INSERM U1194 – Résistance aux Traitements et Thérapies Innovantes Approches in silico pour l’identification de marqueurs de réponse aux inhibiteurs de kinases Philippe Pourquier XVIES JOURNÉES DU GROUPE DE PHARMACOLOGIE CLINIQUE ONCOLOGIQUE 17&18 novembre 2016, Toulouse Exemple du cancer de la prostate 1er rang des cancers chez l’homme - Incidence augmente avec l’âge 3ème rang des décès par cancer Cancer androgéno-dépendant Evolution de la maladie (volume tumoral) Très hétérogène (anatomopathologie et génétique) Traitement local - Chirurgie - Radiothérapie Déprivation androgénique - Castration - Analogues de la LHRH Antiandrogènes - 1ère génération (Bicalutamide) Chimiothérapies - Taxanes (Docétaxel, Cabazitaxel) Antiandrogènes - 2ème génération (Enzalutamide, Acétate d’abiratérone) Et après……? Immunothérapie - Sipuleucel -T Radiopharmaceutique - Radium-223 Années Formes localisées Formes récidivantes Formes avancées androgéno-dépendantes résistantes à la castration Les différents essais avec les inhibiteurs de kinases IK Erlotinib Gefitinib Cibles Phase Résultat Prometteur Négatif EGFR II Lapatinib HER2-Nu, EGFR, ERbB II Négatif Imatinib PDGFR, BCR-Abl,Kit RSCF,DDR1-2,CSF-1R II Négatif Dasatinib Abl, Src, c-Kit, SRC, EPH, PDGFR III Négatif Cediranib Sorafenib Sunitinib VEGFR, Flt1/4, c-Kit, PDGFR, CSF-1R RAF-1, B-RAF, VEGFR VEGFR, PDGFR II II III Négatif Cabozantinib c-Met et VEGFR-2 III Vandetanib VEGFR-2 II « Positif » Négatif Altérations des voies de signalisation dans le cancer de la prostate Felgueiras et al. / J Zhejiang Univ-Sci B (Biomed & Biotechnol) 2014 15(1):16-42 Pourquoi des résultats si décevants? Problème: de plus en plus d’IKs sont en cours de développement Comment choisir le plus en amont possible pour éviter la multiplication d’essais couteux infructueux? En essayant d’identifier des gènes caractéristiques des cancers de prostates résistants à la castration dont l’expression est corrélée à la réponse aux IKs Utilisation des collections de lignées tumorales en culture La collection du National Cancer Institute - 60 lignées appartenant à 9 types tumoraux - Données moléculaires très riches (Profils d’expression, DNA copy number Exome seq, caryotypes, CGH array, bientôt méthylation) - Données pharmacologiques très riches: GI50 de >200 000 molécules - Développement de l’Outil CellMiner http://discover.nci.nih.gov La collection de la Cancer Cell Line Encyclopedia - 1036 lignées appartenant à tous les types tumoraux - Données moléculaires riches Profils d’expression (mRNA), DNA copy number Mutations classiques de 33 gènes de cancer Exome seq de 1651 gènes - Données pharmacologiques pauvres GI50 de 24 molécules dans 504 lignées Approche in silico Validation fonctionnelle NCI60 panel - CCLE panel Données de sensibilité (-logIC50) Données d’expression Tests de corrélation de Pearson Expression vs Sensibilité Corrélation positive Corrélation négative 5 Sensibilité (- log IC50 ) Sensibilité (- log IC50 ) 9 8 7 6 5 0 100 200 300 400 500 600 700 800 4 3 2 0 Expression levels (a.u.) 50 100 150 200 250 Expression levels (a.u.) Identification de couples gène/drogue 300 Les inhibiteurs de kinases: Gènes: NCI60 • “Signature de l’évolution tumorale prostatique” Tomlins et al. Nat Genet 2007, 39: 41-51 NSC 750691 757441 765694 761068 768069 Cibles Inhibiteurs