Informations

15.6 : Mutations et Cancer - Biologie

15.6 : Mutations et Cancer - Biologie


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Que se passerait-il si ce cycle se déroulait à volonté ?

Vos cellules peuvent croître et se diviser sans remplir leurs fonctions nécessaires, ou sans répliquer entièrement leur ADN, ou sans copier leurs organites. Le cycle cellulaire doit donc être hautement régulé et étroitement contrôlé. Et c'est.

Contrôle du cycle cellulaire

Comment la cellule sait-elle quand se diviser ? Comment la cellule sait-elle quand répliquer son ADN ? Comment la cellule sait-elle quand passer à la mitose ou à la cytokinèse ? Les réponses à ces questions portent sur le contrôle du cycle cellulaire. Mais comment le cycle cellulaire est-il contrôlé ou régulé ? La régulation du cycle cellulaire implique des processus cruciaux pour la survie d'une cellule. Ceux-ci incluent la détection et la réparation des dommages à l'ADN, ainsi que la prévention de la division cellulaire incontrôlée. Une division cellulaire incontrôlée peut être mortelle pour un organisme; sa prévention est essentielle à la survie.

Cyclines et Kinases

Le cycle cellulaire est contrôlé par un certain nombre de processus de rétroaction contrôlés par les protéines. Deux types de protéines impliquées dans le contrôle du cycle cellulaire sont kinases et cyclines. Les cyclines activent les kinases en se liant à elles, en particulier elles activent kinases dépendantes de la cycline (CDK). Kinases sont des enzymes qui catalysent le transfert d'un groupe phosphate de l'ATP à une autre molécule dans une cellule. Ils fonctionnent comme un interrupteur de commande dans de nombreuses fonctions cellulaires, activant ou désactivant une fonction et régulant d'autres processus cellulaires. Ils sont souvent impliqués dans l'activation d'une cascade de réactions. Les cyclines comprennent un groupe de protéines qui sont rapidement produites à des étapes clés du cycle cellulaire. Une fois activées par une cycline, les enzymes CDK activent ou inactivent d'autres molécules cibles par phosphorylation. C'est cette régulation précise des protéines qui déclenche l'avancement dans le cycle cellulaire. Leland H. Hartwell, R. Timothy Hunt et Paul M. Nurse ont remporté le prix Nobel de physiologie ou médecine 2001 pour leur découverte de ces protéines essentielles.

Qu'est-ce qui rend une cellule cancéreuse ?

Cancer est une maladie caractérisée par une population de cellules qui croissent et se divisent sans respecter les limites normales. Ces cellules cancéreuses envahissent et détruisent les tissus adjacents, et elles peuvent se propager dans tout le corps. Le processus par lequel les cellules normales sont transformées en cellules cancéreuses est connu sous le nom de cancérogenèse. Ce processus est également connu sous le nom d'oncogenèse ou de tumorigenèse.

Presque tous les cancers sont causés par des mutations dans l'ADN de cellules anormales. Ces mutations peuvent être dues aux effets de cancérigènes, les agents cancérigènes tels que la fumée de tabac, les radiations, les produits chimiques ou les agents infectieux. Ces agents cancérigènes peuvent agir comme un « déclencheur » environnemental, stimulant l'apparition du cancer chez certains individus et pas chez d'autres. Est-ce que toutes les personnes qui fument contractent le cancer? Non. La fumée secondaire peut-elle augmenter le risque d'un non-fumeur de développer un cancer du poumon ? Oui. Il augmente également le risque de développer une maladie cardiaque chez une personne non-fumeur.

Des interactions complexes entre les cancérogènes et le génome d'un individu peuvent expliquer pourquoi seules certaines personnes développent un cancer après avoir été exposées à un déclencheur environnemental et d'autres non. Tous les cancers ont-ils besoin d'un déclencheur environnemental pour se développer ? Non. Les mutations cancérigènes peuvent également résulter d'erreurs incorporées dans l'ADN lors de la réplication, ou elles peuvent être héréditaires. Les mutations héréditaires sont présentes dans toutes les cellules de l'organisme.

