La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Apport de la Pharmacogénomique dans le traitement des Cancers Master 1 : Module Oncologie 22 Novembre 2010 - Dr Barthélémy.

Présentations similaires


Présentation au sujet: "Apport de la Pharmacogénomique dans le traitement des Cancers Master 1 : Module Oncologie 22 Novembre 2010 - Dr Barthélémy."— Transcription de la présentation:

1 Apport de la Pharmacogénomique dans le traitement des Cancers Master 1 : Module Oncologie 22 Novembre Dr Barthélémy

2 Plan Introduction : Chimiothérapie - limites des approches statistiques Apport de la pharmacogénomique: –Apport pronostique –Apport prédictif de réponse à la chimiothérapie –Apport prédictif de réponse aux thérapies ciblées

3 Méthodologie du développement des chimiothérapies et limites Drogues Lignée cellulaire Phase 1 : dose maximale tolérée (DMT) Phase 2 : toxicité/efficacité Phase 3 : Comparaison bras de référence

4 Limites des statistiques ! Jusquen 2000 : –Type de chimiothérapie basé sur études phase III => Données statistiques de réponse et toxicité Months Progression-free survival Chimiothérapie A (n=544) Chimiothérapie B (n=544) p < Months Progression free survival Bras A Bras B p = 0.145

5 Problème de sélection Traitement identique Objectif : Traitement à la carte Moyens: 1.Pharmacogénomique 2.Pharmacogénétique Hétérogénéité -Tumorale - Patient

6 Sélection des tumeurs et des patients!! Cible + Cible -

7 Définitions Pharmacogénétique –Etude du génome du patient Polymorphisme des cytochrome P450 et réponse à une drogue Analyse pangénomique des SNP (polymorphisme si >1% des patients) Pharmacogénomique Etude du génome tumoral

8 ADN ARN Protéine Transcriptome (cDNA microarray...) Tumeur Tumorothèques Génome (FISH,CGH array, SNP...) Sang : Protéines, CTC, Protéome (Spectrométrie de masse...) Analyses à léchelle génomique EchantillonsExtraits-mics

9 Apport de la pharmacogénomique Etablir des profils dexpression (signatures moléculaires) –Caractérisation de sous-types de tumeurs (ex. Puces à ADN et Cancer du sein) –Rôle pronostique, prédictif, Identification de nouvelles cibles thérapeutiques (HER-2, EGFR, c-KIT…) Identification de facteurs prédictifs de réponse –Mutations de gènes : EGFR, K-RAS, c-KIT –Polymorphismes : ERCC1 et sels de platine –Translocations : ALK4 (cancer du poumon)

10 Approche « génomique globale » Etude par puces à ADN de signatures moléculaires Apport pronostique Apport prédictif Identification de nouvelles cibles thérapeutiques

11 Signatures moléculaires : Puces à ADN 1.Extraction ARN tumoral 2. RTPCR => ADNc 3. Marquage fluorescent de lADNc (Cy5 => ADNc tumoral; Cy3 => ADNc étalon 4. Hybridation Mix ADNc – Puce à ADN 4. Processus danalyse

12 Signatures moléculaires Echantillons Rouge : Surexpression Vert : Sous-expression Gènes Pronostiques Prédictives de réponse aux traitements

13 Classification moléculaire des cancers du sein Etablissement dune nouvelle taxonomie de cancer du sein Définition dindex pronostiques basés sur les caractéristiques génétiques (OncotypeDX, Mammaprint) Prédiction de la réponse aux différents traitements antitumoraux Identification de cibles moléculaires permettant de nouveaux traitements ciblés

14 « Normal like » « BRCA1 » BCL2 EGFR « LUMINAL» KRT 8/18 + ESR1 +++ ESR genes regulated BCL2 + « HER2 + » ESR1 - GRB7 TP53 * 71% RAS pathway «BASAL» ESR1- KRT5/17 + HER2 – TP53 * 82% TOP2A MYC KIT pathways ESR1 + Classification moléculaire des cancers du sein Perou et al, Sorlie et al, Bertucci et al, Sotiriou et al, Hedenfalk et al, West et al Van de Rijn et al Am J Pathol 2002, Abd El Rehim et al J Pathol 2004

15 Index pronostic selon la classification Sorlié 2001

16 Pharmacogénomique et Apport pronostique

17 Nature, 415, , gènes Signature moléculaire (70 gènes) Discrimination pronostique 78 tumeurs N0 (training set) Tumeurs du sein (T<5cm; N0) Absence de métastases ( > 5 ans) Présence de métastases ( < 5 ans) Signature moléculaire 17 tumeurs N0 (validation set) Signature pronostique

