Analyse multiomique intégrée, inférence d'interactions léthales synthétiques et pharmacologie des systèmes pour l'identification de cibles thérapeutiques chez les tumeurs déficientes pour le complexe SWI/SN

Integrated multiomic analysis, synthetic lethality inference and network pharmacology to identify SWI/SNF subunit-specific pathway alterations and targetable vulnerabilities

• Auteur / Autrice : Jorge Bretones Santamarina
• Direction : Annabelle Ballesta, Sophie Postel-Vinay
• Type : Thèse de doctorat
• Discipline(s) : Sciences du Cancer
• Date : Soutenance le 17/09/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Cancérologie : biologie-médecine-santé (Villejuif, Val-de-Marne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Prédicteurs moléculaires et nouvelles cibles en oncologie (Villejuif, Val-de-Marne ; 2010-....) - Oncologie computationnelle (Paris ; 2009-....)
• Partenaire(s) de recherche : Référent : Université Paris-Saclay. Faculté de médecine (Le Kremlin-Bicêtre, Val-de-Marne ; 2020-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Life Sciences and Health (2020-….)
• Jury : Président / Présidente : Véronique Stoven
• Jury : Examinateurs / Examinatrices : Ian Overton, Michel Wassef, Laura Cantini, Eric Bonnet, Franck Bourdeaut
• Jury : Rapporteurs / Rapporteuses : Ian Overton, Michel Wassef
• DOI : 10.70675/7a0cf580z6659z4b75z958dz11e00a0e58ca

Mots clés

Mots clés contrôlés

Assemblage et désassemblage de la chromatine

Mutations synthétiques létales

Complexe SWI/SNF

Métaomique

Mots clés libres

Analyse d'enrichissement d'ensembles de gènes

Léthalité synthétique

Identification de cibles thérapeutiques

Intégration de données multi-Omiques

Remodelage de la chromatine

Complexe SWItch/Sucrose Non-Fermentable

Pathway enrichment

Synthetic lethality

Therapeutic target identification

Multiomic integration

Chromatin remodeling

SWItch/Sucrose Non-Fermentable complex

Résumé

De nos jours, la communauté scientifique s'accorde sur la nécessité de diagnostics et de thérapies personnalisés pour les patients atteints de cancer, conçus par des études translationnelles combinant approches expérimentales et statistiques. Les défis actuels incluent la validation de modèles expérimentaux précliniques et leur profilage multi-omiques, ainsi que la conception de méthodes bioinformatiques et mathématiques dédiées pour identifier les combinaisons de médicaments optimales pour chaque patient.Cette thèse a visé à concevoir de telles approches statistiques pour analyser différents types de données à grande échelle et les intégrer afin d'identifier les vulnérabilités ciblables des lignées cancéreuses. Nous nous sommes focalisés sur les altérations du complexe de remodelage de la chromatine SWI/SNF, muté dans ~20 % des cancers, pour lesquels aucune thérapie efficace n'est disponible. Nous avons utilisé un panel de lignées cellulaires isogéniques HAP1 mutées pour les sous-unités du complexe SWI/SNF ou d'autres enzymes épigénétiques, pour lesquelles des données de transcriptomique, protéomique et de criblage de médicaments étaient disponibles.Nous avons travaillé sur quatre axes méthodologiques. Premièrement, nous avons conçu une méthodologie optimisée d'enrichissement pour détecter les voies de régulation différentiellement activées entre mutants et type sauvage. Ensuite, nous avons croisé les résultats des criblages de médicaments et les bases d'interaction gène-médicament, pour inférer des voies de régulation ciblables spécifiquement chez les lignées mutantes. Ensuite, la validation de ces cibles potentielles a été réalisée à l'aide d'une nouvelle méthode détectant la létalité synthétique à partir de données transcriptomiques et CRISPR de lignées cancéreuses indépendantes du projet DepMap. Enfin, en vue de l'optimisation de thérapies multi-agents, nous avons conçu une première représentation digitale des voies de régulation ciblables pour les tumeurs mutées SMARCA4, en construisant un réseau dirigé d'interaction protéine-protéine reliant les cibles inférées des analyses multi-omiques HAP1 et CRISPR DepMap. Nous avons utilisé la base de données OmniPath pour récupérer les interactions protéiques directes et ajouté les protéines liant celles présentes dans le réseau avec l'algorithme Neko.Ces développements méthodologiques ont été appliqués aux ensembles de données disponibles pour le panel HAP1. En utilisant notre méthodologie d'enrichissement optimisée, nous avons identifié le Métabolisme des protéines comme la catégorie de voies de régulation la plus fréquemment dérégulée dans les lignées SWI/SNF-KO. Ensuite, l'analyse de criblage de médicaments a révélé des médicaments cytotoxiques et épigénétiques ciblant sélectivement les mutants SWI/SNF, notamment les inhibiteurs de CBP/EP300 ou de la respiration mitochondriale, également identifiés comme létaux synthétiques par notre analyse CRISPR DepMap. Ces résultats ont été validés dans deux modèles expérimentaux isogéniques indépendants. L'analyse CRISPR DepMap a également été utilisée pour identifier des interactions létales synthétiques dans le glioblastome, qui se sont révélées pertinentes pour des lignées cellulaires dérivées de patients et sont en cours de validation.En résumé, nous avons développé des méthodes computationnelles pour intégrer des données d'expression multi-omiques avec des criblages de médicaments et des tests CRISPR, et identifié de nouvelles vulnérabilités chez les mutants SWI/SNF, qui ont été validées expérimentalement. Cette étude était limitée à l'identification de monothérapies efficaces. Pour l'avenir, nous proposons de concevoir des modèles mathématiques représentant les réseaux de protéines ciblables à l'aide d'équations différentielles et de les utiliser dans des procédures d'optimisation numérique et d'apprentissage automatique pour étudier les cibles médicamenteuses concomitantes et personnaliser les combinaisons de médicaments.