Afatinib ErbB, EGFR (ErbB1), HER2 (ErbB2), ErbB3 et ErbB4 Axitinib VEGFR1, VEGFR2, VEGFR3, PDGFRβ, c-KIT Bosutinib BCR-ABL Cabozantinib VEGFR2, c-Met, Ret, Kit, Flt-1/3/4, Tie2, AXL Cobimétinib BRAF V600E 756645 764134 732517 718781 365798 715055 761910 Crizotinib Dabrafénib Dasatinib Erlotinib Fostamatinib Géfitinib Ibrutinib 743414 727989 621867 747599 Imatinib Lapatinib Lestaurtinib Nilotinib 752782 758487 741078 Pazopanib Ponatinib Sélumétinib 750690 758246 760766 761431 Sunitinib Tramétinib Vandétanib Vémurafénib ALK, variants oncogéniques d'ALK : EML4-ALK et NPMALK, HGFR, c-Met,(RON) RTK BRAFV600E BCR-ABL, SRC, c-KIT,EPH,PDGFRβ EGFR SYK EGFR BTK BCR-ABl, Kit, RSCF, DDR1, DDR2, CSF-1R, PDGFRalpha et PDGFR-bêta EGFR (ErbB1) et HER2 (ErbB2) FLT3 BCR-ABL VEGFR1, VEGFR2, VEGFR3, PDGFRα, PDGFRβ, c-KIT, FGFR, c-Fms Abl, PDGFRα, VEGFR2, FGFR1, Src MEK1, ERK1/2 PDGFRα , PDGFRβ, VEGFR1, VEGFR2, VEGFR3, KIT,FLT3, CSF-1R,RET MEK1/2 VEGFR-2, KDR, EGFR, RET BRAF V600E CCLE Selumetinib, PD-0325901 (MEK) PLX4720, RAF265 (RAF) Corrélations avec les gènes de la signature de Tomlins et al. Joëlle Azzi, Nadine Houédé NCI60 Rôle d’ETV1 dans la réponse aux inhibiteurs de RAF/MEK ? CCLE Facteurs de transcription de la famille des ETS Prostate Normale Prostate Cancéreuse TPMRSS2-ETV1 (TPMRSS2) ETV1: ETS (E26) variant 1 Gènes inconnus ou uniques Effets de la modulation de l’expression d’ETV1 dans la réponse au vémurafénib Modèles de répression stable Croissance (%) 22RV1 100 22RV1 80 60 40 22RV1-ShLUC 22RV1-ETV1-Sh1 22RV1-ETV1-Sh2 20 0 0,1 LNCaP 1 10 Vémurafénib (µM) 100 120 LNCaP Croissance (%) 100 80 60 LNCAP-ShLuc Lncap-ETV1-Sh1 Lncap-ETV1-Sh2 40 20 0 0,1 1 10 Vémurafénib (µM) 100 22RV1 A Vémurafénib (µM) ShLUC 1 10 Count 0 ETV1-Sh1 ETV1-Sh2 B ShLUC 34,1 ETV1-Sh1 19,4 17,5 17,6 23,3 28,6 43,6 17,4 37,6 5,0 NT 19,3 Vemu 33,1 25,0 60,9 17,6 4,1 NT 28,6 Vemu C ETV1-Sh2 69,4 4,8 25,6 6,3 17,1 36,2 7,1 NT Vemu G2/M S G0/G1 SubG1 20 50 Corrélations avec les gènes du métabolisme: quelques exemples Matthieu Gassiot, Alexandre Evrard (Poster ) PXR CAR Les approches in silico reposant sur l’utilisation de collections de lignées cellulaires : permettent de se confronter à la variabilité biologique et sont complémentaires des approches utilisant des collections de tumeurs de patients permettent d’identifier des marqueurs (signatures) de réponse à toute molécule antiproliférative (IKs ou autres) permettent d’identifier de nouvelles pistes originales (ex: nouveaux gènes modulant la réponse aux IKs) permettent de définir de nouvelles cibles pour potentialiser l’action des IKs peuvent servir à orienter les futurs essais cliniques lorsqu’elles sont validées par des expérimentations in vitro et/ou in vivo INSERM U1194 Équipe: Résistance aux traitements et thérapies innovantes Céline Gongora Alexandre Evrard Philippe Pourquier Maguy Del Rio Sophie Pattingre Litaty Mbatchi Nadine Houédé Diego Tosi Nadia Vié Hanane Agherbi Joëlle Azzi Matthieu Gassiot Eve Combes Leila El Kebriti Sara Cherradi Esther Pérez-Gracia Melissa Gabanou Lucille Thouennon Marie Kong-Hap Équipe: Signalisation Hormonale et Cancer Patrick Balaguer Abdel Boulahtouf INSERM UMR 1218 – Institut Bergonié, Bordeaux Stéphane Puyo Jacques Robert Laboratory of Molecular Pharmacology NCI, Bethesda, MD William Reinhold Yves Pommier