Apport de la Pharmacogénomi

que dans le traitement des

CancersMaster 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

Drogues1 2 3 4 5 6

Lign

ée c

ellu

laire

Phase 1 : dose maximale tolérée (DMT)

Phase 2 : toxicité/efficacité

Phase 3 : Comparaison bras de référence

Limites des statistiques !

• Jusqu’en 2000 :– Type de chimiothérapie basé sur études phase III =>

Données statistiques de réponse et toxicité

100

0 6 12 24 30 36 42 48 55 62 68

Months

0

20

40

60

80

Prog

ress

ion-

free

sur

viva

l Chimiothérapie A (n=544)

Chimiothérapie B (n=544)

p < 0.05

0

20

40

60

80

100

0 12 24 36 48

Months

Prog

ress

ion

free

sur

viva

l

Bras A

Bras B

p = 0.145

Problème de sélection

Traitement identique

Objectif : Traitement à la carte

Moyens: 1.Pharmacogénomique2.Pharmacogénétique

Hétérogénéité -Tumorale- Patient

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

ADN

ARN

Protéine

Transcriptome(cDNA microarray...)

TumeurTumorothèques

Génome(FISH,CGH array, SNP...)

Sang : Protéines, CTC,

Protéome(Spectrométrie de masse...)

Analyses à l’échelle génomique

Echantillons Extraits -mics

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

Ech

an

till

on

sRouge : Surexpression

Vert : Sous-expression

Gènes

• Pronostiques

• 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

« Normal like »

« BRCA1 »

BCL2

EGFR

« LUMINAL»

KRT 8/18 +ESR1 +++ESR genes regulatedBCL2 +

« HER2 + »

ESR1 -GRB7

TP53 * 71%RAS pathway

«BASAL»ESR1-

KRT5/17 +

HER2 –TP53 * 82%

TOP2AMYC

KIT pathways

ESR1 +

Classification moléculaire des cancers du sein

Perou et al, Sorlie et al, Bertucci et al, Sotiriou et al, Hedenfalk et al, West et alVan 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

Nature, 415, 530-536, 2002

25 000 gènes

Signature moléculaire(70 gènes)

Discrimination pronostique

78 tumeurs N0(training set)

Tumeurs du sein (T<5cm; N0)

Absence de métastases( > 5 ans)

Présence de métastases( < 5 ans)

Signaturemoléculaire

17 tumeurs N0(validation set)

Signature pronostique

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

95% ±2.6%

55% ±4.4%

Survie GlobaleSignature Mammaprint

Essai MINDACT en cours :

Oncotype DX

21-gene assay = 16 outcome-related genes + 5 reference genes

A risk score is calculated from 0 -100

No distant recurrence (low risk) = 93.2%

No distant recurrence (high risk) = 69.5%

Pharmacogénomique et

Apport prédictif

19 813 gènes

Signature moléculaire(74 gènes)

Prédiction pCR >92% (vs 61%)

133 patients(training set)

51 patients(validation set)

Signature prédictive de réponse à la chimiothérapie FAC/Taxol

Profil génomique (signature DLDA-30)

versus

facteurs prédictifs anatomo-cliniques

(âge, grade, RH)

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

« Normal like »

« BRCA1 »

BCL2

EGFR

« LUMINAL»

KRT 8/18 +ESR1 +++ESR genes regulatedBCL2 +

« HER2 + »

ESR1 -GRB7

TP53 * 71%RAS pathway

«BASAL»ESR1-

KRT5/17 +

HER2 –TP53 * 82%

TOP2AMYC

KIT pathwaysEGFR

ESR1 +

Classification moléculaire et identification de cibles

thérapeutiques

Perou et al, Sorlie et al, Bertucci et al, Sotiriou et al, Hedenfalk et al, West et alVan 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

• c-Kit

• TOP2A → cible des anthracyclines

• Instabilité génétique → DNA-damaging agents ( platinum compounds , . . . )

• p-53 → taxanes

Thérapies ciblées

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

P

P

P Grb 2

SOSRAS

RAS

RAF

MEK

ERK

P

GTP

GDP

II II

HER2 HER 1 ; 3 ; 4

hétérodimérisationI I

III

IV

III

IV

HER 2 FISH IHC

Absence de surexpression

Faible surexpression + / ++

Forte 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

EGF-R

Erbitux, Vectibix => Colon, ORL

Iressa, Tarceva => Poumon

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 ?

