Transcript Apport de la pharmacogénomique en oncologie médicale

Apport de la
Pharmacogénomique
dans le traitement des
Cancers
Master 1 : Module Oncologie
22 Novembre 2010 - Dr Barthélémy
Plan
• Introduction : Chimiothérapie - limites des
approches statistiques
• Apport de la pharmacogénomique:
– Apport pronostique
– Apport prédictif de réponse à la
chimiothérapie
– Apport prédictif de réponse aux thérapies
ciblées
Méthodologie du développement des
chimiothérapies et limites
Drogues
Phase 1 : dose maximale
1
Phase 2 :
toxicité/efficacité
Phase 3 : Comparaison
bras de référence
Lignée cellulaire
tolérée (DMT)
2
3
4
5
6
Limites des statistiques !
• Jusqu’en 2000 :
– Type de chimiothérapie basé sur études phase III =>
Données statistiques de réponse et toxicité
Chimiothérapie A (n=544)
80
100
p = 0.145
80
60
Progression free survival
Progression-free survival
100
60
p < 0.05
40
Bras A
40
Chimiothérapie B (n=544)
20
Bras B
20
0
0
0
6
12
24
30
36
42
Months
48
55
62
68
0
12
24
Months
36
48
Problème de sélection
Traitement identique
Hétérogénéité
-Tumorale
- Patient
Objectif :
Traitement à la carte
Moyens:
1. Pharmacogénomique
2. Pharmacogénétique
Sélection des tumeurs et des
patients!!
Cible +
Cible -
Définitions
• Pharmacogénétique
– Etude du génome du patient
• Polymorphisme des cytochrome P450 et réponse
à une drogue
• Analyse pangénomique des SNP (polymorphisme si
>1% des patients)
• Pharmacogénomique
• Etude du génome tumoral
Analyses à l’échelle génomique
Echantillons
Extraits
ADN
Tumeur
Tumorothèques
ARN
Protéine
Sang :
Protéines, CTC,
-mics
Génome
(FISH,CGH array, SNP...)
Transcriptome
(cDNA microarray...)
Protéome
(Spectrométrie de masse...)
Apport de la pharmacogénomique
• Etablir des profils d’expression (signatures moléculaires)
– Caractérisation de sous-types de tumeurs (ex. Puces à ADN et Cancer du
sein)
– Rôle pronostique, prédictif,
• Identification de nouvelles cibles thérapeutiques (HER-2,
EGFR, c-KIT…)
• Identification de facteurs prédictifs de réponse
– Mutations de gènes : EGFR, K-RAS, c-KIT
– Polymorphismes : ERCC1 et sels de platine
– Translocations : ALK4 (cancer du poumon)
Approche « génomique globale »
• Etude par puces à ADN de signatures
moléculaires
• Apport pronostique
• Apport prédictif
• Identification de nouvelles cibles
thérapeutiques
Signatures moléculaires : Puces à ADN
1.Extraction ARN tumoral
2. RTPCR => ADNc
3. Marquage fluorescent de
l’ADNc (Cy5 => ADNc tumoral; Cy3
=> ADNc étalon
4. Hybridation
Mix ADNc – Puce à ADN
4. Processus d’analyse
Signatures moléculaires
Gènes
• Pronostiques
Rouge : Surexpression
Vert : Sous-expression
Echantillons
• Prédictives de réponse
aux traitements
Classification moléculaire des
cancers du sein
• Etablissement d’une nouvelle taxonomie de
cancer du sein
• Définition d’index pronostiques basés sur les
caractéristiques génétiques (OncotypeDX,
Mammaprint)
• Prédiction de la réponse aux différents
traitements antitumoraux
• Identification de cibles moléculaires permettant
de nouveaux traitements ciblés
Classification moléculaire des cancers du
sein
« LUMINAL»
« HER2 + »
KRT 8/18 +
ESR1 ESR1
+
ESR1 +++
GRB7
ESR genes regulated
TP53 * 71%
BCL2 +
RAS pathway
«BASAL»
« Normal like »
TOP2A
MYC
KIT pathways
« BRCA1 »
ESR1KRT5/17 +
HER2 –
TP53 * 82%
BCL2
EGFR
Perou et al, Sorlie et al, Bertucci et al, Sotiriou et al, Hedenfalk et al, West et al
Van de Rijn et al Am J Pathol 2002, Abd El Rehim et al J Pathol 2004
Index pronostic selon la
classification
Sorlié 2001
Pharmacogénomique
et
Apport pronostique
Signature pronostique
Tumeurs du sein (T<5cm; N0)
Signature
moléculaire
Absence de métastases
( > 5 ans)
Présence de métastases
( < 5 ans)
25 000 gènes
78 tumeurs N0
