Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
1
DEPARTEMENT D’IMMUNOLOGIE ONCOLOGIE SECTION PHARMACO-GENOMIQUE.
Atlas oncologique : Etablissement de signatures transcriptionnelles d’agents anticancéreux.
Rapport de stage Goulven Theze
Fevrier –Août 2003
Maîtres de stage : Dominique SIMON, Omar JBILO.
2
REMERCIEMENTS. Je remercie,
le docteur Pierre Casellas « directeur international du département immunologie oncologie » pour m’avoir accueilli
au sein de ce département à Sanofi-Synthélabo recherche montpellier,
les docteurs Omar Jbilo et Dominique Simon pour m’avoir encadré de manière remarquable en m’enseignant la
rigueur et la méthode scientifique afin que j’eusse pu donner le meilleur de moi-même tout au long de ce stage.
Merci aussi à Annick, Thérèse, Carole, Jean Bernard, ainsi qu’à toute l’équipe du laboratoire pour leur sympathie, leur
dynamisme et leur bonne humeur.
Ce stage fut une expérience très riche et véritablement fructueuse.
3
SOMMAIRE
REMERCIEMENTS…………………..………………………………………………………………………......2
SOMMAIRE…...…….…………………………………………………………………………………………....3
I/INTRODUCTION….…………………………………………………………………………………………....4
II/MATERIEL ET METHODES………………………………………………………………………………….6
1- Culture cellulaire ……………………………………………………………………………..………6
2- Mesure de la cytotoxicité …………………………………………………………….………………6
3- Préparation des cibles biotinylées…………………………………………………………………….6
3.1- Extraction des ARNtotaux………………………………………………………6
3.2- Synthèse de l’ADNc et de l’ARNc biotinylé…………………..………………..6
4- Hybridation des ARNc biotinylés et lecture des puces………………………………….………...….8
5- Traitement des données d’expression…………………………………………………...…................9
5.1- Le logiciel MAS…………………………………………………………………9
5.2- Classification hiérarchique………………………………………...…………….9
III/RESULTATS ………………………………………………………………………………………………...11
1- Détermination des doses cytotoxiques :……………………………………………………………..11
2- Traitement des cellules et préparation des cibles biotinylées……………………………..…………11
3- Comparaison des profils transcriptionnels entre deux puces…….….………………………….……13
3.1- Profil de distribution des intensitées………………………………..……….….13
3.2- Etablissement d’un profil d’expression…..……...………………………….….14
4-Analyse des données d’expression.……………………………………………………….………….15
4.1- Classification hiérarchique ………………………….………………...……….15
4.2- Analyse des modulations transcriptionnelles
induites par les antifusoriaux………………………………………………….….…15
IV/DISCUSSION ……………………………………………………………………..............................….…...17
BIBLIOGRAPHIE………………………………………………………………...........................……..….…...18
4
I/-INTRODUCTION.
Actuellement le cancer est responsable d’un décès sur quatre au sein de la population et constitue ainsi la
deuxième cause de mortalité dans les pays occidentaux [1]. Malgré la diversité de l’origine de cette pathologie et la
complexité des mécanismes qu’elle met en jeu, les cellules cancéreuses se caractérisent toutes par les propriétés
suivantes : l’indépendance vis-à-vis des signaux de prolifération, l’insensibilité aux signaux antiprolifératifs,
l’abolition de l’apoptose, la capacité proliférative illimitée, la capacité de susciter l’angiogenèse et l’acquisition d’un
pouvoir invasif. Ainsi pour remédier à cette pathologie les cliniciens, en plus des interventions chirurgicales et de la
radiothérapie utilisent la chimiothérapie qui est basée sur l’utilisation de molécules cytotoxiques qui par leurs
propriétés d’inhibition de la réplication de l’ADN ou de la mitose [2], visent préférentiellement les cellules se
divisant activement dont les cellules tumorales. La réponse des cellules à de tels traitements est constituée :
- D’une réponse spécifique de la molécule active, liée aux cibles cellulaires et au type de dommages qu’elles
provoquent, ainsi qu’au mécanisme de réparation mis en œuvre.
- D’une réponse commune à tous les antitumoraux : l’activation des voies conduisant à l’arrêt de la prolifération
et/ou à l’apoptose, quel que soit le mécanisme initial.