Nowadays the cancer community agrees on the need for patient-tailored diagnostics and therapies, which calls for the design of translational studies combining experimental and statistical approaches. Current challenges include the validation of preclinical experimental models and their multi-omics profiling, along with the design of dedicated bioinformatics and mathematical pipelines (i.e. dimension reduction, multi-omics integration, mechanism-based digital twins) for identifying patient-specific optimal drug combinations.To address these challenges, we designed bioinformatics and statistical approaches to analyze various large-scale data types and integrate them to identify targetable vulnerabilities in cancer cell lines. We developed our pipeline in the context of alterations of the SWItch Sucrose Non-Fermentable (SWI/SNF) chromatin remodeling complex. SWI/SNF mutations occur in ~20% of all cancers, but such malignancies still lack efficient therapies. We leveraged a panel of HAP1 isogenic cell lines mutated for SWI/SNF subunits or other epigenetic enzymes for which transcriptomics, proteomics and drug screening data were available.We worked on four methodological axes, the first one being the design of an optimized pathway enrichment pipeline to detect pathways differentially activated in the mutants against the wild-type. We developed a pruning algorithm to reduce gene and pathway redundancy in the Reactome database and improve the interpretability of the results. We evidenced the bad performance of first-generation enrichment methods and proposed to combine the topology-based method ROntoTools with pre-ranked GSEA to increase enrichment performance .Secondly, we analyzed drug screens, processed drug-gene interaction databases to obtain genes and pathways targeted by effective drugs and integrated them with proteomics enrichment results to infer targetable vulnerabilities selectively harming mutant cell lines. The validation of potential targets was achieved using a novel method detecting synthetic lethality from transcriptomics and CRISPR data of independent cancer cell lines in DepMap, run for each studied epigenetic enzyme. Finally, to further inform multi-agent therapy optimization, we designed a first digital representation of targetable pathways for SMARCA4-mutated tumors by building a directed protein-protein interaction network connecting targets inferred from multi-omics HAP1 and DepMap CRISPR analyses. We used the OmniPath database to retrieve direct protein interactions and added the connecting neighboring genes with the Neko algorithm.These methodological developments were applied to the HAP1 panel datasets. Using our optimized enrichment pipeline, we identified Metabolism of proteins as the most frequently dysregulated pathway category in SWI/SNF-KO lines. Next, the drug screening analysis revealed cytotoxic and epigenetic drugs selectively targeting SWI/SNF mutants, including CBP/EP300 or mitochondrial respiration inhibitors, also identified as synthetic lethal by our Depmap CRISPR analysis. Importantly, we validated these findings in two independent isogenic cancer-relevant experimental models. The Depmap CRISPR analysis was also used in a separate project to identify synthetic lethal interactions in glioblastoma, which proved relevant for patient-derived cell lines and are being validated in dedicated drug screens.To sum up, we developed computational methods to integrate multi-omics expression data with drug screening and CRISPR assays and identified new vulnerabilities in SWI/SNF mutants which were experimentally revalidated. This study was limited to the identification of effective single agents. As a future direction, we propose to design mathematical models representing targetable protein networks using differential equations and their use in numerical optimization and machine learning procedures as a key tool to investigate concomitant druggable targets and personalize drug combinations.