Focus recherche – Cancer du sein, immunothérapie, IA… Trois autres avancées à suivre
Le trimestre dernier, nous avons aussi appris qu’une analyse sanguine peut permettre de personnaliser les traitements prescrits aux femmes porteuses d’un cancer du sein, que certaines cellules immunitaires sont responsables d’une moins bonne efficacité de l’immunothérapie, et que l’intelligence artificielle est mobilisable pour mieux comprendre comment sont organisées les cellules dans les tumeurs.
Adapter, pendant le traitement, la stratégie thérapeutique des patientes atteintes d’un cancer du sein à haut risque grâce à l’ADN tumoral circulant
Chez les patientes atteintes d’un cancer du sein RH positif et HER2 négatif, il est courant de voir apparaître une résistance aux traitements par hormonothérapie et inhibiteurs de CDK4/6. Cependant, il n’est actuellement pas possible de départager en amont les patientes chez qui ces traitements seront efficaces de celles qui développeront une résistance.
Pour répondre à cette problématique, des chercheurs de l’IHU Prism de Gustave Roussy, ainsi que de CentraleSupélec et du réseau Unicancer ont exploré la possibilité de recourir à l’ADN tumoral circulant, des petits fragments d’ADN issus des cellules tumorales et détectables dans le sang. Les résultats de cette analyse montrent que le taux initial d'ADN tumoral circulant, mais aussi son évolution pendant les premières phases de traitement, sont fortement associés au risque de progression de la maladie et à la survie.
Cette approche pourrait offrir un moyen de repérer très tôt les patientes qui ne répondront pas bien au traitement, avant que la progression de la maladie ne soit visible à l’imagerie. À terme, cela pourrait permettre d’adapter plus rapidement la stratégie thérapeutique pour ces patientes.
Prognostic significance of early on-treatment evolution of circulating tumor DNA in advanced ER-positive/HER2-negative breast cancer
Mamann, A. et al., Annals of Oncology, Volume 36, Issue 11, 1342 - 1355
Mieux comprendre pourquoi l’immunothérapie ne fonctionne pas chez tous les patients
L’immunothérapie a profondément transformé la prise en charge de nombreux cancers. Pourtant, ces traitements innovants ne sont pas efficaces chez tous les patients, et les raisons de ces échecs restent encore mal comprises.
Dans une étude publiée dans la revue internationale Nature Immunology, des chercheurs de Gustave Roussy ont contribué à mieux comprendre le rôle de certaines cellules du système immunitaire, appelées cellules dendritiques, au sein des tumeurs humaines. Ces cellules jouent un rôle central dans l’activation des défenses immunitaires contre le cancer.
En analysant des données issues de milliers de cellules provenant de différents types de tumeurs, les chercheurs ont mis en évidence des profils spécifiques de cellules dendritiques associés à une moindre efficacité de l’immunothérapie. Certaines de ces cellules semblent freiner l’activation des lymphocytes chargés de détruire les cellules cancéreuses.
Ces résultats permettent de mieux comprendre pourquoi certains patients répondent moins bien à l’immunothérapie. À terme, ils pourraient contribuer à identifier plus précisément les patients susceptibles de bénéficier de ces traitements et à développer de nouvelles stratégies pour en améliorer l’efficacité.
DC subsets and states unraveled across human juxtatumoral and malignant tissues
Mulder K. et al., Nature Immunology, 2025
Une intelligence artificielle pour mieux comprendre l’organisation des tissus et des tumeurs
Pour mieux comprendre le fonctionnement d’un organe ou d’une tumeur, il ne suffit pas de savoir quelles cellules sont présentes : il est aussi important de comprendre où elles se situent dans le tissu et comment elles interagissent entre elles. C’est ce que permet la transcriptomique spatiale, une technologie de pointe qui analyse l’activité des gènes tout en conservant la position exacte des cellules dans les tissus.
Mais cette richesse d’information pose un défi majeur : les données générées sont extrêmement complexes, souvent produites avec des technologies différentes et difficiles à comparer d’un échantillon à l’autre.
Dans une étude publiée dans la revue Nature Methods, des chercheurs de Gustave Roussy et de CentraleSupélec ont développé Novae, un nouvel outil d’intelligence artificielle capable d’analyser ces données de manière robuste et standardisée. L’un des principaux atouts de Novae est sa capacité à comparer des données issues de technologies différentes, tout en corrigeant automatiquement les biais techniques. L’outil permet ainsi de repérer des structures communes entre plusieurs échantillons, mais aussi d’identifier des organisations propres à certaines maladies, notamment les cancers.
En facilitant l’analyse et la comparaison de données complexes à grande échelle, Novae ouvre de nouvelles perspectives pour la recherche biomédicale. À terme, cet outil pourrait aider les chercheurs à mieux comprendre le microenvironnement tumoral.
Novae: a graph-based foundation model for spatial transcriptomics data
Blampey Q. et al., Nature Methods, 2025