Il existe plusieurs types d'agents chimiothérapeutiques. Ces médicaments perturbent les processus de la division
cellulaire de différentes manières. Ils sont classés selon leur mécanisme d’action. On distingue des produits qui
perturbent le fuseau mitotique (antifusoriaux), d’autres qui s’intercalent à l’ADN et induisent des cassures de cette
dernière (intercalant, inhibiteurs de topoisomérase II) ou encore des molécules qui inhibent des enzymes de synthèse
de l’ADN appelées antimétabolites. Le tableau 1 résume les différentes classes et leur mécanisme d’action.
Cependant, les progrès et les découvertes réalisées ces derniers temps dans la compréhension de l’oncologie ont
ouvert à côté de ces médicaments cytotoxiques, de nouvelles perspectives thérapeutiques, notamment pour
l’identification de nouvelles cibles [3-6] jouant des rôles clef dans les processus cancéreux. C’est le cas du Glivec™
(STI 571) inhibiteur de la kinase Bcl-Alb [7] et de l’herceptin™ [8]. Cliniquement, ces avancées se traduisent par
l’allongement de la survie des patients.
Le département d’Immunologie Oncologie de Sanofi-Synthelabo Recherche a pour objectif de développer des
molécules innovantes dirigées contre le cancer. La section de pharmaco-génomique participe à l’accomplissement de
cet objectif en élaborant une base de données : « l’atlas oncologique ». Cette base de données contient des signatures
transcriptionnelles induites par différents anticancéreux évalués sur puce à ADN. Cette méthode donne une vision à
deux niveaux de l’activité des antitumoraux :
- Une approche globale : des méthodes statistiques permettent, à partir de l’ensemble des données recueillies, de
positionner les molécules les unes par rapport aux autres (les molécules appartenant à la même classe se regroupant
entre elles), et potentiellement, de déterminer à quelle classe appartient une nouvelle molécule.
- Une approche fine : la lecture des modulations gène par gène permet de reconstituer les cascades
d’activation/répression et d’orienter les travaux ultérieurs.
Le but de ce stage a été de participer à la construction de cet atlas en réalisant le profil transcriptionnel
d’anticancéreux de référence sur une lignée cellulaire du cancer de la prostate.
5
Classe Exemples Mécanisme Alkylants Melphalan* Forment une ou plusieurs liaisons
covalentes avec l'ADN, établissent des ponts entre les brins et déforment la double hélice.
Platinants Cis-platine Comme les alkylants, établissent des liaisons avec l'ADN et déforment la double hélice
Antimétabolites 5-fluorouracile*, méthotrexate* Inhibent des enzymes indispensables à la synthèse des bases nucléiques et empêchent la synthèse d'ADN et d'ARN.
Anti-fusoriaux Taxol*, vincristine* Empêchent la formation du fuseau mitotique en déplaçant l'équilibre de polymérisation de la tubuline
Inhibiteurs de topoisomérase
Camptothécine*, Doxorubicine*, étoposide*
Induisent indirectement des cassures dans l'ADN par fixation sur les topoisomérases.
Anti-hormones Tamoxifène Agissent à l'échelle de l'organisme en modifiant la balance hormonale. Actifs uniquement sur les tumeurs hormono-dépendantes.
* molécule utilisée comme référence dans cette étude.
Tableau 1 : différentes classes d'antitumoraux et principaux mécanismes d'action.
6
II/-MATERIEL ET METHODES. 1 - Culture cellulaire.
Les cellules de cancer de la prostate DU-145 (American Type Culture Cells) sont cultivées dans le milieu de
culture RPMI-1640 (Invitrogen), additionné de 10% de sérum de veau fœtal, 1 mM de pyruvate de sodium et 10 µg/mL de
gentamicine. Les cultures sont réalisées dans une atmosphère 5% CO2-95% air, 100% d’humidité, à 37°C.
2 - Mesure de la cytotoxicité.