Oncogènes et gènes suppresseurs de tumeurs

Certains types de cancer surviennent à cause de mutations dans les gènes qui contrôlent le cycle cellulaire. Les mutations cancérigènes surviennent le plus souvent dans deux types de gènes régulateurs, appelés proto-oncogènes et gènes suppresseurs de tumeurs.

  • Les proto-oncogènes sont des gènes qui aident normalement les cellules à se diviser. Lorsqu'un proto-oncogène mute pour devenir un oncogène, il est continuellement actif, même lorsqu'il n'est pas censé l'être. C'est comme si la pédale d'accélérateur d'une voiture était bloquée à plein régime. La voiture continue de rouler à toute vitesse. Dans le cas d'une cellule, la cellule continue de se diviser de manière incontrôlable, ce qui peut conduire au cancer.

  • Les gènes suppresseurs de tumeurs sont des gènes qui ralentissent ou arrêtent normalement la division cellulaire. Lorsqu'une mutation se produit dans un gène suppresseur de tumeur, il ne peut plus contrôler la division cellulaire. C'est comme une voiture sans freins. La voiture ne peut pas être ralentie ou arrêtée. Dans le cas d'une cellule, la cellule continue de se diviser de manière incontrôlable, ce qui peut conduire au cancer.

Plusieurs mutations à l'origine du cancer
Les oncogènes peuvent être des facteurs de croissance, des protéines kinases, des GTPases ou des facteurs de transcription. Facteurs de croissance sont des substances naturelles, généralement une protéine ou une hormone stéroïde, capables de stimuler la croissance, la prolifération et la différenciation cellulaires. Ils sont importants pour réguler une variété de processus cellulaires. Habituellement, ils doivent se lier à un récepteur extracellulaire ou intracellulaire pour initier une réaction cellulaire.

Typiquement, une série de plusieurs mutations qui activent constitutivement les oncogènes et inactivent les gènes suppresseurs de tumeurs sont nécessaires pour transformer une cellule normale en une cellule cancéreuse (Figure (PageIndex{2})). Les cellules ont développé un certain nombre de mécanismes de contrôle pour surmonter les mutations des proto-oncogènes. Par conséquent, une cellule a besoin de plusieurs mutations pour se transformer en une cellule cancéreuse. Une mutation dans un proto-oncogène ne causerait pas de cancer, car les effets de la mutation seraient masqués par le contrôle normal du cycle cellulaire et les actions des gènes suppresseurs de tumeurs. De même, une mutation dans un gène suppresseur de tumeur ne causerait pas non plus de cancer, en raison de la présence de nombreux gènes « de sauvegarde » qui dupliquent ses fonctions. Ce n'est que lorsque suffisamment de proto-oncogènes ont muté en oncogènes et que suffisamment de gènes suppresseurs de tumeurs ont été désactivés que la transformation cancéreuse peut commencer. Les signaux de croissance cellulaire dépassent les signaux de régulation de la croissance et la cellule devient rapidement incontrôlable. Souvent, parce que beaucoup de ces gènes régulent les processus qui empêchent la plupart des dommages aux gènes eux-mêmes, les dommages à l'ADN s'accumulent avec l'âge.

Habituellement, les oncogènes sont des allèles dominants, car ils contiennent des mutations de gain de fonction. Les actions du produit du gène de l'allèle mutant, aboutissant plusieurs fois à une protéine activée de manière constitutive, sont dominantes par rapport au produit du gène produit par l'allèle "normal". Pendant ce temps, les suppresseurs de tumeurs mutés sont généralement des allèles récessifs, car ils contiennent des mutations de perte de fonction. Un proto-oncogène n'a besoin que d'une mutation dans une copie du gène pour générer un oncogène ; un gène suppresseur de tumeur a besoin d'une mutation dans les deux copies du gène pour rendre les deux produits défectueux. Il existe des cas où, cependant, un allèle muté d'un gène suppresseur de tumeur peut rendre l'autre copie non fonctionnelle. Ces cas entraînent ce que l'on appelle un effet négatif dominant.

