 Qu'est-ce que le cancer ?
Le cancer est un terme générique qui désigne un groupe de pathologies susceptibles d'attaquer n'importe quelle partie de l'organisme. Selon l'Organisation Mondiale de la Santé , le cancer provoque 7 millions de décès chaque année, soit 12,5% des décès dans le monde. Plus de 11 millions de cancers sont diagnostiqués chaque année, et les estimations donnent un chiffre de 16 millions de nouveaux cas tous les ans d'ici 2020.
Le cancer se développe lorsque les cellules d'une partie donnée de l'organisme connaissent une croissance incontrôlée, provoquant souvent l'invasion d'autres tissus, soit directement, soit par transfert dans d'autres parties de l'organisme où les cellules malades commencent à proliférer et se substituer aux tissus sains par le biais d'un processus appelé la métastase.
Les cellules cancéreuses se développent suite à une détérioration de l'ADN. La plupart du temps, lorsque l'ADN est endommagé, l'organisme parvient à le réparer, sauf dans le cas des cellules cancéreuses. La détérioration de l'ADN peut être héréditaire ou être provoquée par des carcinogènes, par exposition à des matériaux radioactifs ou à certains virus qui insèrent leur ADN dans le génome humain.
Sous-catégories de cancer
Dans les grandes catégories de cancers, par exemple le cancer du sein, du foie ou des poumons, il existe différentes sous-catégories. Le cancer du sein est ainsi une catégorie générale qui comprend plusieurs sous-catégories (canalaire in situ, lobulaire, médullaire, colloïde), qui varient sur le plan de la nocivité et nécessitent des traitements et des médications spécifiques. Le cancer du sein ne peut donc pas être considéré comme une pathologie unique, mais comme une multitude de pathologies exigeant chacune des thérapies ciblées.
Toutes les sous-catégories de cancer n'ont pas encore été identifiées. Avec l'apparition de nouveaux médicaments et traitements, ciblant chacun des profils cliniques particuliers, il est devenu de plus en plus important d'établir une distinction entre les sous-catégories de cancers. Pour classifier les différents cancers et identifier les nouvelles sous-catégories, les chercheurs effectuent des analyses de profilage des gènes et des protéines afin d'établir la correspondance entre les signatures et chaque cancer. Le nombre de sous-catégories connues s'accroît au fur et à mesure que les scientifiques arrivent à mieux comprendre les mécanismes sous-jacents de la progression de la maladie.
Matrices tissulaires (TMA)
Un outil de recherche relativement nouveau appelé TMA (tissue microarrays = matrices tissulaires) semble être très prometteur pour la sélection de stratégies thérapeutiques appropriées et pour la fourniture d'un pronostic exact aux patients atteints de cancer. Même si les TMA ne sont pas utilisées à l'heure actuelle par les praticiens pour établir les premiers diagnostics, elles permettent aux chercheurs de déterminer le type et le stade spécifiques du cancer et de rechercher systématiquement les thérapies ou les combinaisons de thérapies susceptibles d'être les plus efficaces pour tous les types de cancers, en fonction des résultats connus de patients individuels. Des voies de traitement spéciales peuvent alors être prescrites pour les patients en fonction de la présence ou de l'absence d'un biomarqueur donné.
 La plus grande difficulté pour donner une évaluation cohérente des schémas d'expression des TMA cancéreuses provient des impressions subjectives des observateurs. Il est prouvé que lorsque les caractérisations se basent sur une analyse assistée par ordinateur, l'objectivité, la reproductibilité et la sensibilité s'améliorent fortement. Le laboratoire du Professeur David J. Foran au Cancer Institute of New Jersey (Institut du cancer du New Jersey), l'UMDNJ – Robert Wood Johnson Medical School (l'UMDNJ - Faculté de médecine Robert Wood Johnson) dirige un projet en collaboration avec un groupe de chercheurs de l'Université de Rutgers et de l' l'Université de Pennsylvanie . Ensemble, ils ont développé un prototype robotique s'exécutant sur le Web pour l'imagerie, l'analyse, l'archivage et le partage automatiques de TMA numérisées. En combinant une technique sophistiquée de traitement d'images avec diverses stratégies de reconnaissance de schémas, le système peut analyser et caractériser automatiquement les schémas d'expression dans les TMA cancéreuses. Grâce à un financement des National Institutes of Health (Instituts nationaux de la santé) , aux contrats 5R01LM007455-03 de la National Library of Medicine (Bibliothèque nationale de médecine) et 1R01EB003587-01A2 du National Institute of Biomedical Imaging and Bioengineering (Institut national d'imagerie biomédicale et de bio-ingénierie) , ces chercheurs ont commencé à analyser le cancer du sein et passeront bientôt au stade de l'évaluation des schémas d'expression protéiniques et moléculaires des cancers de la tête et du cou.