Pour les études de cytotoxicité des plaques 96 puits ont été ensemencées à 7 500 cellules par puits. Les cellules
sont traitées 24 heures après ensemencement. La viabilité est évaluée au bout de 48 et 72 heures avec le kit celltiter 96®
Aqueous One Solution Cell Proliferation Assay (Promega). Le principe de ce kit est basé sur la réduction du MTS en un
produit coloré (l’ion Tétrazolium) par le NADH ou le NADPH produits par les cellules vivantes. La lecture s’effectue à
une longueur d’onde de 490nm. Les résultats sont exprimés en pourcentage de viabilité cellulaire en fonction de la
concentration de la molécule.
3 - Préparation des cibles biotinylées. Les différentes étapes de cette préparation sont décrites dans la figure 1.
3.1- Extraction des ARN totaux.
Pour les traitements par les molécules anticancéreuses, les cellules sont ensemencées dans des boîtes de 145 cm²
à raison de 4.106 cellules par boîte. Les molécules sont ajoutées au milieu après 24 heures de culture. Après traitement
pendant 6, 24, ou 48 h par les différents anticancéreux, les ARN totaux sont extraits des cellules dans un tampon de lyse
et purifiés en utilisant le kit RNeasy Midi Kit de Qiagen® puis quantifiés par spectrophotométrie à 260 nm. La qualité
des ARN totaux est vérifiée sur RNA nano Bioanalyser (Agilent™).
3.2- Synthèse de l’ADNc et l’ARNc biotinylé.
Les ADN complémentaires (ADNc) double-brin sont synthétisés à partir de 5 µg d’ARN totaux. L’élongation du
premier brin est réalisée par la transcriptase inverse Superscript ™ II Rnase H-(Invitrogen) et une amorce poly(dT)
couplée à l’oligomere T7 [9]. Cet oligomère présente la caractéristique de porter la séquence du promoteur bactérien T7
utilisé par la suite pour la synthèse d’ARNc. Le second brin est synthétisé par action simultanée de la RNAse H
(Invitrogen) et de l’ADN polymérase I d’Escherichiae Coli (Invitrogen). Les ADNc sont purifiés sur une colonne selon le
protocole du kit GeneChip® sample cleanup module (Affymetrix). Les ARNc biotinylés sont produits à partir des ADNc
avec le kit ENZO BioArray Hight Yield RNA transcript labeling kit (Affymetrix), en présence de biotine-11-cytidine et
biotine-16-uridine. A la fin de la réaction, les ARNc biotinylés sont purifiés sur colonne selon le protocole du kit
GeneChip® sample cleanup module (Affymetrix) et quantifiés par spectrophotométrie à 260 nm. La qualité des ADNc et
des ARNc biotinylés est vérifiée sur gel d’agarose à 1%.
7
Figure 1 : description du protocole de préparation et d’hybridation des cibles biotinylées.
8
4- Hybridation des ARNc biotinylés et lecture des puces.
Avant hybridation sur les puces, les ARNc sont hydrolysés en fragments de 50 à 200 bases par incubation pendant
30 min à 95°C dans un tampon composé de 40 mM de tris-acétate, 100 mM acétate de potassium, 30 mM acétate de
magnésium. Le résultat de la fragmentation est vérifié sur un gel d’agarose à 1%. L’hybridation sur puce HC_G 110
(Affymetrix) est réalisée avec 10 µg d’ARNc, dans le tampon décrit par le fabricant (voir tableau 2), pendant 16 h à 45°C.
Chaque hybridation est réalisée en double. Le lavage et le marquage par le conjugué streptavidine-phycoérythrine ont été
effectués sur une Fluidics Station 400 (Affymetrix) selon le protocole proposé par Affymetrix. La lecture des puces a été
effectuée sur un scanner Hewlett-Packard commercialisé par Affymétrix. Ce scanner utilise le principe du microscope
confocal, avec un éclairage par laser ion-argon (λ = 488 nm) et une détection par un photomultiplicateur à travers un filtre
passe-haut à une longueur d’onde de 570 nm. Chaque puce est scannée et les données d’intensité de fluorescence pixel par
pixel sont enregistrées dans un fichier .dat.
Composant Concentration finale
ARNc fragmenté 0,05 mg/mL
Oligonucléotide B2 50 pM
100X cocktail (BioB, BioC, BioD, cre) 1,5, 5, 25 et 100 pM
ADN de sperme de hareng 0,1 mg/mL
BSA acétylée 0,5 mg/mL
MES
100 mM
Na+ 1 M
EDTA 20 mM
Tweenr 20 0,01%
Tableau 2 : composition du tampon d’hybridation (source : Affymetrix) .
