S'abonner

Modèle intégratif pour les cancers MSI et le syndrome de Lynch : classification de variants, calcul du risque de prédisposition et du risque tumoral - 07/05/18

Doi : 10.1016/j.respe.2018.03.325 
A. Lefebvre a, , A. Duval b, G. Nuel a
a LPSM, CNRS UMR 8001, Sorbonne université, Paris, France 
b Inserm UMRS 938, hôpital Saint-Antoine, Paris, France 

Auteur correspondant.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 2
Iconographies 0
Vidéos 0
Autres 0

Résumé

Introduction

Un microsatellite est une séquence d’ADN composée de la répétition de un à six nucléotides. L’instabilité des microsatellites (MSI) se retrouve dans 15 % des cancers colorectaux (CRC), de l’estomac, de l’endomètre et plus rarement dans d’autres localisations (ovaires, voies excrétrices urinaires, intestin grêle, sein, poumon, prostate, etc.). Elle résulte de mutations délétères dans les gènes du système de réparation des mésappariements de l’ADN (« MisMatch Repair », MMR). Chez certains patients, ces mutations MMR sont héréditaires, les prédisposant à la survenue de cancers MSI de localisations très diverses et de manière précoce au cours de la vie (syndrome de Lynch). La détection de ce syndrome est fondamentale pour adapter la prise en charge des patients (conseil génétique, orientation thérapeutique). La première source d’information pour la détection de ce syndrome est l’histoire familiale de cancer, avec, en fonction de ceux qui sont disponibles, les résultats de tests réalisés sur l’ADN tumoral (test MSI, IHC pour étude de l’expression des protéines MMR) comme sur l’ADN germinal (recherche de mutations MMR constitutionnelles par séquençage).

Méthodes

Avec l’augmentation des données biologiques et moléculaires, le développement d’un modèle prenant en compte simultanément l’ensemble de ces données de manière la plus exhaustive possible devient indispensable pour accompagner la démarche diagnostique et orienter la décision thérapeutique. Nous faisons l’hypothèse qu’un tel modèle permettrait de mieux préciser le risque de syndrome de Lynch chez les nombreux patients pour lesquels un diagnostic de certitude ne peut être posé à l’heure actuelle (difficulté d’identification de VUS – « Variants of Uncertain Significance » – sur les gènes MMR notamment). Pour répondre à ce défi, nous proposons un modèle mendélien intégratif basé sur :

– l’histoire familiale de cancer (colon, endomètre et autres) ;

– les données cliniques individuelles des membres de la famille (type de cancer, profil de l’ADN tumoral, IHC des protéines MMR) ;

– les données relatives au variant (séquençage de l’ADN constitutionnel, tests fonctionnels, tests in silico, bases de données).

Notre modèle est implémenté sous la forme d’un réseau bayésien combinant la génétique mendélienne et les durées de survie. Les incidences par localisation et sexe pour les non-porteurs sont celles de la population française (InVS, 2017), et les incidences relatives pour les porteurs sont celles du modèle MMRpro (Chen et al., 2006). L’inférence exacte (exploration exhaustive de l’ensemble des génotypes non observés) repose sur la version la plus récente de l’algorithme d’Elston-Stewart (Totir et al., 2009) et permet ainsi le calcul simultané des risques pour l’ensemble des individus de la famille.

Résultats

Notre modèle intégratif calcule :

– la probabilité (Lynch ou non) associée aux VUS observés ;

– la probabilité individuelle de prédisposition ;

– le risque individuel tumoral par localisation (avec risque compétitif avec la mort).

Nous validons notre modèle et le comparons à MMRpro, PREM1,2,6 et MMRpredict sur un ensemble de familles de patients CRC-MSI pris en charge à l’hôpital Saint-Antoine.

Conclusion

Les perspectives de ce travail incluent le calcul de risques plus complexes (risque familial, modèles multi-états, etc.), une estimation fine des incidences par gène et localisation, l’adaptation du modèle à d’autres syndromes (ex. sein/ovaire et BRCA).

Le texte complet de cet article est disponible en PDF.

Mots clés : Modélisation mendélienne, Analyse de survie, algorithme d’Elston-Stewart, Algorithme somme-produit, Variant of Uncertain Significance (VUS)


Plan


© 2018  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 66 - N° S3

P. S125-S126 - mai 2018 Retour au numéro
Article précédent Article précédent
  • L’élicitation de l’a priori en inférence bayésienne par interrogation d’experts dans les études diagnostiques : l’étude Ebelpri
  • S. Bastide, M. Lomma, M. Sasso, L. Lachaud, J.-P. Daurès, P. Fabbro-Peray, P. Landais
| Article suivant Article suivant
  • Méthode pour le développement d’un nomogramme pour prédire le risque de développer une fibrose radio-induite suite au traitement pour un cancer du sein
  • F. Castan, J. Fraisse, C. Mollevi, D. Azria, S. Gourgou

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.