(training set)
Signature moléculaire
(70 gènes)
17 tumeurs N0
(validation set)
Discrimination pronostique
Nature, 415, 530-536, 2002
Nouveaux outils décisionnel en
cancérologie du sein
• Oncotype DX : score de récurrence; validé
aux USA
• Mammaprint (signature d’amsterdam): en
cours de validation (Essai Mindact)
• => probable outil décisionnel pour
l’indication de chimiothérapie adjuvante du
cancer du sein
Mammaprint : Signature 70 gènes
Essai MINDACT en cours :
Survie Globale
Signature Mammaprint
95% ±2.6%
55% ±4.4%
Oncotype DX
21-gene assay = 16 outcome-related genes + 5 reference genes
No distant recurrence
(low risk) = 93.2%
No distant recurrence
(high risk) = 69.5%
A risk score is calculated from 0 -100
Pharmacogénomique
et
Apport prédictif
Signature prédictive de réponse
à la chimiothérapie FAC/Taxol
19 813 gènes
133 patients
Profil génomique
(signature DLDA-30)
(training set)
Signature moléculaire
(74 gènes)
51 patients
(validation set)
versus
facteurs prédictifs
anatomo-cliniques
(âge, grade, RH)
Prédiction pCR >92% (vs 61%)
Ayers, 2004, Pusztai 2004, Hess 2006
Prédiction Réponse Docetaxel
• Taxotère 100mg/m2 x 4cycles
• Réponse clinique
• Analyse cDNA
• Profil d’expression de 92 gènes
-> corrélation réponse au
taxotère
• VPP 92% et VPN 83%
Chang JC Lancet 2003c
Prédiction de la réponse à la
chimiothérapie pré-opératoire
• Résultats prometteurs (mais restent à valider)
• Problèmes de méthodologie
• Nécessité de standardisation des techniques
• Faibles effectifs
• Essais cliniques prospectifs
Pharmacogénomique
et
cibles thérapeutiques
Classification moléculaire et identification
de cibles thérapeutiques
« LUMINAL»
« HER2 + »
KRT 8/18 +
ESR1 ESR1
+
ESR1 +++
GRB7
ESR genes regulated
TP53 * 71%
BCL2 +
RAS pathway
«BASAL»
« Normal like »
TOP2A
MYC
KIT pathways
EGFR
« BRCA1 »
ESR1KRT5/17 +
HER2 –
TP53 * 82%
BCL2
EGFR
Perou et al, Sorlie et al, Bertucci et al, Sotiriou et al, Hedenfalk et al, West et al
Van de Rijn et al Am J Pathol 2002, Abd El Rehim et al J Pathol 2004
Identification de cibles potentielles
ex. Cancer basal-like
• Angiogenèse
• EGF-R
Thérapies ciblées
• c-Kit
• TOP2A → cible des anthracyclines
• Instabilité génétique → DNA-damaging agents
( platinum compounds , . . . )
• p-53 → taxanes
Approche « mono-génomique »
• Recherche d’anomalies de une ou
plusieurs cibles thérapeutiques ou voies
de signalisation (amplifications, mutations,
translocations, polymorphismes…..)
• Facteurs prédictifs de réponse aux
thérapies ciblées
Amplification HER2
cancer du sein et cancer gastrique
HER2
HER 1 ; 3 ; 4
I
I
II II
III
IV
hétérodimérisation
III
IV
SOS
P
P
P
P
Grb 2
RAS
GTP
RAS
RAF
MEK
GDP
ERK
HER 2
FISH
IHC
Forte surexpression +++
Faible surexpression + / ++
Absence de surexpression
Etude HERA : Apport de la cible
EGFR
Cancer du colon / Poumon / ORL
• Surexpression IHC !
• Cible ? Facteur prédictif de réponse ?
• Mutations
• Altération de la voie de signalisation:
K-ras, B-raf
EGFR : cible variable
Erbitux, Vectibix
=> Colon, ORL
Iressa, Tarceva
=> Poumon
EGF-R
EGFR et Cancer du poumon
• Réponse aux Inhibiteurs de tyrosine kinase ( ITK )
– Non corrélée à l’expression de EGFR
– Corrélée à :
•
•
•
•
Adénocarcinome
Non fumeur
Asiatique
Sexe féminin
Facteur moléculaire prédictifs de réponse ?
Mutations de l’EGFR et Sensibilité au
Gefitinib / Erlotinib
EGF ligand binding
Tyrosine kinase
TM
718
18
G719A/C
DFG
745
GXGXXG
Exon:
K
Domaine de P
Y
Y
Y Y
858 861
K
964
DFG L L
19
LREA
deletion
20
21
L858R
Lynch et al ’04; Paez et al ‘04; Pao et al ‘04
22
L861Q
23
24
Survie : Statut EGFR et ITK
1.
0
ITK Gefitinib (n=132)
Carboplatin / paclitaxel (n=129)
0.
8
HR (95% CI) = 0.48 (0.36, 0.64)
p<0.0001
0.
6
0.
4
0.
2
0.
