Explorer l'architecture des tumeurs

Le fait que chaque tumeur soit différente fait du traitement du cancer l'un des domaines les plus complexes de la médecine. Une cellule cancéreuse dégénérée se développe en une mosaïque de populations cellulaires qui acquièrent continuellement de nouvelles mutations. Et chacune de ces populations cellulaires - ou clones - peut réagir différemment au traitement.

Les approches thérapeutiques modernes ciblent les populations cellulaires qui contribuent de manière significative à la croissance de la tumeur. Les médecins prélèvent des échantillons de tissu tumoral et déterminent la taille relative des clones et leurs mutations spécifiques au moyen du séquençage de l'ADN.

Cependant, il est souvent difficile de savoir si et pourquoi une certaine population de cellules s'établit dans une tumeur, ce qui rend difficile de prévoir l'évolution du cancer et de choisir le bon traitement en conséquence.

Un modèle informatique montre le développement d'une tumeur

Une équipe de recherche internationale dirigée par Niko Beerenwinkel, professeur au département des biosystèmes de l'ETH Zurich à Bâle, vient de montrer que l'architecture des tissus est un facteur crucial pour déterminer la façon dont les populations de cellules se propagent dans différents types de cancer.

Les chercheuses et chercheurs ont simulé le développement d'une tumeur à l'aide d'un modèle informatique qui, contrairement aux modèles précédents, prend en compte non seulement les mutations, mais aussi la manière dont les cellules cancéreuses sont disposées dans le tissu affecté et comment elles se propagent. Leurs résultats ont été publiés dans la revue Nature Ecology and Evolution.

«Les populations de cellules dans les tumeurs sont en concurrence les unes avec les autres pour des ressources limitées, comme l'espace, les nutriments et l'oxygène», explique Robert Noble, auteur principal de l'étude. Cela signifie que la question de savoir si une nouvelle mutation confère un avantage de survie à une population cellulaire dépend de la manière dont elle interagit avec les populations cellulaires voisines.

Les cellules cancéreuses sont en compétition permanente

Dans le cas d'un cancer du sang, par exemple, il y a jusqu'à 100'000 cellules souches sanguines dans la moelle osseuse, qui forment un grand pool uniforme et une communauté en interaction. Une cellule souche dégénérée présentant une mutation qui lui confère un avantage en termes de survie peut rapidement s'établir dans ce pool cellulaire.

En revanche, les cellules impliquées dans le développement du cancer du côlon sont localisées dans de petites niches séparées par des plis microscopiques de la paroi intestinale. En raison de la nature hautement compartimentée de cet habitat, les cellules cancéreuses présentant des mutations bénéfiques sont lentes à se propager.

La théorie selon laquelle la structure spatiale des tissus influence l'évolution des tumeurs existe depuis un certain temps dans la recherche sur le cancer. Cependant, la nouvelle étude est la première à examiner systématiquement cet aspect. Le modèle informatique de l'équipe de recherche de l'ETH Zurich montre la propagation spécifique aux tissus des populations de cellules mutées pour différents types de cancer.

Les simulations correspondent à l'architecture des tumeurs réelles

Le modèle informatique récemment mis au point montre la propagation spécifique aux tissus des populations de cellules mutées pour différents types de cancer. Pour chaque type de cancer, l'équipe de recherche a effectué des milliers de simulations et ont comparé les résultats avec des données de séquençage d'ADN à résolution spatiale provenant de spécimens de tumeurs humaines réelles. Les prédictions du modèle informatique concordent avec les données cliniques.

«Nos résultats montrent que la structure spatiale particulière de chaque tumeur doit être prise en compte afin d'obtenir une image précise des processus», déclare Niko Beerenwinkel.

L'étude fournit également un plan pour une nouvelle génération de modèles spécifiques aux patientes et patients pour le diagnostic du cancer. Robert Noble, qui dirige désormais un groupe à la City University de Londres, déclare: «À l'avenir, les médecins pourraient être en mesure d'utiliser ces modèles pour mieux prédire si une tumeur particulière répondra au traitement.»