K DFG L L

Tyrosine kinase

745

K DFG Y Y Y YTM

718 964

EGF ligand binding Domaine de P

GXGXXG

858

LREA

861

Exon: 18 19 20 21 22 23 24

Mutations de l’EGFR et Sensibilité au Gefitinib /

Erlotinib

G719A/C L858Rdeletion L861Q

Lynch et al ’04; Paez et al ‘04; Pao et al ‘04

Survie : Statut EGFR et ITK

EGFR mutation positive

EGFR mutation negative

HR (95% CI) = 0.48 (0.36, 0.64) p<0.0001

ITK Gefitinib (n=132)Carboplatin / paclitaxel (n=129)

HR (95% CI) = 2.85 (2.05, 3.98) p<0.0001

0 4 8 12 16 20 240.0

0.2

0.4

0.6

0.8

1.0

Pro

bab

ilit

y o

f p

rog

ressio

n-f

ree

su

rviv

al

0 4 8 12 16 20 240.0

0.2

0.4

0.6

0.8

1.0

Pro

bab

ilit

y o

f p

rog

ressio

n-f

ree

su

rviv

al

ITK Gefitinib (n=91)Carboplatin / paclitaxel (n=85)

Months Months

Mok et al ‘09

Poumon et Gène de Fusion EML4-ALK

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

Détermination par FISH

La protéine ALK induitune prolifération et une inhibition de l'apoptose

4 à 5 % des caucasiens et 7 à 8% des asiatiquesY. Bang et al. ASCO 2010. Abstract 3

Basic WD

KinaseTM

ALK

1058 16201

EML4-ALK variant 11 496 1059

EML41 HELP 496 981

Thérapeutique EML4-ALK

• Crizotinib : ITK

Réponse au crizotinib

60

40

20

0

–20

–40

–60

–80

–100

Progressive disease

Stable disease

Confirmed partial response

Confirmed complete response

0 12 24 36 48 60

100

80

60

40

20

0EML4–ALK

EGFRWT/WT

=> Absence de réponse aux anti-EGFR

SSP

autre2%

Inconnu 65%

Ras 15%

Met 1%PDGFRa 4% Ros

1%Alk4%

EGFR 10%

Nouvel arsenal thérapeutique:

-Anti-EGFR si mutations EGFR

-Inhibiteurs EML4-ALK

-Chimiothérapie à base de sels de platine si déficit du mécanismes de réparation (défaut ERCC1 – système NER)

……..

Cancer du poumon : Identification de multiples sous-

types

Adaptation de traitements différents selon le statut moléculaire

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 ?

PI3KPI3KPI3KPI3K

MEKMEKMEKMEK

ERKERKERKERK

RasRasRasRas

AktAktAktAkt

prolifération

RafRafRafRaf

mTormTormTormTor

Mutations

EGFR

K-Ras et B-Raf : mutations et réponses thérapeutiques

Mutations EGFR rares

Amado, R. G. et al. J Clin Oncol; 26:1626-1634 2008

Importance du statut K-ras

K-ras muté

7.4 vs 7.3 sem

K-ras sauvage

12.3 vs 7.3 sem

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 ???

Heinrich et al. Hum Pathol. 2002;33:484; Science 2003, Corless et al. Proc AACR. 2003

Mutations de KIT et PDGFRa dans Mutations de KIT et PDGFRa dans les GISTles GIST

Mutations activatricesMutations activatrices

Membrane

Cytoplasme

Exon 11 (67%)Exon 11 (67%)

Exon 9 (10%)Exon 9 (10%)

Exon 13 (0.5%)Exon 13 (0.5%)

Exon 17 (0.5%)Exon 17 (0.5%)

Exon 12 (0.9%)Exon 12 (0.9%)

Exon 18 (6.3%)Exon 18 (6.3%)

KIT (78%)

PDGFR((8%)8%)

Fréquence des mutations : Fréquence des mutations :

86%86%

Exon 14 (0.3%)Exon 14 (0.3%)

Sensible au Glivec®

Résistant au Glivec®

Median SSP (months) 6 / 19

3-year estimate (%) 5 / 17

P value (logrank test) 0.017

KIT exon 9 mutants

KIT exon 9 mutants: 400 mg / 800 mg GLIVECOther patients: 400 mg / 800 mg GLIVEC

0 1 2 3 4 50

10

20

30

40

50

60

70

80

90

100

Years

Survie sans progression Survie sans progression selon statut c-KITselon statut c-KIT

Comment sélectionner les Comment sélectionner les cibles?cibles?

• Règles générales:Règles générales:

ExpressionExpression →→ Cible possible Cible possible

ExpressionExpression ++ ActivationActivation →→ Cible prometteuseCible prometteuse

ExpressionExpression ++ ActivationActivation ++ Mécanisme Mécanisme →→ Cible majeureCible majeure

ExpressionExpression ++ ActivationActivation ++ Mécanisme Mécanisme + + DrogueDrogue

→→ Étude cliniqueÉtude 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