Recherche
Signalisation de l'Invasion tumorale : P. Coopman

Notre équipe utilise des approches de protéomique par spectrométrie de masse (i) Pour identifier les partenaires impliqués dans les voies de signalisation contrôlées par Syk et PTPN13 afin d’élucider les mécanismes responsables de leur activité suppresseur de tumeurs dans le cancer du sein et (ii) Pour identifier les réseaux de signalisation reliant KRAS, EGFR, Syk et PTPN13 dans le cancer du poumon afin d’identifier de nouvelles cibles thérapeutiques dans les tumeurs KRAS mutées, et mieux comprendre les résistances aux thérapies ciblées, ainsi qu’améliorer l’efficacité de ce traitement dans les tumeurs EGFR mutées.

Nous avons développé plusieurs approches complémentaires permettant d'identifier aussi bien des substrats (phospho-protéomique quantitative par SILAC) que des protéines partenaires au sens large (« interactomique » par BioID ou GFP/RFP nano-trap). Pour cela, nous utilisons et comparons notamment des formes catalytiquement actives et inactives de Syk et PTPN13, ainsi que des contextes cellulaires sauvages ou mutées pour KRAS et EGFR.

Pour analyser et exploiter la quantité substantielle de données protéomiques obtenues, nous avons récemment développé et publié un « pipeline » informatique permettant de modéliser un réseau complet et d’intégrer les différentes voies de signalisation impliquées (Collab. Ovidiu Radulescu, équipe de biologie des systèmes, DIMNP, CNRS, Montpellier). Des algorithmes sont en cours de développement pour comparer plusieurs jeux de données protéomiques afin d’identifier des voies de signalisation communes ou complémentaires dans lesquelles ces oncogènes et suppresseurs de tumeurs sont impliqués, de déterminer les nœuds clés et d’en réduire la complexité aux interacteurs et substrats les plus pertinents.

Les fonctions des protéines cibles identifiées et consolidées par « literature- et data-mining » sont examinées biochimiquement et leur implication dans l’adhérence intercellulaire, la prolifération, la motilité et l’invasion cellulaires ainsi que la résistance aux traitements sont étudiées à l’aide de tests classiques in vitro et in cellulo. Par la suite, leur implication dans la formation et la progression tumorale in vivo est étudiée à l'aide de modèles précliniques génétiquement modifiées. En complément, afin d’évaluer la pertinence clinique des réseaux générés et de leurs composants cruciaux pour le pronostic et le traitement du cancer, des études cliniques à petite échelle sont réalisées principalement en utilisant des approches d’immunohistochimie sur des collections de tumeurs annotées (TMA), obtenues via les deux cliniciens MD/PhD de notre équipe.

En parallèle, nous étudions la résistance du mélanome aux thérapies à base d’inhibiteurs de kinase. D’une part, nous analysons l’hétérogénéité et la plasticité cellulaire par phospho-protéomique quantitative sur cellule unique avec des modèles biologiques de lignées cellulaires et d’organoïdes tumoraux dérivés de patients. D’autre part, nous exploitons nos résultats expérimentaux pour construire des modèles mécanistes qui reproduisent le comportement cellulaire. Enfin, nous utilisons l’intelligence artificielle pour prédire la réponse des patients au traitement anticancéreux en fonction des caractéristiques initiales des tumeurs. 

Au final, notre équipe a acquis une vaste expertise dans le domaine de l’analyse protéomique globale, ainsi que dans la construction et la validation de réseaux, permettant notamment de révéler des voies de signalisation non-intuitives et de découvrir de nouveaux biomarqueurs à valeur théranostique. Cette expertise se base sur nos collaborations pluridisciplinaires entre biologistes, biochimistes, biologistes des systèmes/ bio-informaticiens et cliniciens qui sont clairement un atout.

Il est maintenant établi que des réseaux de signalisation protéique représentent une combinaison de biomarqueurs plus robustes que des protéines prises individuellement. L'échec des thérapies ciblées souligne l'importance de lier le génotype au phénotype via la modélisation en réseau. Avec l'arrivée de la médecine personnalisée, le développement de médicaments passe du ciblage d'un gène individuel au ciblage dynamique de réseaux. Le décryptage de ces réseaux et de leurs interdépendances (« cross talk ») devraient permettre de mieux comprendre les événements contrôlant le cancer. Cette approche « bench-to-bedside » devrait permettre d’identifier de nouvelles protéines et réseaux de signalisation et de les intégrer dans un contexte plus large allant de la progression tumorale jusqu’à l’acquisition de la résistance aux traitements.

Brevets:

- Mueller S & Coopman P “Detecting and suppressing malignancy based on expression of spleen tyrosine kinase (Syk)”. WO2000063689/A9

- Freiss G., Puech C. & Vignon F. “PTPL1 as a biomarker of survival in breast cancer”. EP07301441.7 / WO2009047274/A3.

- Mangé A, Solassol J, Maudelonde T & Rouanet P. “Method and kit for the in vitro diagnosis of breast cancer”. FR2980579/WO2013045591

- Mangé A, Solassol J, Lacombe J & Azria D: “Method for determining radiosensitivity” EP2981331