18 Nouveaux outils décisionnel en cancérologie du sein Oncotype DX : score de récurrence; validé aux USA Mammaprint (signature damsterdam): en cours de validation (Essai Mindact) => probable outil décisionnel pour lindication de chimiothérapie adjuvante du cancer du sein

19 Mammaprint : Signature 70 gènes 95% ±2.6% 55% ±4.4% Survie Globale Signature Mammaprint Essai MINDACT en cours :

20 Oncotype DX 21-gene assay = 16 outcome-related genes + 5 reference genes A risk score is calculated from No distant recurrence (low risk) = 93.2% No distant recurrence (high risk) = 69.5%

21 Pharmacogénomique et Apport prédictif

22 gènes Signature moléculaire (74 gènes) Prédiction pCR >92% (vs 61%) 133 patients (training set) 51 patients (validation set) Signature prédictive de réponse à la chimiothérapie FAC/Taxol Profil génomique (signature DLDA-30) versus facteurs prédictifs anatomo-cliniques (âge, grade, RH) Ayers, 2004, Pusztai 2004, Hess 2006

23 Prédiction Réponse Docetaxel Taxotère 100mg/m2 x 4cycles Réponse clinique Analyse cDNA Profil dexpression de 92 gènes -> corrélation réponse au taxotère VPP 92% et VPN 83% Chang JC Lancet 2003c

24 Prédiction de la réponse à la chimiothérapie pré-opératoire Résultats prometteurs (mais restent à valider) Problèmes de méthodologie Nécessité de standardisation des techniques Faibles effectifs Essais cliniques prospectifs

25 Pharmacogénomique et cibles thérapeutiques

26 « Normal like » « BRCA1 » BCL2 EGFR « LUMINAL» KRT 8/18 + ESR1 +++ ESR genes regulated BCL2 + « HER2 + » ESR1 - GRB7 TP53 * 71% RAS pathway «BASAL» ESR1- KRT5/17 + HER2 – TP53 * 82% TOP2A MYC KIT pathways EGFR ESR1 + Classification moléculaire et identification de cibles thérapeutiques Perou et al, Sorlie et al, Bertucci et al, Sotiriou et al, Hedenfalk et al, West et al Van de Rijn et al Am J Pathol 2002, Abd El Rehim et al J Pathol 2004

27 Identification de cibles potentielles ex. Cancer basal-like Angiogenèse EGF-R c-Kit TOP2A cible des anthracyclines Instabilité génétique DNA-damaging agents ( platinum compounds,... ) p-53 taxanes Thérapies ciblées

28 Approche « mono-génomique » Recherche danomalies de une ou plusieurs cibles thérapeutiques ou voies de signalisation (amplifications, mutations, translocations, polymorphismes…..) Facteurs prédictifs de réponse aux thérapies ciblées

29 Amplification HER2 cancer du sein et cancer gastrique P P P Grb 2 SOS RAS RAF MEK ERK P GTP GDP II HER2 HER 1 ; 3 ; 4 hétérodimérisation II III IV III IV

30 HER 2 FISH IHC Absence de surexpression Faible surexpression + / ++ Forte surexpression +++

31 Etude HERA : Apport de la cible

32 EGFR Cancer du colon / Poumon / ORL Surexpression IHC ! Cible ? Facteur prédictif de réponse ? Mutations Altération de la voie de signalisation: K-ras, B-raf

33 EGFR : cible variable EGF-R Erbitux, Vectibix => Colon, ORL Iressa, Tarceva => Poumon

34 EGFR et Cancer du poumon Réponse aux Inhibiteurs de tyrosine kinase ( ITK ) –Non corrélée à lexpression de EGFR –Corrélée à : Adénocarcinome Non fumeur Asiatique Sexe féminin Facteur moléculaire prédictifs de réponse ?

