Les néoantigènes, de minuscules marqueurs issus de mutations cancéreuses, signalent les cellules cancéreuses et pourraient être la clé pour débloquer une nouvelle génération d'immunothérapies. Cibler les «bons» néo-antigènes – dans un vaccin anticancéreux ou une thérapie cellulaire – a la promesse d'éliminer le cancer d'un patient avec des effets secondaires minimes. Mais des centaines de mutations peuvent exister dans une tumeur, et seules certaines peuvent donner naissance à des néo-antigènes qui peuvent déclencher une réponse immunitaire contre le cancer. La question est de savoir lesquels?
Les scientifiques d'une initiative lancée par le Parker Institute for Cancer Immunotherapy (PICI) et le Cancer Research Institute appelé Tumor Neoantigen Selection Alliance (TESLA) ont découvert des paramètres permettant de mieux prédire quels néoantigènes peuvent stimuler un effet destructeur de cancer. TESLA rassemble une constellation de 36 équipes de recherche biotechnologiques, pharmaceutiques, universitaires et scientifiques à but non lucratif. Leurs résultats ont été publiés en ligne aujourd'hui dans Cellule et pourrait engendrer une nouvelle génération d'immunothérapies anticancéreuses plus efficaces et personnalisées.
Grâce à une analyse informatique avancée, l'alliance a découvert cinq caractéristiques qui indiquaient fortement quels marqueurs du cancer étaient les plus susceptibles de générer une réponse immunitaire. Ils se répartissaient en deux grandes catégories: la façon dont le néoantigène est présenté sur la cellule cancéreuse et la façon dont le néoantigène est reconnu par le système immunitaire.
Lorsque le modèle de données mettant l'accent sur ces cinq caractéristiques a été mis à l'épreuve contre un autre ensemble d'échantillons de cancer, il a prédit avec précision 75% des cibles néoantigènes efficaces et filtré 98% des cibles inefficaces.
Notre objectif est que les données produites à partir de TESLA deviennent la norme de référence lors du développement d'un nouveau traitement à base de néoantigène. Si chaque méthode, ancienne et nouvelle, utilisait les données pour comparer leurs prédictions, l'ensemble du domaine serait en mesure de collaborer et d'itérer sur de nouvelles méthodes beaucoup plus rapidement. «
Daniel Wells, Ph.D., scientifique principal des données à PICI et auteur correspondant de l'étude
Wells a codirigé TESLA avec Nadine Defranoux, Ph.D., co-auteur principal de l'article.
Pour produire cette référence, chaque équipe TESLA a soumis ses prédictions néoantigènes les plus prometteuses pour le mélanome et le cancer du poumon non à petites cellules (NSCLC) à Sage Bionetworks, une organisation à but non lucratif pour la science ouverte. PICI a ensuite comparé et validé les prédictions correctes et reconnaissables par un lymphocyte T.
Lorsque les cinq caractéristiques nouvellement trouvées ont été réappliquées aux algorithmes des équipes participantes, les prédictions se sont sensiblement améliorées.
« Jusqu'à présent, la prédiction des néoantigènes était une boîte noire. Nous avions des indices sur les caractéristiques qui pourraient être importantes. Le modèle de données de TESLA est le premier à identifier ces cinq caractéristiques comme significatives », a déclaré un expert renommé en néoantigène, co-auteur principal sur l'article et le professeur Robert D. Schreiber, Ph.D., directeur du Centre Andrew M. et Jane M. Bursky pour les programmes d'immunologie humaine et d'immunothérapie à l'École de médecine de l'Université de Washington à Saint-Louis.
Les résultats ont également démontré qu'il n'y avait pas deux méthodologies de prédiction identiques et que la plupart étaient significativement différentes. Aucune méthodologie d'équipe n'a identifié tous les néoantigènes, ni une grande majorité de ces marqueurs du cancer, ce qui indique la nécessité d'un effort scientifique harmonisé comme TESLA.
Des études supplémentaires sont nécessaires dans d'autres types de cancer, mais les découvertes sont un pas en avant significatif pour la recherche sur les néoantigènes.
«Cette recherche a le potentiel d'améliorer les algorithmes mathématiques des fabricants de médicaments et des chercheurs. Elle peut donner la priorité aux antigènes les plus susceptibles d'être présents sur le cancer de chaque patient et les plus visibles du système immunitaire tout en dépriorisant ceux qui ne le sont pas. Cela signifie mieux individualisé traitements pour les patients », a déclaré Lisa Butterfield, Ph.D., vice-présidente de la recherche et du développement chez PICI. « Nous sommes ravis de voir où le domaine mène ces découvertes. »
L'ensemble de données TESLA complet, le plus grand du genre, est disponible gratuitement pour la communauté des chercheurs. L'espoir est qu'il peut conduire à un développement accéléré de thérapie personnalisée et même à une efficacité améliorée pour les patients atteints de cancer dans le monde entier.
La source:
Institut Parker d'immunothérapie contre le cancer
Référence du journal:
Wells, D.K., et coll. (2020) Les paramètres clés de l'immunogénicité des épitopes tumoraux révélés grâce à une approche de consortium améliorent la prédiction des néoantigènes. Cellule. doi.org/10.1016/j.cell.2020.09.015.