9
5 - Traitement des données d’expression. 5.1 - Le logiciel MAS.
Les puces à ADN Affymetrix ont la particularité de représenter un gène avec une série de 15 à 20 paires
d’oligonucléotides (ou probe pair) constituant un probe set. Chaque probe pair est composé de séquence dites PM
(perfect match) et MM (mis match) correspondant respectivement à un oligonucléotide de 25 bases ayant une parfaite
homologie avec la séquence du cDNA du gène d’intérêt et ce même oligonucléotide avec une mutation centrale ( voir
figure 2). Une probe est une unité d’hybridation de 2,5.107 oligonucléotides identiques de 25 bases.
Le logiciel MAS (Micro Array Suite) 5.0 a été développé par le fabriquant pour analyser les données issues des puces à
ADN Affymétrix afin de prendre en compte cette particularité. Ce logiciel a trois fonctions principales :
- Analyse absolue : sur chaque puce, chaque gène est qualifié de «absent (A)» ou «présent (P)» en se fondant sur les
valeurs relatives des PM et des MM pour chaque jeu de sondes.
- Analyse relative qualitative : pour chaque paire de puce témoin/traité (normalisées entre elles pour les ramener à la
même intensité), chaque gène est qualifié de «increase (I)», «decrease (D)» ou «no change (NC)», en se fondant sur la
variation d’une puce à l’autre de la différence (PM-MM) pour chaque paire de sonde.
- Analyse relative quantitative : pour chaque paire de puces, chaque gène est affecté d’un estimateur de la modulation
(«signal log ratio»). Un « signal log ratio » de 1 équivaut à une augmentation d’un facteur 2 (le log étant ici à base 2).
Ce facteur est calculé indépendamment de la prise de décision précédente.
5.2 - La classification hiérarchique.
La classification hiérarchique («clustering») est une méthode très appréciée en transcriptomique. Elle permet une
visualisation directe des groupes de gènes corrélés, et repose sur la definition d’une distance entre les gènes (et,
éventuellement entre les expériences), mesurant leur ressemblance deux à deux. Un algorithme de classification
permet de construire un dendrogramme à partir de cette matrice de distance. Le choix de distance utilisée et de
l’algorithme détermine le résultat. La figure représentée dans ce document utilise la distance de cosine et le
regroupement UPGMA (unweighted arithmetic average clustering) [10].
Pour réaliser le clustering, les gènes ont été sélectionnés selon les critères suivants :
- Intensité du signal supérieure à 20,
- Signal log ratio >= 1,
- Taux de présence : nombre de comparaison où le gène n’est pas absent (témoin ou traité) ici : 25%.
Les données d’expression des gènes (signal log ratio) sont réorganisées selon l’arbre obtenu et représentées par des
dégradés de couleurs (du vert pour les gènes réprimés au rouge pour les gènes activés) pour donner une figure aisément
interprétable.
10
Figure 2 : description d’un probe set.
11
III/-RESULTATS
1 - Détermination de la dose cytotoxique.
Pour des raisons de confidentialité, les molécules sur lesquelles j’ai travaillé ne peuvent pas être présentées.
Sachant que les schémas d’analyse sont équivalents pour toutes les molécules, j’illustre ce travail par 2 molécules de
références qui sont le Taxol et la Vincristine. Généralement les doses utilisées pour le traitement sont supérieures ou
égales à une inhibition de croissance de 60%. Dans le cas particulier du Taxol et de la Vincristine les courbes effet
dose montrent une inhibition de 60% autour de 100 nM (voir figure 3 A et B). Nous avons donc choisi cette dose
pour la suite des travaux.
2 - Traitement des cellules et préparation des cibles biotinylées.
Les cellules sont incubées à la dose choisie pendant 6 h, 24 h et 48 h. Cette cinétique va nous permettre de
déterminer le temps nécessaire pour obtenir une réponse transcriptionnelle suffisante pour classer les molécules entre
elles. La figure 4 montre les différents contrôles que nous avons réalisés au cours des diverses étapes de la
préparation d’ARNc biotinylé ; la figure 4A montre la qualité des RNA totaux. Deux pics sont très clairement
détectés correspondants aux ARN ribosomaux (18S et 28S). Le pic 28S est largement supérieur au pic 18S ce qui
indique l’absence de la dégradation de l’ARN. Une fois la synthèse des ARNc biotinylé réalisée, leur qualité a été
vérifiée sur gel d’agarose (figure 4B).
