Des chercheurs de City of Hope et du Translational Genomics Research Institute (TGen) ont développé et testé une approche d’apprentissage automatique qui, selon eux, pourrait un jour permettre une détection plus précoce du cancer par le sang chez les patients, en utilisant uniquement de petites prises de sang. La technologie est basée sur un algorithme appelé Alu Profile Learning Using Sequencing (A-PLUS), que l’équipe a développé, validé et testé sur quatre cohortes de patients, comprenant des milliers d’échantillons provenant de patients atteints de cancer du sein, du côlon et du rectum, de l’œsophage, du poumon. , du foie, du pancréas, des ovaires ou de l’estomac.
A-PLUS distingue les individus atteints de cancer de ceux qui ne le sont pas sur la base de la représentation des éléments Alu dans leur ADN sans plasmocytes. Les résultats de l’étude récemment rapportée ont révélé que l’outil A-PLUS a identifié la moitié des cancers parmi les 11 types de tumeurs étudiés. Le test était également très précis, avec un faux positif seulement dans un cas sur 100. Il est important de noter que la plupart des échantillons de cancer testés provenaient de personnes atteintes d’une maladie à un stade précoce, qui présentaient peu ou pas de lésions métastatiques au moment du diagnostic.
“De nombreuses preuves montrent que le cancer contracté à un stade ultérieur tue les gens”, a déclaré Cristian Tomasetti, PhD, directeur du Centre de prévention et de détection précoce du cancer de City of Hope et auteur correspondant de l’étude des chercheurs dans Médecine translationnelle scientifique. « Cette nouvelle technologie nous rapproche d’un monde où les gens subiront un test sanguin chaque année pour détecter le cancer plus tôt, lorsqu’il sera plus traitable et éventuellement guérissable. » L’article des chercheurs s’intitule «Apprentissage automatique pour détecter les SINE du cancer.» Dans leur rapport, ils ont conclu : « L’évaluation des éléments Alu pourrait donc potentiellement améliorer les performances de plusieurs méthodes conçues pour la détection précoce du cancer. »
Tomasetti a expliqué que 99 % des personnes diagnostiquées avec un cancer du sein de stade 1 seront en vie cinq ans plus tard ; cependant, si elle est détectée au stade 4, lorsque la maladie s’est propagée à d’autres organes, la survie à cinq ans tombe à 31 %.
Les éléments Alu sont de courts éléments nucléaires intercalés (SINE) d’environ 300 paires de bases, avec plus d’un million de copies réparties dans tout le génome humain, ont expliqué les auteurs. Si ces éléments font l’objet de recherches en cours, certains se sont déjà révélés impliqués dans la régulation de gènes spécifiques à des tissus. « Dans les cellules cancéreuses, ils participent à des changements structurels, probablement par recombinaison homologue étant donné leur large distribution dans tout le génome et leurs séquences très similaires… il existe de nombreux précédents selon lesquels les éléments de la séquence Alu sont particulièrement sujets aux changements épigénétiques dans divers cancers », ont écrit les scientifiques.
Au lieu d’analyser des mutations spécifiques de l’ADN en recherchant une lettre mal arrangée parmi des milliards de lettres, les enquêteurs ont conçu une nouvelle approche pour détecter la différence dans les modèles de fragmentation dans les régions répétitives du cancer et dans l’ADN acellulaire normal (cfDNA). Cette approche fragmentomique nécessite environ huit fois moins de sang que ce qu’exige le séquençage du génome entier, a déclaré Tomasetti.
Lorsqu’une cellule meurt, elle se décompose et une partie de l’ADN de la cellule s’infiltre dans la circulation sanguine. Des signaux de cancer peuvent être trouvés dans ce cfDNA. Le cfDNA des cellules normales se décompose à une taille typique, mais les fragments de cfDNA cancéreux se décomposent à des endroits modifiés. On suppose que cette altération est plus présente dans les régions répétitives du génome. “Les éléments Alu reflètent également les modèles de fragmentation modifiés trouvés dans le cfDNA des patients atteints de cancer”, ont poursuivi les scientifiques. Ils ont émis l’hypothèse que la représentation d’éléments Alu spécifiques pourrait être différente dans l’ADN acellulaire (cfDNA) du plasma de patients atteints de cancer que dans le cfDNA provenant de contrôles normaux.
Parce qu’il y a tellement d’éléments Alu dans le génome, l’évaluation de cette hypothèse a nécessité le développement d’outils d’apprentissage automatique, et l’équipe a développé A-PLUS pour distinguer les individus atteints de cancer de ceux sans cancer sur la base de la représentation des éléments Alu dans leur cfDNA. .
La plateforme d’apprentissage automatique a été formée et validée sur quatre cohortes de patients distinctes, totalisant 7 615 échantillons provenant de 5 178 individus, dont 2 073 atteints de cancers solides et le reste sans cancer. “Des échantillons provenant de patients atteints de cancer et de témoins ont été prédéfinis en quatre cohortes utilisées pour la formation de modèles, l’intégration d’analytes et la détermination, la validation et la reproductibilité des seuils”, a expliqué l’équipe.
Leurs résultats ont montré que dans la cohorte de validation, A-PLUS à lui seul a fourni une sensibilité de 40,5 % pour 11 types de cancer différents, avec une spécificité de 98,5 %. La combinaison d’A-PLUS avec l’aneuploïdie et huit biomarqueurs protéiques courants a détecté 51 % des cancers avec une spécificité de 98,9 %.
L’équipe a déclaré que la puissance de l’A-PLUS pourrait être attribuée à une seule caractéristique : « … la réduction globale des éléments de la sous-famille AluS dans l’ADN circulant des patients atteints d’un cancer solide ». Ils ont en outre commenté : « … notre étude montre que les représentations des éléments Alu, en général, et des éléments de la sous-famille AluS, en particulier, sont modifiées dans le cfDNA de patients atteints de nombreux types de cancer différents… Les recherches futures sur les mécanismes sous-jacents à leur représentation modifiée seront facilitées par leur abondance dans le génome et leurs séquences et structures similaires.
“Notre technique est plus pratique pour les applications cliniques car elle nécessite de plus petites quantités de matériel génomique provenant d’un échantillon de sang”, a déclaré le co-premier auteur Kamel Lahouel, PhD, professeur adjoint à la division de génomique intégrée du cancer de TGen. “Le succès continu dans ce domaine et la validation clinique ouvrent la porte à l’introduction de tests de routine pour détecter le cancer à ses premiers stades.”
Tomasetti est sur le point d’ouvrir un essai clinique à l’été 2024 pour comparer cette approche de test sanguin fragmentomique aux soins standard chez les adultes âgés de 65 à 75 ans. L’essai prospectif déterminera l’efficacité du panel de biomarqueurs dans la détection d’un stade précoce du cancer lorsqu’il est plus traitable.
2024-01-24 22:00:50
1706133189
#Loutil #dapprentissage #automatique #APlus #fait #différence #pour #les #biopsies #liquides