De la cellule au chromosome Myélome multiple De la cellule au chromosome Lucienne Michaux

Plan Historique Physiopathogénie : aspects “génétiques” Anomalies génétiques: impact sur le pronostic et la prise en charge Type de tests en 2017

Historique « d’hier à aujourd’hui » Pronostic en constante amélioration Mais le myélome reste « incurable » Hétérogénéité marquée : survie = qq semaines  >10 ans +/- 20 à 30% MM à « haut risque »  tenter d’identifier d’emblée ces patients

Meilleure compréhension de la physiopathogénie 1980 1990 2000 2010 2010 Meilleure compréhension de la physiopathogénie Nouveaux tests diagnostiques Définition des facteurs de risque génétiques et essor de nouvelles techniques Nouvelles molécules Diagnostic: nouveaux tests, nouvelles techniques d’imagerie  nouveaux critères Pronostic: FISH, Profil d’expression génique (GEP), méthodes moléculaires  nouvelle stratification R-ISS Evaluation de la réponse: PET, MRD (NGF, NGS)  nouveaux critères de réponse (MRD) Nouveaux traitements (drogues, anticorps monoclonaux) Etudes prospectives stratifiées selon le risque ? Thérapies ciblées

 Caryotypes peu contributifs : seuls 40-50% sont anormaux… Essor technologique Cytogénétique conventionnelle (caryotype)  Faible capacité proliférative (sauf plasmoblastes) Infiltration médullaire partielle Certaines anomalies sont « cryptiques »  Caryotypes peu contributifs : seuls 40-50% sont anormaux… FISH sur culot de cytogénétique (moelle osseuse cultivée) :  problématique (seuils de positivité) FISH interphasique sur plasmocytes = technique de référence : Isolation des plasmocytes à partir d’un prélèvement de moelle osseuse • Billes immunomagnétiques marquées CD138 ou immunomarquage (Kappa/Lambda) • Séparation manuelle ou automatisée

FISH sur noyaux de Plasmocytes purifiés 64% PLC; gain de 1q

“nouvelles” techniques aCGH/”caryotype moléculaire”: pertes et gains Puces SNP: pertes et gains + perte d’hétérozygotie (fréquente dans MM) Puces d’expression (GEP) : différents modèles (et n de gènes) expression de gènes d’intérêt Séquençage (Sanger, nouvelle génération): Génome Exome Régions d’intérêt mutations, pertes et gains (pfs translocations)

aCGH sur ADN de Plasmocytes purifiés Gain de 1q

Facteurs jamais décrits dans le MM : B-RAF (4%) Chapman et al. Nature 2011 Résultats : 38 génomes ou exomes (AND tumoral vs ADN normal) : absence de mutation commune Voies communément mutées : processing de l’ARN, homéostasie des protéines (XBP, FAM46C, DIS3…) Facteurs connus dans le MM : Ras (50%), p53 (8%), CCND1 (2%), NFkappaB (37%), IRF4 et sa cible PRMD1 Facteurs jamais décrits dans le MM : B-RAF (4%) Mutations dans des voies inattendues : enzyme de modification des Histones (HOX9A), thrombine Complexité de la dérégulation des voies à l’origine de la progression tumorale du myelome Identification de cibles thérapeutiques Here: paired end reads (illumina) NGS (whole genome+whole exome): +:- 35 non-synonymous mutations per myeloma sample Morgan et al, Nature Reviews 2012 Morgan et al, Nat Reviews 2012

Pathogénie Pawlyn et Morgan, 2017 Myeloma evolves from a normal plasma cell through monoclonal gammopathy of undetermined significance (MGUS) and smouldering myeloma (SMM) to multiple myeloma (MM). The genetic and microenvironmental changes that co-evolve to result in a high-risk state are shown. There are concomitant changes in the microenvironment, with shifts in the balance between tumour-promoting and tumour-suppressing cells occurring at the same time as genetic changes in the plasma cell. How these two environments intertwine to mediate high-risk behaviour is currently poorly understood. *Initiating events most associated with high-risk. Amp, amplification; DC, dendritic cell; Del, deletion; EMD, extramedullary disease; HR, high-risk; MDSC, myeloid-derived suppressor cell; NK cell, natural killer cell; PCL, plasma cell leukaemia; pDC, plasmacytoid dendritic cell; TH cell, T helper cell; Treg cell, regulatory T cell; TSG, tumour suppressor gene. Pawlyn et Morgan, 2017

Hétérogénéité génomique: intraclonale et spatiale! >75% Hétérogénéité génomique: intraclonale et spatiale! Rasche, Nat Commun. 2017

Anomalies (cyto)génétiques Implications pronostiques et thérapeutiques Survie (& et anomalies osseuses) corrélée aux anomalies génétiques: Résistance à la chimiothérapie corrélée à certaines aberrations cytogénétiques: Possibilité de traitements stratifiés (essais en cours), voire ciblés Importance de l’évaluation (cyto)génétique. But: Identifier les patients à “haut risque”. MYELOMA

Risque: Quels facteurs? Lonial, Blood 2015

Quelle(s) technique(s) pour évaluer le risque?

Gareth Morgan, Little Rock “Why use an old fashioned flawed technology that is applied badly, is expensive and anly gives limited information? Time to abandon iFISH technology and utilize a consensus next generation sequencing panel that gives all of the relevant information that is applied routinely in the clinic” 16

= consensus IWMG Sonneveld, Blood 2016 Consensus statement FISH is the standard approach for identification of primary genetic events and secondary numerical events. SNP-based mapping arrays and CGH are more sensitive techniques to detect small numerical aberrations, and therefore these can be used in clinical trials. GEP profiling is useful for prognostication and may require bioinformatics support.

IMWG consensus panel on FISH del(17p), t(4;14), and possibly t(14;16) IMWG extended panel (clinical trials): +t(11;14), t(14;20), gain(1q), del(1p), del(13q), and ploidy status.