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.