Des chercheurs ont mis au point un logiciel capable de prédire l’évolution de l’activité cellulaire dans les tissus, une avancée qui pourrait révolutionner la lutte contre le cancer en permettant de simuler la réponse de chaque patient à différents traitements. Cette nouvelle approche, inspirée des modèles de prévision météorologique, ouvre la voie à la création de « jumeaux numériques » personnalisés pour optimiser les thérapies.
L’étude, publiée le 25 juillet dans la revue Cellule, est le fruit d’une collaboration pluridisciplinaire impliquant des experts en génomique, en informatique et en oncologie. Les chercheurs de l’Institut des sciences du génome (IGS) de l’École de médecine de l’Université du Maryland (UMSOM) ont joué un rôle central dans ce projet de plusieurs années.
« La recherche biomédicale actuelle nous donne une image instantanée des écosystèmes cellulaires, mais elle ne montre pas comment les maladies, comme le cancer, se développent à travers la communication entre les cellules », explique Jeanette Johnson, chercheuse postdoctorale à l’IGS et co-première auteure de l’étude. « Le cancer est fortement influencé par le système immunitaire, qui est unique à chaque individu. Cette complexité rend difficile la prédiction de la réponse d’un patient à un traitement spécifique. »
L’originalité de cette recherche réside dans l’utilisation d’une « grammaire d’hypothèse », un langage simple qui fait le pont entre les systèmes biologiques et les modèles informatiques. Développée par une équipe de l’Université d’Indiana dirigée par Paul Macklin, cette grammaire permet aux scientifiques de décrire le comportement cellulaire à l’aide de phrases simples, créant ainsi des représentations numériques des systèmes biologiques multicellulaires.
« Cette nouvelle grammaire facilite non seulement la communication entre la biologie et le code informatique, mais aussi entre les scientifiques de différentes disciplines », souligne Daniel Bergman, scientifique à l’IGS et professeur adjoint de pharmacologie et de physiologie à l’UMSOM. « Elle permet de tirer parti de ce nouveau paradigme de modélisation dans de nombreux domaines de recherche. »
Pour valider cette approche, l’équipe de l’IGS a combiné la grammaire avec des données génomiques provenant d’échantillons de patientes atteintes de cancer du sein et de cancer du pancréas, en utilisant notamment la transcriptomique spatiale. Dans le cas du cancer du sein, les modèles ont révélé un mécanisme par lequel le système immunitaire, au lieu de freiner la croissance tumorale, favorise son invasion et sa propagation.
Les chercheurs ont également adapté leur modèle pour simuler un essai clinique d’immunothérapie pour le cancer du pancréas. En analysant des données génomiques provenant d’échantillons de tissus non traités, le modèle a prédit que chaque « patient virtuel » réagirait différemment au traitement, soulignant l’importance de tenir compte de la complexité des écosystèmes cellulaires pour une oncologie de précision.
Le cancer du pancréas est particulièrement difficile à traiter, en partie à cause de la présence d’une structure dense de cellules non cancéreuses appelées fibroblastes. L’équipe a utilisé la génomique spatiale pour étudier la communication entre ces fibroblastes et les cellules tumorales, et le programme a permis de suivre la croissance et la progression des tumeurs à partir de tissus réels de patients.
« Ce qui me passionne dans ces modèles, c’est qu’ils peuvent être alimentés par des données de laboratoire et de génomique humaine », affirme Jeanette Johnson. « Les cellules immunitaires suivent des règles de comportement qui peuvent être intégrées dans ces modèles. Nous pouvons ainsi tester nos hypothèses sur l’évolution du système immunitaire au fil du temps, sans risque pour les patients. »
Elana J. Fertig, directrice de l’IGS et auteur principal de l’étude, explique : « J’ai toujours pensé qu’il était possible d’appliquer les principes de la prévision météorologique aux systèmes biologiques pour créer des modèles prédictifs du cancer. Nous ne connaissons encore qu’une petite partie des règles qui régissent la biologie. Cette approche nous offre un laboratoire cellulaire virtuel pour tester les implications de ces règles in silico. »
La grammaire développée par les chercheurs est accessible en open source à l’ensemble de la communauté scientifique. « En rendant cet outil accessible, nous ouvrons la voie à la standardisation et à l’adoption généralisée de ce type de modélisation », précise Daniel Bergman. Des chercheurs de l’Université Johns Hopkins ont déjà utilisé cette approche dans le domaine des neurosciences, simulant le développement des couches du cerveau.
« Grâce à ce travail de l’IGS, nous disposons d’un nouveau cadre pour la recherche biologique », conclut Mark T. Gladwin, vice-président des affaires médicales de l’Université du Maryland. « Les chercheurs peuvent désormais créer des simulations informatiques de leurs expériences en laboratoire et des essais cliniques, et même prédire les effets des thérapies sur les patients. Cela ouvre la voie à la création de jumeaux numériques et d’essais cliniques virtuels, non seulement en oncologie, mais dans de nombreux autres domaines. »