L'hétérogénéité cellulaire et l'architecture complexe du tissu
tumoral constituent un obstacle majeur à une meilleure
identification des signatures moléculaires des cancers. Le mélange
de cellules immunitaires et autres cellules stromales aux cellules
cancéreuses pose de sérieux problèmes. La contamination des
cellules normales est le premier défi, le deuxième étant la perte
des caractéristiques spatiales de l'architecture tissulaire qui
rend impossible l’évaluation de toute interaction cellulaire.
Microdissection et analyses histopathologiques demandent du temps
et leur mise en œuvre est souvent impossible à grande échelle. En
revanche l'inférence statistique et informatique des données
moléculaires peut être appliquée à de grandes collections de
données avec des résultats quantitatifs mais il s’agit d’une
approche indirecte.
Pour relever ces défis, une équipe internationale développe une
nouvelle approche reposant à la fois sur la richesse des
informations histopathologiques et les résultats rapides et
quantitatifs des analyses informatiques. Intégrant les données
génomiques et histopathologiques, elle exploite la méthode la plus
utilisée dans le diagnostic histologique, les images de coupes de
tumeurs solides colorées à l'hématoxyline-éosine (H & E).
Les chercheurs recueillent les images des coupes, les données
d’expression des gènes et celles des variations du nombre de copies
chez des patientes atteintes d’un cancer du sein (n = 323 pour une
cohorte de découverte, et n = 241 pour la cohorte de
validation).
 |
|
Distribution des types cellulaires dans 323
tumeurs du sein : chaque point représente une tumeur et les trois
axes la proportion de cellules cancéreuses, lymphocytaires et
stromales.
Crédit : Science Translational
Medicine/AAAS
|
La procédure de traitement automatique d’images détecte les
artefacts résultant de différences dans l'épaisseur de coupe et de
la variation de coloration, et classe les composants cellulaires en
trois catégories : cellules cancéreuses, lymphocytes, ou
cellules stromales ; une classification basée sur les
caractéristiques morphologiques, nucléaires en particulier. Une
étape suivante de lissage spatial permet de corriger les erreurs en
tenant compte des cellules voisines. Enfin, le système affiche les
numéros et les emplacements des types cellulaires dans chaque
tumeur. On obtient une représentation de la distribution spatiale
des cellules. Un ensemble de données (par exemple celui des 323
tumeurs cancéreuses du sein de la première cohorte) peut être
résumé dans un triangle. Chaque point est une tumeur et les 3
axes indiquent la proportion de chacun des types de cellules.
Les résultats sont en bonne corrélation avec ceux obtenus par un
pathologiste.
La corrélation entre données cellulaires et expression génique
permet d’associer certains gènes spécifiques d’un type cellulaire
aux quantités de cellules (surexpression de gènes du cycle
cellulaire et proportion de cellules cancéreuses ; de gènes codant
pour des protéines de la matrice extracellulaire et cellules
stromales ; de gènes codant pour des protéines impliquées dans
l’apoptose et lymphocytes).
La nouvelle méthodologie est appliquée à la quantification de
l’infiltration des lymphocytes pour prédire la survie chez des
patientes ayant un cancer du sein ER- (n = 54 et n = 61
respectivement dans les cohortes de découverte et de validation).
Les tumeurs sont divisées en 2 groupes, d’infiltration élevée (≥ 8
%) et faible. En utilisant une signature d’expression génique déjà
publiée, on obtient une précision de 67 ± 4,7% pour prédire la
survie. Elle augmente à 75 ± 1,5 % en se basant sur le traitement
d’images seul et passe à 86 ± 3,0 % en intégrant les données
génomiques.
Les chercheurs montrent également l’importance pronostique de la
relation spatiale entre cellules stromales de la tumeur sur la
survie dans le groupe ER- et suggèrent d’ajouter ce critère à celui
de l’infiltration lymphocytaire.
Au final, cette approche intégrant la quantification de
l’hétérogénéité cellulaire par des images histopathologiques
traitées automatiquement, et les données génomiques devrait
permettre d’améliorer le diagnostic clinique.
Dominique Monnier
Yuan Y et coll. : Quantitative Image Analysis of Cellular Heterogeneity in Breast Tumors Complements Genomic Profiling. Sci Transl Med.,2012 ; 4:157ra142.
Vous pouvez lire sur un thème proche
:
Copyright © http://www.jim.fr
 |
Vos réactions |