Revoir

  1. Définir le cancer.
  2. Que sont les kinases cycline-dépendantes ? Quel est leur rôle ?
  3. Discuter du rôle des oncogènes et des gènes suppresseurs de tumeurs dans la cancérogenèse.
  4. Pourquoi de multiples mutations sont-elles nécessaires pour se transformer en une cellule cancéreuse ?
  5. Identifiez toutes les catégories d'oncogènes et décrivez deux catégories.

Le paysage des mutations somatiques du corps humain

Les mutations somatiques dans les tissus sains contribuent au vieillissement, à la neurodégénérescence et à l'initiation du cancer, mais elles restent largement non caractérisées.

Résultats

Pour mieux comprendre la distribution à l'échelle du génome et l'impact fonctionnel des mutations somatiques, nous exploitons les informations génomiques contenues dans le transcriptome pour appeler uniformément les mutations somatiques de plus de 7 500 échantillons de tissus, représentant 36 tissus distincts. Ce catalogue, contenant plus de 280 000 mutations, révèle une grande diversité de profils de mutations spécifiques aux tissus associés aux niveaux d'expression des gènes et aux états de la chromatine. Par exemple, des échantillons de poumon avec une faible expression du gène de réparation des mésappariements MLH1 montrent une signature de mutation de la réparation déficiente des mésappariements. De plus, nous trouvons une sélection négative omniprésente agissant sur les mutations faux-sens et non-sens, à l'exception des mutations précédemment observées dans les échantillons de cancer, qui sont sous sélection positive et sont fortement enrichis dans de nombreux tissus sains.

Conclusion

Ces résultats révèlent des modèles fondamentaux d'évolution somatique spécifique aux tissus et mettent en lumière le vieillissement et les premiers stades de la tumorigenèse.


La cellule : une approche moléculaire. 2e édition.

L'anomalie fondamentale entraînant le développement du cancer est la prolifération continue et non régulée des cellules cancéreuses. Plutôt que de répondre de manière appropriée aux signaux qui contrôlent le comportement cellulaire normal, les cellules cancéreuses se développent et se divisent de manière incontrôlée, envahissant les tissus et organes normaux et se propageant finalement dans tout le corps. La perte généralisée du contrôle de la croissance présentée par les cellules cancéreuses est le résultat net d'anomalies accumulées dans plusieurs systèmes de régulation cellulaire et se reflète dans plusieurs aspects du comportement cellulaire qui distinguent les cellules cancéreuses de leurs homologues normales.


Les références

Vousden, K. H. & Prives, C. Aveuglé par la lumière : la complexité croissante de p53. Cellule 137, 413–431 (2009).

Petitjean, A. et al. Impact des propriétés fonctionnelles du mutant p53 sur les profils de mutation TP53 et le phénotype tumoral : leçons des développements récents dans la base de données TP53 du CIRC. Hum. Mutat. 28, 622–629 (2007).

Brosh, R. & amp Rotter, V. Quand les mutants acquièrent de nouveaux pouvoirs : des nouvelles du domaine des mutants p53. Nat. Rév. Cancer 9, 701–713 (2009).

Goh, A.M., Cofill, C.R. & Lane, D.P. Le rôle du mutant p53 dans le cancer humain. J. Pathol. 223, 116–126 (2011).

Lozano, G. Les rôles oncogènes des mutants p53 dans les modèles murins. Cour. Avis. Dév. 17, 66–70 (2007).

Oren, M. & Rotter, V. Mutant p53 gain de fonction dans le cancer. Harb de printemps froid. Apercevoir. Biol. 2, a001107 (2010).

Strano, S. et al. Protéines mutantes p53 : entre perte et gain de fonction. Cou tête 29, 488–496 (2007).

Sigal, A. & Rotter, V. Mutations oncogènes du suppresseur de tumeur p53 : les démons du gardien du génome. Cancer Rés. 60, 6788–6793 (2000).

Dittmer, D. et al. Gain de mutations fonctionnelles dans p53. Nat. Genet. 4, 42–46 (1993).

