Le glioblastome est la tumeur du cerveau la plus fréquente mais également la plus agressive. Chaque année, environ 3500 nouveaux cas sont diagnostiqués en France. Aujourd’hui, malgré de nombreuses avancées scientifiques, cette tumeur demeure incurable en raison d’une forte hétérogénéité moléculaire et cellulaire, qui complique l’emploi de schémas thérapeutiques standards.
« Le problème est que chaque tumeur est particulière : les gènes exprimés sont nombreux et différents, forment un réseau complexe d’interactions. Nos travaux révèlent une hiérarchie contrôlée par des "master régulateurs" – molécules clés hyperconnectées – qui maintiennent activement la tumeur » explique Mohamed Elati, chef de l’équipe "Systèmes digitaux & Cancer Computational" du laboratoire CANTHER à Lille. Cherchant à catégoriser les tumeurs afin d’affiner les traitements, les scientifiques étaient pour le moment parvenus à identifier 4 sous-groupes tumoraux en fonction des profils transcriptionnels (expression des gènes) des patients. Mais certains groupes restaient encore très hétérogènes.
Dans cette nouvelle étude, les chercheurs se sont focalisés sur l’activité de molécules régulatrices, les facteurs de transcription, qui interagissent avec nos gènes, activant ou inhibant leur expression. Sur les 2375 facteurs de transcription et cofacteurs présents chez l’homme, 539 sont actifs dans les mécanismes tumoraux du glioblastome. Grâce à l’IA et au machine learning en particulier, les chercheurs ont pu unifier les données de 16 études internationales menées sur plusieurs années (soit environ 1600 patients). Cette approche a permis d’établir la plus grande cartographie à ce jour de l’activité transcriptionnelle du gliobastome, et d’identifier cette fois pas moins de 7 sous-types de tumeurs, chacun associé à des mécanismes biologiques spécifiques et à un pronostic différent.
Cet outil bioinformatique, mis à la disposition de la communauté scientifique et baptisé GBM-cRegMap, a pour finalité de déterminer précisément, à partir de données moléculaires individuelles, les caractéristiques de la tumeur au moment de sa détection mais également après traitement au moment de la récidive. Des données précieuses pour mieux comprendre les mécanismes du glioblastome et de son évolution, mais également pour le développement de thérapies plus personnalisées. Cette carte laisse également apparaître que les modèles précliniques actuels (modèles cellulaires simulant la tumeur et permettant de tester de nouvelles thérapies) ne répondraient pas, en réalité, à tous les types de tumeurs identifiés, soulignant la nécessité de développer de nouvelles lignées cellulaires.
Inserm presse du 24.04.2025 : https://presse.inserm.fr/intelligence-artificielle-et-cancer-du-cerveau-une-nouvelle-cartographie-pour-ameliorer-le-diagnostic-et-la-prise-en-charge-du-glioblastome/70361/
