Multi-Omics Profiling and CRISPR Dependency Screening Identify WEE1 Inhibition and Rational BET Inhibitor Combinations as a Therapeutic Strategy for Triple-Negative Breast Cancer
Bien que l'intégration multi-omique et la prédiction de médicaments pilotée par l'IA aient initialement mis en évidence un axe IGF1R/PIK3CA/BET comme cible thérapeutique pour le cancer du sein triple négatif, le criblage ultérieur de dépendance par CRISPR et la validation clinique ont réfuté ces nœuds, révélant l'inhibition de WEE1 et la combinaison de Mitoxantrone avec des inhibiteurs de BET comme la stratégie thérapeutique supérieure et fonctionnellement validée.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Le cancer du sein n'est pas une maladie unique, mais une collection de nombreuses conditions différentes qui se trouvent partager le même nom. Parmi celles-ci, le cancer du sein triple négatif est le plus agressif et le plus difficile à traiter. On l'appelle « triple négatif » car les cellules cancéreuses sont dépourvues de trois protéines spécifiques que les médecins ciblent habituellement avec des médicaments : les récepteurs d'œstrogènes, les récepteurs de progestérone et une protéine appelée HER2. Sans ces cibles, les thérapies hormonales standards qui fonctionnent pour d'autres types de cancer du sein sont inutiles. Pendant des décennies, la seule option a été la chimiothérapie, qui attaque toutes les cellules à division rapide, mais échoue souvent à empêcher le cancer de réapparaître. Comme les cellules de cette maladie sont si variées d'un patient à l'autre, trouver un nouveau moyen précis de les tuer a représenté un défi majeur pour les scientifiques.
Pour résoudre ce problème, des chercheurs ont récemment tenté une nouvelle approche qui combine de massives quantités de données biologiques avec la modélisation informatique. Ils ont recueilli quatre types d'informations différents provenant de 186 patients atteints de ce cancer agressif : la façon dont les gènes sont activés ou désactivés, les marqueurs chimiques sur l'ADN qui contrôlent l'activité génique, les changements dans le nombre de copies de gènes et des mutations spécifiques dans le code génétique. En tissant ensemble ces quatre couches d'informations, l'équipe a utilisé une méthode appelée Fusion de Réseaux de Similitude (Similarity Network Fusion) pour regrouper les patients en huit clusters moléculaires distincts. Considérez cela comme le fait de trier un sac de billes mélangées non seulement par couleur, mais aussi par poids, texture et structure interne, tout à la fois, révélant ainsi des motifs qu'un simple regard manquerait. Le but était de trouver une faiblesse commune partagée par tous ces groupes différents, un point de défaillance unique qui pourrait être ciblé par un médicament.
L'analyse informatique a prédit qu'une chaîne d'événements spécifique à l'intérieur des cellules cancéreuses était la vulnérabilité clé. Cette chaîne commençait par un signal de croissance, passait par une voie de survie et se terminait par un mécanisme qui contrôle la lecture des gènes. Sur la base de cette prédiction, les chercheurs ont identifié cinq médicaments qui devraient fonctionner contre tous les groupes de patients. Ceux-ci comprenaient des médicaments qui bloquent le signal de croissance initial, des médicaments qui endommagent l'ADN et des médicaments qui arrêtent la lecture des instructions génétiques. L'ordinateur a suggéré que le cancer dépendait fortement de toute cette chaîne, ce qui en faisait une cible parfaite pour la thérapie.
Cependant, lorsque les chercheurs ont testé ces prédictions face à des données du monde réel et des expériences biologiques, l'histoire a radicalement changé. Ils ont d'abord examiné un groupe indépendant de 320 patients pour voir si les gènes impliqués dans la chaîne prédite étaient réellement importants pour la survie. Les résultats ont montré que, bien qu'une partie de la chaîne soit liée au délai avant la réapparition du cancer, elle n'influençait pas le fait que les patients vivent ou meurent. Plus important encore, lorsqu'ils ont testé les cellules cancéreuses en laboratoire en utilisant un puissant outil d'édition génique pour voir quels gènes étaient absolument nécessaires à la survie des cellules, la chaîne prédite a totalement échoué. Les gènes que l'ordinateur disait être les cibles les plus importantes n'étaient pas essentiels du tout ; les cellules cancéreuses pouvaient vivre parfaitement bien sans eux.
Au lieu de la chaîne prédite, les expériences ont révélé un gène complètement différent sans lequel le cancer ne pouvait survivre. Ce gène, appelé WEE1, agit comme un frein de sécurité qui arrête la division des cellules jusqu'à ce qu'elles aient réparé tout dommage à leur ADN. Les chercheurs ont découvert que chacune des 15 lignées cellulaires cancéreuses testées dépendait entièrement de ce frein de sécurité. Si l'on retirait WEE1, les cellules mouraient. Cette dépendance était même plus forte que le besoin d'autres cibles cancéreuses bien connues. L'étude suggère que la prédiction initiale de l'ordinateur, bien que mathématiquement cohérente, a manqué la véritable réalité biologique. Le cancer ne reposait pas sur les signaux de croissance mis en évidence par l'ordinateur, mais était plutôt piégé par son propre besoin de réparer les dommages de l'ADN.
Les chercheurs ont également cherché la meilleure façon de combiner des médicaments pour tuer le cancer. Ils ont découvert que le mélange d'un médicament qui endommage l'ADN avec un médicament qui bloque la lecture des instructions génétiques créait un effet puissant. Lorsque la lecture génétique était bloquée, les cellules cancéreuses perdaient leur capacité à réparer les dommages causés par l'autre médicament, ce qui menait à leur destruction. Cette combinaison fonctionnait beaucoup mieux qu'en utilisant chaque médicament seul. L'étude conclut que la voie à suivre pour traiter ce cancer difficile ne doit pas se concentrer sur les signaux de croissance que l'ordinateur a initialement identifiés. Au contraire, la stratégie la plus prometteuse est de désactiver le frein de sécurité de la réparation de l'ADN et de combiner cela avec des traitements qui endommagent l'ADN, une approche que les données soutiennent fermement comme une voie viable pour les traitements futurs.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.