B:Taxol
0,0
20,0
40,0
60,0
80,0
100,0
120,0
1E-05 0,0001 0,001 0,01 0,1 1
dose µM%
via
bilit
é ce
llula
ire
48H72 H
A:Vincristine
0,0
20,0
40,0
60,0
80,0
100,0
120,0
0,0001 0,001 0,01 0,1 1 10
dose µM
% v
iabi
lité
cellu
laire
48H72 H
Figure 3 : courbes de cytotoxicité sur la lignée DU-145, A (Vincristine), B (Taxol), au temps 48h et 72h.
12
La distribution de la taille des ARNc se situe entre 0.6 Kb et 1.6 Kb ce qui relate une absence de
dégradation.Enfin la fragmentation qui consiste à réduire la taille des cRNA à des valeurs entre 50 et 150 bases, est
également contrôlée par dépôt sur gel d’agarose de produits de réaction (figure 4C). Le but de cette fragmentation est
d’augmenter la probabilité d’hybridation entre les différentes unités d’hybridation de chaque gène.
H
E
C: Electrophorése des ARN biotinylés et fragmentés.Marqueur : Ready load 100 bp (Invitrogen).
A: Vérification des ARN sur bioanalyseur (Agilent®).
B: Electrophorèse des ARN biotinylés. Marqueur : Ready load 1 Kb (Invitrogen).
18
28
-2 Kb -600 bp
-100 bp
-12 Kb
- 1 Kb
-3 Kb
Marqueur
Marqueur
Figure 4: vérification de la qualité des échantillons.
13
3 – Comparaison des profils transcriptionnels entre deux puces.
Pour établir la signature transcriptionnelle des molécules cytotoxiques, le profil a été réalisé sur des puces de
type «Human Cancer G110», permettant de mesurer le niveau d’expression de 1700 gènes simultanément pour chaque
produit. Ces gènes ont été sélectionnés pour leur implication dans des mécanismes cellulaires liés au cancer (réparation
de l’ADN, régulation du cycle cellulaire, apoptose, angiogenèse…). Après hybridation et révélation à l’aide du scanner,
3 fichiers différents sont générés par l’algorithme Affymetrix : .dat (image brute), .cell (image moyenne) .chp
(regroupant les valeurs des différents paramètres analysés par l’algorithme (notamment l’intensité). Ces différents
fichiers serviront de base pour toutes les analyses.
3.1 - profil de distribution des intensités.
Le profil de distribution des intensités des gènes permet de visualiser le niveau d’expression général du génome dans
les cellules. Un exemple de profil est présenté figure 5 en réponse au traitement par le Taxol pendant 24 h à 100 nM
sur les cellules DU-145. Ce profil est un profil classique dans la mesure où la grande majorité des gènes est
faiblement exprimée (Physiologie normale de la cellule).
Figure 5 : répartition des intensités.
Nombre de gènes Intensité
0 200 400 600 800 1000 1200 1400 1600 1800 20000
50
100
150
200
250
300
14
3.2 – établissement d’un profil d’expression.
Les cellules de la lignée DU-145 ont été traitées par la Vincritine ou le Taxol à 100 nM pour les temps 6h,
24 h, et 48 h. Nous avons établi la signature transcriptionnelle à chaque temps de traitement en comparant la
variation de l’intensité des gènes entre les puces hybridées à partir des ARNc issus des cellules témoins, et celles
hybridées à partir de l’ARNc issus des cellules traitées. Les expériences ont été réalisées en duplicat.
La figure 6 montre un scatter plot représentant la comparaison entre les intensités de fluorescence entre une
puce témoin et une puce traitée (Taxol). Chaque point correspond à un gène, on observera que la majorité des gènes
ne montre pas de modulations car ils sont alignés sur la bissectrice. Une sélection va être réalisée en imposant des
valeurs limites sur certains paramètres comme le «signal log ratio» de manière à ne retenir que les gènes
significativement modulés.
