akt mTor MEK ERK prolifération Importance du statut K-ras K-ras muté 7.4 vs 7.3 sem K-ras sauvage 12.3 vs 7.3 sem Amado, R. G. et al. J Clin Oncol; 26:1626-1634 2008 Conclusion • Mutation K-RAS : facteur prédictif de non réponse aux Ac anti-EGFR • Adaptation du traitement sur les données de biologie moléculaire • Distinction entre plusieurs sous-types – Kras muté – Braf muté (a valider) …. GIST et Imatinib / Sunitinib • Tumeurs rares développées à partir des cellules de cajal (Gastro-Intestinal Stromal Tumor) • Expression de c-kit (réc. transmembranaire à activité tyrosine kinase) et PDGFR • Traitement par Glivec, Sutent… • Facteurs prédictifs de réponse ??? Mutations de KIT et PDGFRa dans les GIST Mutations activatrices PDGFRa KIT (8%) (78%) Sensible au Glivec® Fréquence des mutations : 86% Exon 9 (10%) Exon 11 (67%) Membrane Exon 12 (0.9%) Exon 13 (0.5%) Exon 14 (0.3%) Cytoplasme Exon 17 (0.5%) Heinrich et al. Hum Pathol. 2002;33:484; Science 2003, Corless et al. Proc AACR. 2003 Exon 18 (6.3%) Résistant au Glivec® Survie sans progression selon statut c-KIT 100 KIT exon 9 mutants 90 80 Median SSP (months) 6 / 19 70 3-year estimate (%) 5 / 17 60 P value (logrank test) 0.017 50 40 30 20 10 0 0 1 2 3 Years KIT exon 9 mutants: 400 mg / 800 mg GLIVEC Other patients: 400 mg / 800 mg GLIVEC 4 5 Comment sélectionner les cibles? • Règles générales: Expression → Cible possible Expression + Activation → Cible prometteuse Expression + Activation + Mécanisme → Cible majeure Expression + Activation + Mécanisme + Drogue → Étude clinique Take Home Message • Pharmacogénomique – Approche indispensable à l’évolution vers un traitement à la carte – Identification de multiples sous-types différents de cancers => classification moléculaire – Problèmes futurs des études cliniques (effectifs faible et difficultés de recrutement) – Modèles mathématiques et statistiques