Lang, G.A. et al. Gain de fonction d'une mutation du point chaud p53 dans un modèle murin du syndrome de Li-Fraumeni. Cellule 119, 861–872 (2004).

Olive, K.P. et al. Gain de fonction du mutant p53 dans deux modèles murins du syndrome de Li-Fraumeni. Cellule 119, 847–860 (2004).

Liu, D. P., Song, H. & Xu, Y. Un gain commun de fonction des mutants du cancer p53 en induisant une instabilité génétique. Oncogène 29, 949–956 (2010).

Cho, Y., Gorina, S., Jeffrey, P. D. & Pavletich, N. P. Structure cristalline d'un complexe suppresseur de tumeur p53-ADN : comprendre les mutations tumorigènes. Science 265, 346–355 (1994).

Bullock, A.N. et al. Stabilité thermodynamique du domaine central p53 de type sauvage et mutant. Proc. Natl Acad. Sci. Etats-Unis 94, 14338–14342 (1997).

Thukral, S.K., Lu, Y., Blain, G.C., Harvey, T.S. & Jacobsen, V.L. Discrimination des sites de liaison à l'ADN par les protéines p53 mutantes. Mol. Cellule. Biol. 15, 5196–5202 (1995).

Ludwig, R. L., Bates, S. & Vousden, K. H. Activation différentielle des promoteurs cellulaires cibles par des mutants p53 avec une fonction apoptotique altérée. Mol. Cellule. Biol. 16, 4952–4960 (1996).

Strano, S. et al. Mutant p53 : un facteur de transcription oncogène. Oncogène 26, 2212–2219 (2007).

Weisz, L., Oren, M. & Rotter, V. Régulation de la transcription par le mutant p53. Oncogène 26, 2202–2211 (2007).

Kim, E. & Deppert, W. Activités de transcription du mutant p53 : lorsque les mutations sont plus qu'une perte. J. Cell. Biochimie. 93, 878–886 (2004).

Donzelli, S. et al. Approches oncogénomiques pour explorer le gain de fonction du mutant p53. Cour. Génom. 9, 200–207 (2008).

Vaughan, C.A. et al. Les mutants p53 induisent la transcription de NF-kappaB2 dans les cellules H1299 via la liaison CBP et STAT sur le promoteur NF-kappaB2 et le gain d'activité fonctionnelle. Cambre. Biochimie. Biophys. 518, 79–88 (2012).

Dell'Orso, S. et al. Analyse de puce sur puce de in vivo mutant p53 se liant à des promoteurs de gènes sélectionnés. Omics 15, 305–312 (2011).

Will, K., Warnecke, G., Wiesmuller, L. & Deppert, W. Interaction spécifique du mutant p53 avec des régions d'éléments d'ADN de la région de fixation à la matrice (MAR) avec un potentiel élevé de dissociation des bases. Proc. Natl Acad. Sci. Etats-Unis 95, 13681–13686 (1998).

Bargonetti, J., Chicas, A., White, D. & Prives, C. p53 réprime la liaison à l'ADN Sp1 et la transcription dirigée par HIV-LTR. Cellule. Mol. Biol. 43, 935–949 (1997).

Chicas, A., Molina, P. & Bargonetti, J. Mutant p53 forme un complexe avec Sp1 sur l'ADN VIH-LTR. Biochimie. Biophys. Rés. Commun. 279, 383–390 (2000).

Sampath, J. et al. Le mutant p53 coopère avec ETS et régule sélectivement à la hausse la MDR1 humaine et non la MRP1. J. Biol. Chem. 276, 39359–39367 (2001).

Do, P.M. et al. Le mutant p53 coopère avec ETS2 pour promouvoir la résistance à l'étoposide. Gènes Dev. 26, 830–845 (2012).

Stambolsky, P. et al. Modulation de la réponse de la vitamine D3 par le mutant associé au cancer p53. Cellule cancéreuse 17, 273–285 (2010).