Figure 6: scatter plot de la puce traitée au taxol confrontée à son témoin. Temps 24 heures, concentration 100 nM, lignée DU-145.
15
4– Analyse des données d’expression.
4.1- Classification hierarchique.
Les méthodes statistiques, telles que la classification hiérarchique, permettent une approche globale des
données. Ce sont des préalables indispensables à l'étude fine des modulations, puisque seule l'analyse globale permet
de détecter un problème technique. La figure 7 présente la classification obtenue sur les DU-145 à 24h. Cette lignée
a été choisie pour sa bonne sensibilité aux différents antitumoraux ; le temps 24 h est un compromis permettant
d'observer les effets de toutes les molécules quelle que soit leur cinétique d'action. Le dendrogramme des
expériences permet tout d'abord de vérifier la cohérence des données et leur adéquation avec la réalité biologique. En
effet, les molécules se trouvent regroupées selon leur mode d'action :
- Les antifusoriaux (Taxol et Vincristine) forment un groupe à part, très différent des autres molécules. Cela est
probablement dû à la nature de leur cible cellulaire : ils agissent sur la polymérisation de la tubuline et non
directement sur l'ADN.
- Les anti-métabolites (5-Fluorouracile et Méthotrexate) se regroupent ensemble.
- Les inhibiteurs de topoisomérases forment un groupe assez homogène, sans distinction de cible (topoisomérase I ou
II).
-Le Melphalan (alkylant) est proche des inhibiteurs de topoisomérase. Cela incite à penser que la réponse cellulaire
est peu spécifique du type de dommage à l'ADN.
Le dendrogramme des gènes organise la matrice de sorte à faire ressortir de façon graphique les similitudes et les
différences entre les expériences. Pris indépendamment de l'arbre des expériences, il forme le point de départ de
l'analyse fine des modulations.
4.2 - Analyse des modulations transcriptionnelles induites par les antifusoriaux.
Si on analyse plus spécifiquement la signature des antifusoriaux, on voit qu’un groupe de gène est induit
spécifiquement par le Taxol et la Vincristine alors qu’il est réprimé par l’action des autres molécules. Ces gènes sont
les marqueurs des molécules inhibitrices du fuseau : ils sont impliqués dans la progression du cycle cellulaire et la
mitose et induisent par exemple la transcription des protéines tels que la cyclin B [11-12], la cyclin A, la protéine du
centromère A (CENP-A), qui est une protéine essentielle à la composition des centromères [13], la protéine E2-EPF,
qui est requise pour l’ubiquitinilation des cyclines[14], ou encore CIP2, une sérine thréonine phosphatase qui
interagit avec les cycline-dependantes kinases et inhibe la progression du cycle cellulaire [15]. Un autre groupe de
gènes est réprimé par le Taxol et la Vincristine alors qu’il est induit par les autres molécules : Ce sont les gènes
essentiels à l’initiation de la réplication de l’ADN ( comme les DNA primase, Cdc6, Cdc7-related kinase, mcm4 ou
mcm2) [16] ou nécessaires à la progression de la réplication de l’ADN (replication factors A and C ou PCNA [17]).
16
Figure 7 : classification hiérarchique à deux dimensions de la réponse transcriptionnelle des cellules DU-145 à un traitement pendant 24 h par les différents antitumoraux.
17
IV/-DISCUSSION.
La classification hiérarchique sur les données d’expression issues de la lignée DU-145 met en évidence un profil
caractéristique (figure 7), présentant des groupes de gènes activés spécifiquement selon les classes des anticancéreux
de références utilisées. Ainsi pour valider cette approche de classification des différents anticancéreux constituant
l’atlas oncologique, huit molécules de référence ont été inclues dans notre étude. Le dendrogramme montre un
regroupement des molécules selon leurs familles ce qui permettra d’obtenir des informations sur leurs mécanismes
d’actions. Les deux inhibiteurs du fuseau que sont le Taxol et la Vincristine sont regroupés en une branche distincte
par rapport aux autres molécules ciblants directement l’ADN. Les inhibiteurs de topoisomérases : Camptothécine,
Doxorubicine, Etoposide sont classés dans la même branche avec le Melphalan qui se lie à L’ADN. Finalement les 2
antimétabolites 5-Fluorouracile et le Méthotrexate sont regroupés ensemble. L’étude de cette classification rend
possible l’identification de groupes de gènes communs ou spécifiques d’une classe d’anticancéreux. L’ensemble de
ces résultats démontre la faisabilité d’un classement des drogues, basé sur le suivi de l’expression génomique dans
les cellules traitées, et suggère une stratégie générale pour caractériser des molécules expérimentales. En effet
l’étude des différents motifs d’expression génomique des traitements avec des anticancéreux conduira à une
cartographie détaillée des profils d’expression associés aux différentes molécules.
