Caractérisation de la biologie des systèmes au sein de mécanismes de régulation complexes dans des cellules cancéreuses : quantification des interactions moléculaires pour la conception et optimisation de thérapies

Unraveling the systems biology within complex regulatory mechanisms in cancer cells by quantifying molecular interactions for the design and optimization of therapies

• Auteur / Autrice : Gabriel Jimenez Dominguez
• Direction : Jacques Colinge
• Type : Thèse de doctorat
• Discipline(s) : Biologie Santé
• Date : Soutenance le 21/09/2021
• Etablissement(s) : Montpellier
• Ecole(s) doctorale(s) : Sciences Chimiques et Biologiques pour la Santé
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Cancérologie (Montpellier)
• Jury : Examinateurs / Examinatrices : Jacques Colinge, Sylvie Ricard-Blum, Patricia Thébault, Hubert Charles, Patrice Ravel
• Jury : Rapporteur / Rapporteuse : Sylvie Ricard-Blum, Patricia Thébault

Mots clés

Mots clés contrôlés

Anticorps bispécifiques

Cancer -- Thérapeutique

Biologie systémique

Mots clés libres

Biologie des systèmes

Cancer

Anticorps bispécifiques

Thérapies combinées

Analyse de réponse modulaire (MRA)

Réseaux de régulation

Systems biology

Cancer

Bispecific antibodies

Combined therapies

Modular response analysis (MRA)

Regulatory networks

Résumé

La cellule est un système biologique complexe dans lequel des signaux sont reçus, traités et diffusés par des processus moléculaires complexes. Ces signaux ont un impact sur d'importants mécanismes cellulaires tels que la différenciation et la progression d’une maladie comme le cancer. Ces mécanismes sont généralement régis par les activités des éléments qui composent des réseaux de régulation. Les changements d’activité de ces éléments produits par des perturbations, peuvent révéler certaines caractéristiques intrinsèques à la connectivité entre des molécules ou des modules chargés de transmettre les signaux qui circulent à travers d’un réseau de régulation.L'objectif principal de ce travail de thèse est la quantification des interactions moléculaires et de leurs contributions produisant des changements de comportements biologiques au sein de cellules cancéreuses. Pour cela, des modèles mathématiques ont été conçus en s’appuyant sur l'approche d'analyse de réponse modulaire (MRA en anglais) qui est une technique d'inférence largement utilisée et développée pour caractériser les directions et les forces des connexions entre les éléments d’un réseaux de régulation spécifique à un type de cellule. Les activités biologiques des éléments de ces réseaux sont évaluées dans des états stationnaires atteints après la perturbation individuelle de l’activité de chaque élément du réseau.Dans ce travail, deux projets différents visent à caractériser de façon quantitative des mécanismes de régulation complexes dans des cellules cancéreuses tout en utilisant MRA et des techniques classiques d'acquisition de données. Tout cela en maintenant les coûts expérimentaux à un niveau gérable. Nous avons conçu plusieurs extensions de cette méthodologie pour rechercher dans des données génomiques et phosphoprotéomiques des nouvelles associations à partir d’un réseau biologique inféré par MRA. En outre, la prédiction des réseaux inférés par cette approche a été améliorée. En effet, la gestion du bruit dans les mesures biologiques s’est appuyée sur la Maitrise Statistique des Procédés. Ainsi, une estimation des intervalles de confiance des paramètres du modèle a pu être réalisée sur des jeux des données à faible nombre de répétitions. Les calculs par MRA classique et leurs extensions ont été implémentés dans un package R disponible gratuitement appelé aiMeRA (https://github.com/bioinfo-ircm/aiMeRA/). L'objectif de ce package est qu'un utilisateur non familiarisé avec MRA puisse analyser intuitivement les données associées à la mesure des activités moléculaires après perturbations à l'aide de règles syntaxiques intuitives. aiMeRA fournit des sorties numériques et graphiques qui dévoilent la biologie des systèmes cachée au sein d'un réseau de régulation.Nous avons illustré l'application de notre package en évaluant le crosstalk entre les récepteurs aux œstrogènes (ER) et à l'acide rétinoïque (RAR) et les co-represseurs LCoR et NRIP1. Nous avons montré que notre package R pour l’inférence MRA pouvait récapituler des interactions bien connues entre ces molécules en exploitant des données RT-q-PCR. Notre analyse a révélé une inhibition croisée (crosstalk) potentielle médiée par les corépresseurs partagés NRIP1 et LCoR. Le deuxième projet de ce travail de thèse appelé « DualPancHER » a eu comme objectif principal l’étude d’une série d'anticorps bispécifiques dirigés contre une famille de récepteurs exprimés par différents cancers : la famille EGFR pour le récepteur du facteur de croissance épidermique. L'objectif de ce projet est de mieux comprendre les mécanismes d'action de ces biomédicaments et de déterminer leur efficacité dans le cancer du pancréas. Ce type particulier de cancer a été choisi en raison de la nécessité de traitements innovants. Ici, nous avons combiné l'ingénierie des anticorps et l'ingénierie bioinformatique pour optimiser l'évaluation de 30 BsAb et déterminer le meilleur candidat.