Di Agostino, S. et al. Gain de fonction de la p53 mutante : le complexe protéique mutante p53/NF-Y révèle un mécanisme transcriptionnel aberrant de la régulation du cycle cellulaire. Cellule cancéreuse 10, 191–202 (2006).

Liu, K., Ling, S. & amp Lin, W. C. TopBP1 médie le gain de fonction du mutant p53 via NF-Y et p63/p73. Mol. Cellule. Biol. 31, 4464–4481 (2011).

Valenti, F. et al. Les fonctions oncogènes du mutant p53 sont maintenues par la kinase Plk2 via une boucle de rétroaction autorégulatrice. Cycle cellulaire 10, 4330–4340 (2011).

Neilsen, P.M. et al. Le mutant p53 utilise p63 comme chaperon moléculaire pour modifier l'expression des gènes et induire un sécrétome pro-invasif. Oncotarget 2, 1203–1217 (2011).

Gaiddon, C., Lokshin, M., Ahn, J., Zhang, T. & Prives, C. Un sous-ensemble de formes mutantes dérivées de tumeurs de p53 régulent à la baisse p63 et p73 via une interaction directe avec le domaine central p53. Mol. Cellule. Biol. 21, 1874–1887 (2001).

Strano, S. et al. L'interaction physique avec des mutants p53 dérivés de tumeurs humaines inhibe les activités de p63. J. Biol. Chem. 277, 18817–18826 (2002).

Girardini, J.E. et al. Un axe Pin1/mutant p53 favorise l'agressivité dans le cancer du sein. Cellule cancéreuse 20, 79–91 (2011).

Martynova, E. et al. Les mutants p53 à gain de fonction ont des localisations génomiques étendues chevauchant partiellement avec p63. Oncotarget 3, 132–143 (2012).

Borellini, F. & Glazer, R. I. Induction d'hétérocomplexes de liaison à l'ADN Sp1-p53 au cours de la prolifération dépendante du facteur de stimulation des colonies de granulocytes/macrophages dans la lignée cellulaire d'érythroleucémie humaine TF-1. J. Biol. Chem. 268, 7923–7928 (1993).

Gualberto, A. & Baldwin, A. S., Jr. p53 et Sp1 interagissent et coopèrent dans l'activation transcriptionnelle induite par le facteur de nécrose tumorale de la longue répétition terminale du VIH-1. J. Biol. Chem. 270, 19680–19683 (1995).

Adorno, M. et al. Un complexe mutant-p53/Smad s'oppose à p63 pour renforcer les métastases induites par le TGFbeta. Cellule 137, 87–98 (2009).

Noll, J.E. et al. Le mutant p53 entraîne la multinucléation et l'invasion par un processus qui est supprimé par ANKRD11. Oncogène 31, 2836–2848 (2012).

Ano Bom, A.P. et al. Le mutant p53 s'agrège en oligomères et fibrilles amyloïdes de type prion : implications pour le cancer. J. Biol. Chem. 287, 28152–28162 (2012).

Xu, J. et al. Gain de fonction du mutant p53 par coagrégation avec plusieurs suppresseurs de tumeurs. Nat. Chem. Biol. 7, 285–295 (2011).

Song, H., Hollstein, M. & Xu, Y. Les mutants du cancer à gain de fonction p53 induisent une instabilité génétique en inactivant l'ATM. Nat. Cell Biol. 9, 573–580 (2007).

Salomon, H. et al. Diverses protéines mutantes p53 régulent différemment le circuit Ras pour induire une signature génique liée au cancer. J. Cell Sci. 125, 3144–3152 (2012).

Restle, A. et al. Disséquer le rôle de la phosphorylation de p53 dans la recombinaison homologue fournit de nouveaux indices pour les mutants à gain de fonction. Acides nucléiques Res. 36, 5362–5375 (2008).

Cofill, C.R. et al. L'interactome mutant de p53 identifie la nardilysine comme un partenaire de liaison spécifique de p53R273H qui favorise l'invasion. Représentant EMBO 13, 638–644 (2012).

