Intégration de données et caractérisation du microenvironnement tumoral de tumeurs rares

par Melissa Alamé

Thèse de doctorat en Biologie Santé

Sous la direction de Emmanuel Cornillot.

Soutenue le 30-10-2020

à Montpellier , dans le cadre de Sciences Chimiques et Biologiques pour la Santé , en partenariat avec Institut de Recherche en Cancérologie (Montpellier) (laboratoire) .


  • Résumé

    Le recueil des données issues des technologies de haut débit, et en particulier le séquençage de nouvelle génération (NGS) a largement contribué à la compréhension de la biologie des tumeurs et leurs classifications moléculaires, par notamment la caractérisation d’anomalies génétiques diagnostiques, pronostiques, ou ciblant les patients éligibles à certaines thérapeutiques (théranostique). Ces marqueurs du cancer ont intégré les panels d’analyses médicales existantes et promeuvent une médecine davantage personnalisée en oncologie.La compréhension de la contribution du microenvironnement tumoral (MET) dans la progression tumorale, et l’identification de mécanismes de résistance aux traitements, a révolutionné la biologie du cancer et la prise en charge des patients en oncologie. A l’ère des immunothérapies, la classification des tumeurs sur la base de la composition de leur MET a identifié des groupes de patients qui corrèlent avec la survie et la réponse à certains traitements. Ainsi, pour une majorité des cancers, une classification immunologique des tumeurs a été établie, complétant les classifications histologiques et moléculaires précédemment érigées. Malgré de considérables efforts, ces classifications immunologiques et moléculaires demeurent incomplètes. En particulier, certaines entités tumorales rares et agressives nécessitent une caractérisation approfondie. En outre, la majorité des études portant sur le MET se sont davantage concentrées sur l’étude de la composition cellulaire et semblent avoir négligé la cartographie des réseaux d’interactions intercellulaires des cancers. L’avènement des technologies basées sur la cellule unique répond à cet impair, mais se focalise essentiellement sur les cancers fréquents.Dans ma thèse, j’ai intégré différentes méthodes d’analyse de données et j’ai développé une nouvelle approche inférant des réseaux d’interactions ligand – récepteur, s’appuyant sur une base de données (LRdb), développée par l’équipe du Pr Colinge, pour caractériser le MET de deux tumeurs rares, les carcinomes canalaires de la glande salivaire et les lymphomes B diffus à grandes cellules B primitifs du SNC.La combinaison de méthodes bioinformatiques et d’analyses statistiques multivariées classiques et avancées, m’a permis d’intégrer des données de transcriptomique totale et de protéomique provenant d’échantillons frais et de données TCGA. Les techniques informatiques utilisées ont été complétées par des technologies d’immunomarquage couplées à de l’analyse d’images digitales afin de recueillir des validations expérimentales.D’importants efforts ont été déployés pour placer nos résultats dans une perspective clinique. En particulier, cette approche a permis d’identifier des groupes de MET d’intérêt clinique, des mécanismes d’évasion immune et de résistance à certains traitements, de nouveaux axes thérapeutiques, et des biomarqueurs.

  • Titre traduit

    Data integration and characterization of tumor microenvironment of rare tumors


  • Résumé

    The development of high-throughput technologies, especially Next Generation Sequencing, has triggered considerable advances in tumor understanding and molecular classification. Patient subgroups for a same tumor have been defined and characterized. Those subgroups are typically associated with a particular prognosis or eligible to a specific targeted therapy. These progresses paved the way towards personalized medicine.The understanding of the contribution of the tumor microenvironment (TME) to disease aggressiveness, progression, and therapy resistance is another revolution in cancer biology and patient care. The contribution of the aforementioned high-throughput technologies was essential. At the era of immunotherapy, the sub-classification of tumors based on their TME composition identified patient subgroups correlated to survival and to their response to this particular class of drugs. Despite a formidable community effort, the molecular and immunological classification of tumors has not been completed for every cancer, some rare and aggressive entities still require thorough characterization. Moreover, most TME studies have focused on the cellular composition and they neglected the mapping of the intercellular communications networks occurring in neoplasms. The advent of single-cell technologies is filling this gap, but with a strong focus on the most frequent cancers.In my thesis, I have both deployed advanced data integration methods and a novel approach to infer ligand-receptor networks relied on a database (LRdb), which is developed by the Colinge Lab, to characterize the TME of two rare tumors, Salivary Duct Carcinoma (SDC) and Primary Central Nervous System Diffuse Large B-Cell Lymphoma (PCNSL). I have combined classical – yet advanced – bioinformatic and multivariate statistics methods integrating bulk transcriptomics and proteomics data, including fresh and TCGA data. Those computational techniques were supplemented with immunofluorescence and immunohistochemistry coupled with digital imaging to obtain experimental validations. To accommodate limited patient cohorts, I have searched for highly coherent messages at all the levels of my analyses. I also devoted important efforts relating our findings with the literature to put them in a clinical perspective. In particular, our approach revealed TME groups of tumors with particular prognosis, immune evasion and therapy resistance mechanisms, several clinical biomarkers, and new therapeutic perspectives.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Universités de Montpellier. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.