The cell is a complex biological system in which signals are received, treated and diffused through complex molecular processes. These signals have an impact over important cellular mechanisms, which are generally governed by gene regulatory networks such as differentiation and disease progression such as cancer. Changes in signaling activities and gene expression produced by perturbations may reveal some intrinsic characteristics of connectivity between molecules and modules in charge of transmitting these regulatory signals.The main objective of this work is the quantification of molecular interactions and their contributions producing changes in biological behavior within cancer cells. For this, mathematical models were designed using the Modular Response Analysis (MRA) approach, which is an inference technique widely, used and developed to characterize the directions and strengths of connections between elements of a regulatory network specific to a cell type. The biological activities of the elements of these networks are assessed when the cell has reached a new steady-state after the effect of individual perturbations upon the activity of each element of the network.Two different projects in this work aim to quantitatively characterize complex regulatory mechanisms in cancer cells by using contemporary data acquisition techniques, all this maintaining experimental costs at a manageable level. We have designed several extensions of this methodology to search genomic and phosphoproteomic data for new associations from a biological network inferred by MRA. The prediction of the networks inferred by this approach is improved. Indeed, the management of noise in biological measurements is based on Statistical Process Control. Thus, it was possible to estimate the confidence intervals of the model parameters on data sets with a low number of repetitions.Classical MRA computations and their extensions were implemented in a freely available R package called aiMeRA (https://github.com/bioinfo-ircm/aiMeRA/). The objective of this package is that a user unfamiliar with MRA can intuitively analyze the data associated with the measurement of molecular perturbations required by MRA using intuitive syntax rules. aiMeRA provides numeric and graphical outputs that reveal the systems biology hidden within a regulatory network. We showed the application of our R package by assessing the crosstalk between estrogen (ERs) and retinoic acid receptors (RARs), which are two nuclear receptors implicated in several hormone-driven cancers, such as breast cancer. , results showed that the MRA inference R package could recapitulate well-known interactions between these molecules. We successfully confirmed the known predictive power of MRA inferred networks as a means to assess their validity in the validation experiments presented. Based on new data generated for this study, our analysis revealed potential cross-inhibition mediated by the shared corepressors NRIP1 and LCoR.The second project of this work was the DUALPancHER project aimed to study a series of bispecific antibodies directed against a family of receptors expressed by different cancers, the EGFR family for epidermal growth factor receptor. The main goal was to better understand the mechanisms of action of these biomedicines and to determine their efficacy in pancreatic cancer. This particular type of cancer was chosen because of the need for innovative treatments for it. Here we combined antibody engineering and bioinformatics engineering to optimize the evaluation of 30 BsAb and determine the best candidate.