L’approche de l’étude des molécules anticancéreuses du laboratoire, Sanofi-Synthelabo est différente de ce qui a été
décrit auparavant dans la mesure où les profils transcriptionnels ont été réalisés en réponse à un traitement
pharmacologique. En effet les équipes comme celle de John Weinsten ou celle de Dan [18-20], qui ont réalisé les
premiers travaux de classification des anticancéreux, utilisent des méthodes statistiques leur permettant de faire une
corrélation entre le profil transcriptionnel de soixante lignées cancéreuses et leurs sensibilité aux agents anti-
tumoraux et ainsi établir cette classification. Ceci dans le but de développer un outil utilisable en diagnostique
clinique pour prédire la réponse des patients avant tout traitement de chimiothérapie.
Ainsi le suivi des changements globaux dans l’expression génomique en utilisant les puces à ADN est maintenant
utilisé en routine pour différents buts. L’établissement de profils transcriptionnels pour analyser l’effet de
l’activation ou de l’inhibition de gènes d’intérêt durant un processus physiologique ou pathologique permet de suivre
l’évolution dans le temps de l’expression des gènes, en réponse à un traitement médicamenteux ou de comparer et
classifier les échantillons pathologiques par rapport à l’expression du génome dans les lignées saines. Ces nouvelles
approches de caractérisation des anticancéreux et des mécanismes du cancer en général, liée à l’utilisation des puces
à ADN combinée aux techniques de data mining [21-26], ont un rôle clef dans le développement de nouvelles
thérapies anticancéreuses. La recherche actuelle contre le cancer bénéficie de stratégies de recherche et de
développement de plus en plus efficientes. Le traitement des bases de données issues de l’étude du transcriptôme
permet la découverte des processus d’action et de modulations médicamenteuses. Les anticancéreux nouvellement
développés bénéficieront d’une caractérisation avancée qui permettra des traitements plus ciblés et plus efficaces
pour une thérapeutique optimisée.
18
BIBLIOGRAPHIE.
[1] F. Bray, R. Sankila, J. Ferlay, D.M. Parkin. Estimates of cancer incidence and mortality in Europe in 1995.
European Journal of Cancer 38 : 99–166, 2002.
[2] B. Brun et P. Piedbois. Chimiothérapies anticancéreuses (hormonothérapie incluse). Classification, principaux
effets secondaires. Revue du Praticien 48(14) : 1587-1600, 1998.
[3] Y. Pommier et K. W.Kohn. Cycle cellulaire et points de contrôle en oncologie: Nouvelles cibles thérapeutiques.
Médecine/Sciences 19 :173-86, 2003.
[4] J.M. Blanchard. Des oncogènes aux régulateurs de la mitose : un changement de perspective dans notre vision
des processus cancéreux.. Médecine/Sciences 19 :187-99, 2003.
[5] E. A. Nigg. Mitotic kinases as regulators of cell division and its checkpoints. Nature Reviews 2: pp, 2001.
[6] A. Borgne et L. Meijer. Inhibiteurs chimiques des kinases dépendants des cyclines: recherche et applications
thérapeutiques potentielles. Médecine/sciences 4(15) : 496-503, 1999.
[7] R. Capdeville, E. Buchdunger, J. Zimmermann et A. Matter. GLIVEC (STI571, Imatinib), a rationally
developed, targeted anticancer drug. Nature Reviews 1 : 493-502, 2002.
.
[8] J.M. Nabholtz et D. Slamon. New adjuvant strategies for breast cancer: meeting the challenge of integrating
chemotherapy and trastuzumab (herceptin). Semin. Oncol. 28 : 1-12, 2001.