Actuellement, lors d'un diagnostic de cancer, pour déterminer le type de cancer et son stade, l'oncologue dispose de différents moyens : examen au microscope de spécimens, consultations avec des confrères, plus toute une batterie de tests ancillaires. Le diagnostic final influe sur l'agressivité du traitement choisi pour le patient, les médicaments appropriés et la justification des niveaux de risque.
Même si les TMA ne sont pas utilisées à l'heure actuelle par les praticiens pour établir les premiers diagnostics, elles permettent aux chercheurs de déterminer le type et le stade spécifiques du cancer et de rechercher systématiquement les thérapies ou les combinaisons de thérapies susceptibles d'être les plus efficaces pour tous les types de cancers, en fonction des résultats connus de patients individuels. Des voies de traitement spéciales peuvent alors être prescrites pour les patients en fonction de la présence ou de l'absence d'un biomarqueur donné.
Les TMA permettent aussi aux chercheurs de mieux comprendre la biologie du cancer de de découvrir de nouvelles sous-classifications de cancers qui ouvriront la voie à de nouvelles approches thérapeutiques, et donneront une vision sans précédent des populations de patients les plus susceptibles de bien réagir à un traitement donné, tout en fournissant des informations sur l'élaboration de nouveaux médicaments.
Au-delà de leur impact dans le domaine de la recherche pharmaceutique et de l'amélioration des planifications thérapeutiques, les TMA offrent plusieurs avantages par rapport à la préparation classique de spécimens, car elles optimisent des ressources tissulaires limitées : les quantités de biopsies utilisées sont très petites et ceci permet de réduire les coûts de la recherche.
World Community Grid et les matrices tissulaires (TMA)
Actuellement, les principales méthodes d'évaluation des TMA consistent en une analyse manuelle interactive d'échantillons qui sont soumis à une évaluation et une notation subjectives. Une autre stratégie moins utilisée consiste à numériser séquentiellement des spécimens en vue d'une évaluation ultérieure semi-quantitative. Ces deux procédures font appel à l'évaluation interactive des échantillons TMA, un processus lent et fastidieux qui est sujet aux erreurs humaines. La plus grande difficulté pour donner une évaluation cohérente des schémas d'expression des TMA cancéreuses provient des impressions subjectives des observateurs.
Le World Community Grid d'IBM permettra aux composants du logiciel les plus exigeants en puissance de traitement de s'exécuter à une vitesse optimale et par conséquent d'augmenter l'exactitude et la sensibilité des procédures de calculs des expressions et de reconnaissance de formes. En tirant parti de la puissance de calcul collective du World Community Grid, les chercheurs pourront analyser un ensemble beaucoup plus vaste de spécimens tissulaires cancéreux et expérimenter avec un nombre beaucoup plus étendu de biomarqueurs et de colorations qu'ils ne pourraient le faire avec des ressources informatiques traditionnelles.
A l'heure actuelle, seule une toute petite portion des biomarqueurs connus a été étudiée. L'objectif à long terme est de créer une bibliothèque de biomarqueurs et de leurs schémas d'expression afin qu'à l'avenir, les physiciens puissent la consulter pour rendre des diagnostics et établir le traitement le plus efficace pour les patients atteints de cancer.
En l'absence du World Community Grid, les TMA sont traitées individuellement ou par petits lots. Avec le World Community Grid, l'analyse peut être effectuée en parallèle sur plusieurs centaines de TMA, et permet d'exécuter simultanément plusieurs expériences. Ces moyens supplémentaires en termes de vitesse et de sophistication pourraient permettre aux chercheurs de détecter et de suivre les modifications subtiles dans des paramètres mesurables, et par conséquent de faciliter la découverte d'indices de pronostic restant indécelables par un examen humain ou une analyse classique seuls. Ceci permettrait des progrès dans les domaines de la biologie cancéreuse, de la recherche médicamenteuse et de la planification des thérapies.
Pour plus d'informations sur l'agent exécutant le projet Lutte contre le cancer (Help Defeat Cancer), cliquez ici .
Cliquez ici pour écouter une interview du Dr. David Foran (scientifique du Help Defeat Cancer)
|