Flores, E.R. et al. Prédisposition tumorale chez les souris mutantes pour p63 et p73 : preuve de fonctions plus larges de suppresseur de tumeur pour la famille p53. Cellule cancéreuse 7, 363–373 (2005).

Su, X. et al. TAp63 supprime les métastases grâce à une régulation coordonnée de Dicer et des miARN. La nature 467, 986–991 (2010).

Tomasini, R. et al. Le knock-out de TAp73 montre une instabilité génomique avec des fonctions d'infertilité et de suppresseur de tumeur. Gènes Dev. 22, 2677–2691 (2008).

Muller, P.A. et al. Le mutant p53 entraîne l'invasion en favorisant le recyclage des intégrines. Cellule 139, 1327–1341 (2009).

Wilhelm, M.T. et al. Les souris knock-out p73 spécifiques à l'isoforme révèlent un nouveau rôle pour delta Np73 dans la voie de réponse aux dommages de l'ADN. Gènes Dev. 24, 549–560 (2010).

Romano, R.A. et al. Les souris knock-out DeltaNp63 révèlent son rôle indispensable en tant que maître régulateur du développement épithélial et de la différenciation. Développement 139, 772–782 (2012).

Lee, H.O. et al. Une forme négative dominante de p63 inhibe l'apoptose d'une manière indépendante de p53. Biochimie. Biophys. Rés. Commun. 344, 166–172 (2006).

Ravni, A., Tissir, F. & amp Goffinet, A. M. Les facteurs de transcription DeltaNp73 modulent la survie cellulaire et le développement tumoral. Cycle cellulaire 9, 1523–1527 (2010).

Kalo, E. et al. Le mutant p53 atténue la voie de signalisation du facteur de croissance transformant SMAD-dépendant beta1 (TGF-beta1) en réprimant l'expression du récepteur TGF-beta de type II. Mol. Cellule. Biol. 27, 8228–8242 (2007).

Martello, G. et al. Un dés ciblant les microARN pour le contrôle des métastases. Cellule 141, 1195–1207 (2010).

Muller, P.A. et al. Le mutant p53 améliore le trafic et la signalisation MET pour entraîner la diffusion et l'invasion des cellules. Oncogène (2012).

Rainero, E. et al. La diacylglycérol kinase alpha contrôle le trafic d'intégrine dépendant de la RCP pour favoriser la migration invasive. J. Cell Biol. 196, 277–295 (2012).

Melino, G. p63 est un suppresseur de la tumorigenèse et des métastases interagissant avec le mutant p53. La mort cellulaire diffère. 18, 1487–1499 (2011).

Irwin, M. S. querelle familiale en chimiosensibilité : p73 et mutant p53. Cycle cellulaire 3, 319–323 (2004).

Strano, S. & Blandino, G. chimiosensibilité médiée par p73: une cible préférentielle du mutant oncogène p53. Cycle cellulaire 2, 348–349 (2003).

Di Como, C.J., Gaiddon, C. & Prives, C. La fonction p73 est inhibée par des mutants p53 dérivés de tumeurs dans des cellules de mammifères. Mol. Cellule. Biol. 19, 1438–1449 (1999).

Murphy, K.L., Dennis, A.P. & Rosen, J.M. Un mutant de gain de fonction p53 favorise à la fois l'instabilité génomique et la survie cellulaire dans un nouveau modèle de cellules épithéliales mammaires p53-null. FASEB J. 14, 2291–2302 (2000).

Dulloo, I. & Sabapathy, K. Régulation dépendante et indépendante de la transactivation de la stabilité de p73. J. Biol. Chem. 280, 28203–28214 (2005).

Neilsen, P.M. et al. Le mutant p53 entraîne l'invasion des tumeurs du sein par régulation à la hausse de miR-155. Oncogène http://dx.doi.org/10.1038/onc.2012.305 (2012).

Dong, P. et al. Le gain de fonction du mutant p53 induit une transition épithéliale-mésenchymateuse par modulation de l'axe miR-130b-ZEB1. Oncogène http://dx.doi.org/10.1038/onc.2012.334 (2012).

