Analyse transcriptomique d'un écouvillon nasal pour la détection précoce du cancer du poumon.

Transcriptomic analysis of nasal swab for the early detection of lung Cancer.

• Auteur / Autrice : Julie Cartier
• Direction : Chloé-Agathe Azencott
• Type : Projet de thèse
• Discipline(s) : Bio-informatique
• Date : Inscription en doctorat le 14/11/2022
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique (Paris)
• Partenaire(s) de recherche : Laboratoire : Centre de Bio-informatique
• Partenaire(s) de recherche : établissement opérateur d'inscription : Mines Paris-PSL

Mots clés

Mots clés libres

Transcriptomique

Cancer du poumon

Détection précoce

Transcriptomic

Lung cancer

Early detection

Résumé

Malgré une diminution substantielle de la prévalence du tabagisme dans le monde au cours des 30 dernières années, le cancer du poumon reste une cause majeure de décès chez les fumeurs et les anciens fumeurs. Le cancer du poumon reste particulièrement mortel parce qu'il est souvent diagnostiqué à des stades tardifs, lorsque les interventions cliniques sont moins efficaces, parce que les outils de diagnostic actuels sont invasifs (par exemple, la bronchoscopie) ou coûteux (par exemple, le dépistage par tomodensitométrie à faible dose). Il existe donc un besoin immédiat de tests non invasifs et rentables pour la stratification du risque chez les fumeurs et les anciens fumeurs. Partant du constat que la fumée de cigarette crée un champ de lésions dans l'ensemble de l'épithélium des voies respiratoires, causant des dommages similaires dans les tissus des voies respiratoires supérieures et inférieures, plusieurs études ont utilisé la mesure transcriptomique à partir d'écouvillons nasaux pour analyser la réponse personnelle aux lésions dues à la fumée et évaluer le risque personnalisé de cancer du poumon. Cependant, ces études de démonstration du concept ont été menées sur de petites cohortes et souffrent de problèmes de reproductibilité. Elles présentent également une puissance limitée, notamment chez les ex-fumeurs. Enfin, ces classificateurs évaluent uniquement le risque des patients au moment de l'échantillonnage. Étudier comment la prédiction du risque se transfère dans le risque futur du patient serait extrêmement précieux pour concevoir des stratégies de test dans un contexte de dépistage. L'objectif principal de ce projet est d'améliorer la reproductibilité et le pouvoir de classification des classificateurs de détection précoce, et d'étudier le potentiel prédictif de ces classificateurs. Ces 3 questions constitueront les 3 objectifs de recherche de notre projet. Pour ce faire, nous étudierons une nouvelle cohorte contenant 150 patients supplémentaires qui a été récemment assemblée. De plus, nous développerons des méthodes statistiques et des outils bio-informatiques pour améliorer la reproductibilité de la méthode de classification.

Despite substantial decrease in the prevalence of cigarette smoking worldwide during the last 30 years, lung cancer remains a major cause of death in current and former smokers. Lung cancer remains particularly deadly because it is often diagnosed at late stages, when clinical interventions are less effective, because current diagnostic tools are invasive (e.g. bronchoscopy) or cost-intensive (e.g. low- dose CT screening). Hence, there is an immediate need for non-invasive, cost-effective tests for risk stratification of current and ex smokers. Based on the observation that cigarette smoke creates a field of injury throughout the airway epithelium, causing similar damages in upper and lower airway tissues, several studies have been using transcriptomic measurement from nasal swabs to analyse personal smoke injury response and assess personalised lung cancer risk. However, those proof-of-concept studies have been conducted on small cohorts and suffer from reproducibility issues. They also display limited power, especially in ex-smokers. Finally, those classifiers solely assess the risk of patients at sampling time. Studying how risk prediction transfers into the patient's future risk would be extremely valuable to design testing strategies in a screening setting. The overarching aim of this project is to improve early detection classifiers' reproducibility, classification power, and to study the predictive potential of the classifiers. Those 3 questions will constitute the 3 research objectives of our project. To do that, we will study a novel cohort containing an extra 150 patients that has recently been assembled. In addition, we will develop statistical methods and bio informatics tools to improve the reproducibilty of the classification method.