0 0
4
8
12
Months
16
20
24
EGFR mutation negative
Probability of progression-free survival
Probability of progression-free survival
EGFR mutation positive
1.
0
ITK Gefitinib (n=91)
Carboplatin / paclitaxel (n=85)
0.
8
HR (95% CI) = 2.85 (2.05, 3.98)
p<0.0001
0.
6
0.
4
0.
2
0.
0 0
4
8
12
16
20
Months
Mok et al ‘09
24
Poumon et Gène de Fusion EML4ALK
 Fusion de la partie N terminale de EML4 (Echinoderm Microtubule-
Associated Protein-Like 4) et de la région codant la partie
intracellulaire d'ALK (Anaplastic Lymphoma Kinase) avec une activité
tyrosine kinase
1
 Détermination par FISH
HELP
496
Basic
EML4
1
981
WD
496
1059
EML4-ALK variant 1
1
1058
ALK
 La protéine ALK induit
1620
Kinase
TM
une prolifération et une inhibition de l'apoptose
 4 à 5 % des caucasiens et 7 à 8% des asiatiques
Y. Bang et al. ASCO 2010. Abstract 3
Thérapeutique EML4-ALK
• Crizotinib : ITK
100
Réponse au crizotinib
SSP
80
Progressive disease
60
Stable disease
60
40
40
20
0
EGFR
WT/WT
20
EML4–ALK
0
12
0
24
36
48
60
–20
–40
=> Absence de réponse aux anti-EGFR
–60
–80
–100
Confirmed partial response
Confirmed complete response
Cancer du poumon :
Identification de multiples sous-types
Adaptation de traitements différents selon le
statut moléculaire
Nouvel arsenal thérapeutique:
-Anti-EGFR si mutations EGFR
Inconnu 65%
-Inhibiteurs EML4-ALK
-Chimiothérapie à base de sels de
platine si déficit du mécanismes
de réparation (défaut ERCC1 – système NER)
……..
autre2%
Ras 15%
EGFR 10%
Met 1%
PDGFRa
Alk
4% Ros 4%
1%
EGFR et Cancer du colon
• Absence de réponse aux ITK mais
réponse aux anticorps
• Pas de corrélation avec l’expression
EGFR en IHC
Facteur prédictif de réponse au mab
anti-EGFR ?
K-Ras et B-Raf : mutations et réponses
thérapeutiques
EGFR
PI3K
Mutations EGFR rares
Ras
Mutations
Raf
Akt
mTor
MEK
ERK
prolifération
Importance du statut K-ras
K-ras muté
7.4 vs 7.3 sem
K-ras sauvage
12.3 vs 7.3 sem
Amado, R. G. et al. J Clin Oncol; 26:1626-1634 2008
Conclusion
• Mutation K-RAS : facteur prédictif de non
réponse aux Ac anti-EGFR
• Adaptation du traitement sur les données
de biologie moléculaire
• Distinction entre plusieurs sous-types
– Kras muté
– Braf muté (a valider) ….
GIST et Imatinib / Sunitinib
• Tumeurs rares développées à partir des
cellules de cajal (Gastro-Intestinal Stromal Tumor)
• Expression de c-kit (réc. transmembranaire à activité
tyrosine kinase) et
PDGFR
• Traitement par Glivec, Sutent…
• Facteurs prédictifs de réponse ???
Mutations de KIT et PDGFRa dans les GIST
Mutations activatrices
PDGFRa
KIT
(8%)
(78%)
Sensible au Glivec®
Fréquence des mutations :
86%
Exon 9 (10%)
Exon 11 (67%)
Membrane
Exon 12 (0.9%)
Exon 13 (0.5%)
Exon 14 (0.3%)
Cytoplasme
Exon 17 (0.5%)
Heinrich et al. Hum Pathol. 2002;33:484; Science 2003, Corless et al. Proc AACR. 2003
Exon 18 (6.3%)
Résistant au Glivec®
Survie sans progression selon
statut c-KIT
100
KIT exon 9 mutants
90
80
Median SSP (months)
6 / 19
70
3-year estimate (%)
5 / 17
60
P value (logrank test)
0.017
50
40
30
20
10
0
0
1
2
3
Years
KIT exon 9 mutants: 400 mg / 800 mg GLIVEC
Other patients: 400 mg / 800 mg GLIVEC
4
5
Comment sélectionner les cibles?
• Règles générales:
Expression
→ Cible possible
Expression + Activation
→ Cible prometteuse
Expression + Activation + Mécanisme
→ Cible majeure
Expression + Activation + Mécanisme + Drogue
→ Étude clinique
Take Home Message
• Pharmacogénomique
– Approche indispensable à l’évolution vers un
traitement à la carte
– Identification de multiples sous-types différents de
cancers => classification moléculaire
– Problèmes futurs des études cliniques (effectifs faible
et difficultés de recrutement)
– Modèles mathématiques et statistiques