Objectifs
Description grand public :
L’étude clinique Breastimmun-3 visait à étudier, chez des patientes atteintes de cancer du sein triple négatif résistantes à la chimiothérapie néoadjuvante + chirurgie (statut RCBII/III), l’efficacité d’un traitement adjuvant combinant anti-PD-1 et anti-CTLA-4, comparativement à la chimiothérapie contrôle (capécitabine). Au sein de cette cohorte, pour 6 patientes, nous avons pu collecter des tissus tumoraux aux 3 temps d’intérêt : au diagnostic, à l’exérèse et à la rechute. Ainsi, sur ces échantillons pairés, nous avons réalisé des analyses moléculaires (WGS et WES). L’objectif est d’identifier des marqueurs génétiques qui évoluent au cours de la progression tumorale et de caractériser d’éventuels mécanismes spécifiques aux patientes traitées par immunothérapie versus chimiothérapie.
Description détaillée :
L’objectif de cette analyse est d’identifier la présence d’anomalies (modifications) non héréditaires, qui pourraient expliquer la maladie et/ou prédire son évolution. Les échantillons disponibles pour chaque patiente sont : 3 échantillons de tumeur (tumeur primaire, tumeur résiduelle après chirurgie et récidive) et un échantillon de sang. Pour 4 des 6 patientes, des données de Whole Genome Sequencing (WGS) sont disponibles (soit 4x4=16 échantillons) avec une couverture moyenne de 45X et pour les 6 patientes, des données de WES sont disponibles (soit 6x4=24 échantillons) avec une couverture moyenne de 135X. Ainsi, l’analyse prévue permettra de décrire les évolutions géniques qui prennent place chez les patientes en rechute mais également de savoir si ces changements géniques sont communs (ou au contraire uniques) à toutes les patientes qui ont une récidive. La méthodologie bio-informatique utilisée sera la suivante : 1) Préprocessing et contrôle qualité des données ; 2) Détection des variants germline dans les gènes connus pour être impliqués dans le cancer (liste des gènes issue de Cosmic par exemple) ; 3) Estimation de la clonalité/CCF (« Cancer Cell Fraction ») ; 4) Détection des variants somatiques et identification des variants spécifiques ou avec une fréquence allélique différente en fonction des types d’échantillons de tumeur ; 5) Analyse des signatures mutationnelles et comparaison aux bases de données (ex : Cosmic) ; 6) Prédiction des « tumor progression tree » à partir des variants somatiques ; 7) Calcul et différentiel de la charge mutationnelle tumorale (« Tumor mutational burden », TMB) entre les échantillons de tumeur (primaire, résiduelle ou récidive) ; 8) Analyse des variations de nombres de copies de gènes (CNV) et différentiel potentiel entre les échantillons de tumeur ; 9) Prédiction des « oncogenetic tree » à partir des CNV ; 10) Analyse des variants structuraux et différentiel potentiel entre les échantillons de tumeur (calcul de la charge de variants structuraux -insertions, délétions, translocations…-, circos plot, signatures…).