35 KDFG L L Tyrosine kinase 745 K DFG YYYY TM EGF ligand binding Domaine de P GXGXXG 858 LREA 861 Exon: Mutations de lEGFR et Sensibilité au Gefitinib / Erlotinib G719A/CL858RdeletionL861Q Lynch et al 04; Paez et al 04; Pao et al 04

36 Survie : Statut EGFR et ITK EGFR mutation positive EGFR mutation negative HR (95% CI) = 0.48 (0.36, 0.64) p< ITK Gefitinib (n=132) Carboplatin / paclitaxel (n=129) HR (95% CI) = 2.85 (2.05, 3.98) p< Probability of progression-free survival Probability of progression-free survival ITK Gefitinib (n=91) Carboplatin / paclitaxel (n=85) Months Mok et al 09

37 Poumon et Gène de Fusion EML4- ALK Fusion de la partie N terminale de EML4 (Echinoderm Microtubule- Associated Protein-Like 4) et de la région codant la partie intracellulaire d'ALK (Anaplastic Lymphoma Kinase) avec une activité tyrosine kinase Détermination par FISH La protéine ALK induit une prolifération et une inhibition de l'apoptose 4 à 5 % des caucasiens et 7 à 8% des asiatiques Y. Bang et al. ASCO Abstract 3 BasicWD Kinase TM ALK EML4-ALK variant EML4 1HELP496981

38 Thérapeutique EML4-ALK Crizotinib : ITK Réponse au crizotinib –20 –40 –60 –80 –100 Progressive disease Stable disease Confirmed partial response Confirmed complete response EML4–ALK EGFR WT/WT => Absence de réponse aux anti-EGFR SSP

39 autre2% Inconnu 65% Ras 15% Met 1% PDGFRa 4% Ros 1% Alk 4% EGFR 10% Nouvel arsenal thérapeutique: -Anti-EGFR si mutations EGFR -Inhibiteurs EML4-ALK -Chimiothérapie à base de sels de platine si déficit du mécanismes de réparation (défaut ERCC1 – système NER) …….. Cancer du poumon : Identification de multiples sous-types Adaptation de traitements différents selon le statut moléculaire

40 EGFR et Cancer du colon Absence de réponse aux ITK mais réponse aux anticorps Pas de corrélation avec lexpression EGFR en IHC Facteur prédictif de réponse au mab anti-EGFR ?

41 PI3KPI3K MEKMEK ERKERK RasRas AktAkt prolifération RafRaf mTormTor Mutations EGFR K-Ras et B-Raf : mutations et réponses thérapeutiques Mutations EGFR rares

42 Amado, R. G. et al. J Clin Oncol; 26: Importance du statut K-ras K-ras muté 7.4 vs 7.3 sem K-ras sauvage 12.3 vs 7.3 sem

43 Conclusion Mutation K-RAS : facteur prédictif de non réponse aux Ac anti-EGFR Adaptation du traitement sur les données de biologie moléculaire Distinction entre plusieurs sous-types –Kras muté –Braf muté (a valider) ….

44 GIST et Imatinib / Sunitinib Tumeurs rares développées à partir des cellules de cajal (Gastro-Intestinal Stromal Tumor) Expression de c-kit (réc. transmembranaire à activité tyrosine kinase) et PDGFR Traitement par Glivec, Sutent… Facteurs prédictifs de réponse ???

45 Heinrich et al. Hum Pathol. 2002;33:484; Science 2003, Corless et al. Proc AACR Mutations de KIT et PDGFRa dans les GIST Mutations activatrices Membrane Cytoplasme Exon 11 (67%) Exon 9 (10%) Exon 13 (0.5%) Exon 17 (0.5%) Exon 12 (0.9%) Exon 18 (6.3%) KIT (78%) (8%) PDGFR (8%) Fréquence des mutations : 86% Exon 14 (0.3%) Sensible au Glivec® Résistant au Glivec®

46 Median SSP (months)6 / 19 3-year estimate (%)5 / 17 P value (logrank test)0.017 KIT exon 9 mutants KIT exon 9 mutants: 400 mg / 800 mg GLIVEC Other patients: 400 mg / 800 mg GLIVEC Years Survie sans progression selon statut c-KIT

47 Comment sélectionner les cibles? Règles générales:Règles générales: Expression Cible possible Expression + Activation Cible prometteuse Expression + Activation + Mécanisme Cible majeure Cible majeure Expression + Activation + Mécanisme + Drogue Étude clinique Étude clinique

48 Take Home Message Pharmacogénomique –Approche indispensable à lévolution vers un traitement à la carte –Identification de multiples sous-types différents de cancers => classification moléculaire –Problèmes futurs des études cliniques (effectifs faible et difficultés de recrutement) –Modèles mathématiques et statistiques


Télécharger ppt "Apport de la Pharmacogénomique dans le traitement des Cancers Master 1 : Module Oncologie 22 Novembre 2010 - Dr Barthélémy."

Présentations similaires


Annonces Google