[9] H. Zhao, T. Hastie, M. L Whitfield, A.-L. Borresen-Dale and S. S. Jeffrey. Optimization and evaluation of T7
based RNA linear amplification protocols for cDNA microarray analysis. BMC genomics 3 : 31 2002.
[10] K. Y. Yeung, D. R. Haynor, et W. L. Ruzzo. Validating clustering for gene expression data. Bioinformatics
17(4) : 309-318, 2001.
[11] Yi-He Ling, U. Consoli, C. Tornos, M. Andreeff et R. Perez-Soler. Accumulation of cyclin B1, activation of
cyclin B1-dependent kinase and induction of programmed cell death in human epidermoïd carcinoma KB cells
treated with taxol. International Journal of Cancer 75 : 925-932, 1998.
[12] G. H.Yoo, M. P. Piechocki, J. F. Ensley, T. Nguyen, J. Oliver, H. Meng, D. Kewson, T.Y. Shibuya, F. Lonarda,
et M. A. Tainsky Docetaxel induced gene expression patterns in head and neck squamous cell carcinoma using
cDNA microarray and powerblot. Clinical cancer research 8 : 3910-3921, 2002.
19
[13] W.C. Earnshaw et C.A. Cooke. Proteins of the inner and outer centromere of mitotic chromosomes. Genome
31(2) : 541-52, 1989.
[14] Z. Liu, L.A. Diaz, A.L. Haas, et G.J. Giudice. cDNA cloning of a novel human ubiquitin carrier protein. An
antigenic domain specially recognised by endemic Pemphigus foliaceus autoantibodies is encoded in a secondary
reading frame of this human epidermal transcript. Journal of Biological Chemistry 267 :15829-35, 1992.
[15] J. Gyuris, E. Golemis, H. Chertkov, et R. Brent. Cdi1, a human G1 and S phase protein phosphatase that
associates with Cdk2. Cell 75 : 791-803,1993.
[16] S. A. MacNeill. DNA replication: partners in the Okazaki two-step. Current Biology 11(20) : R842-4, 2001.
[17] C. Iftode, Y. Daniely, et J.A. Borowiec. Replication protein A (RPA): the eukaryotic SSB. Crit Rev Biochem
Mol Biol 34(3) :141-80, 1999.
[18] U. Scherf, D. T. Ross, M. Waltham, L. H. Smith, J. K. Lee, L. Tanabe, K. W. Kohn, W. C. Reinhold, T. G.
Myers, D. T. Andrews, D. A. Scudiero, M. B. Eisen, E. A. Sausville, Y. Pommier, D. Botstein, P. O. Brown, et J. N.
Weinstein. A gene expression database for the molecular pharmacology of cancer. Nature Genetics 24(3) : 236-244,
2000.
[19] S. Dan, T. Tsunoda, O. Kitahara, R. Yanagawa, H. Zembutsu, T. Katagiri, K.Yamazaki, Y. Nakamura, et T.
Yamori. An integrated database of chemosensitivity to 55 anticancer drugs and gene expression profiles of 39 human
cancer cell lines. Cancer Research., 62 : 1139-1147, 2002.
[20] L. M. Shi, Y. Fan, J. K. Lee, M. Waltham, D. T. Andrews, U. Scherf, K. D. Paull, et J. N. Weinstein. Mining
and visualizing large anticancer drug discovery databases. J Chem Inf Comput Sci 40(2) : 367-379, 2000.
[21] Gary Hardiman. Microarray technologies - An Overview. Pharmacogenomics 3(3): 293-297 2002.
[22] P. A. Clarke, R. te Poele, R. Wooster, et P. Workman. Gene expression microarray analysis in cancer biology,
pharmacology, and drug development: progress and potential. Biochemical pharmacology 62 : 1311-1336 ; 2001.
[23] Michel Bellis, Pierre Casellas. La puce ADN : un multi-réacteur de paillasse. Médecine/Sciences13 :1317-24,
1997.
[24] K. A. M. Kurian, C. J. Watson et A. H Wyllie. DNA chip technology. Journal of pathology 187 : 267-271,
1999.
[25] S. Ramaswamy et T. R. Golub. DNA microarrays in clinical oncology. Journal of Clinical Oncology 20(7) :
1932-1941, 2002
[26] M.Delpech. Les puces à ADN. Ann Biol Clin 58(1) : 29-38, 2000.