Tucci, P. et al. La perte de p63 et de sa cible microARN-205 entraîne une migration cellulaire accrue et des métastases dans le cancer de la prostate. Proc. Natl Acad. Sci. Etats-Unis 109, 15312–15317 (2012).

Freed-Pastor, W.A. et al. Le mutant p53 perturbe l'architecture du tissu mammaire via la voie du mévalonate. Cellule 148, 244–258 (2012).

Sigal, A., Matas, D., Almog, N., Goldfinger, N. & Rotter, V. L'extrémité C-terminale du mutant p53 est nécessaire pour sa capacité à interférer avec l'arrêt de la croissance ou l'apoptose. Oncogène 20, 4891–4898 (2001).

Yan, W. & amp Chen, X. Identification de GRO1 en tant que déterminant critique pour le gain de fonction p53 mutant. J. Biol. Chem. 284, 12178–12187 (2009).

Matas, D. et al. L'intégrité du domaine de transcription N-terminal de p53 est requise pour l'interférence de p53 mutant avec l'apoptose induite par le médicament. EMBO J. 20, 4163–4172 (2001).

Schilling, T. et al.L'interférence avec le réseau de la famille p53 contribue au gain de fonction oncogène du mutant p53 dans le carcinome hépatocellulaire. Biochimie. Biophys. Rés. Commun. 394, 817–823 (2010).

Cofill, C.R. et al. L'interactome mutant de p53 identifie la nardilysine comme un partenaire de liaison spécifique de p53R273H qui favorise l'invasion. Représentant EMBO 13, 638–644 (2012).

Morselli, E. et al. La protéine p53 mutante localisée dans le cytoplasme inhibe l'autophagie. Cycle cellulaire 7, 3056–3061 (2008).

Gogna, R., Madan, E., Kuppusamy, P. & Pati, U. La réoxygénation provoque une régression tumorale hypoxique par la restauration de la conformation de type sauvage de p53 et des modifications post-traductionnelles. Maladie de mort cellulaire 3, e286 (2012).

Sasaki, M., Nie, L. & Maki, C.G. La liaison MDM2 induit un changement de conformation de p53 qui est contré par la protéine de choc thermique 90 et précède la dégradation protéasomale de p53. J. Biol. Chem. 282, 14626–14634 (2007).

Cross, B. et al. Inhibition de la fonction de liaison à l'ADN de p53 par le domaine acide de la protéine MDM2. J. Biol. Chem. 286, 16018–16029 (2011).

Milner, J. & Watson, J.V. L'ajout de milieu frais induit des changements de cycle cellulaire et de conformation dans p53, une protéine suppresseur de tumeur. Oncogène 5, 1683–1690 (1990).

Haupt, Y., Maya, R., Kazaz, A. & Oren, M. Mdm2 favorise la dégradation rapide de p53. La nature 387, 296–299 (1997).

Kubbutat, M. H., Jones, S. N. & Vousden, K. H. Régulation de la stabilité de p53 par Mdm2. La nature 387, 299–303 (1997).

Suh, Y.A. et al. Plusieurs signaux de stress activent le mutant p53 in vivo. Cancer Rés. 71, 7168–7175 (2011).

Terzian, T. et al. L'instabilité inhérente du mutant p53 est atténuée par la perte de Mdm2 ou de p16INK4a. Gènes Dev. 22, 1337–1344 (2008).

Bartek, J. et al. L'expression aberrante de l'oncoprotéine p53 est une caractéristique commune d'un large éventail de malignités humaines. Oncogène 6, 1699–1703 (1991).

Zerbini, L. F., Wang, Y., Correa, R. G., Cho, J. Y. & Libermann, T. A. Le blocage de NF-kappaB induit la phosphorylation de la sérine 15 du mutant p53 par la kinase JNK dans les cellules cancéreuses de la prostate. Cycle cellulaire 4, 1247–1253 (2005).

Matsumoto, M., Furihata, M. & Ohtsuki, Y. Phosphorylation post-traductionnelle de la protéine p53 mutante dans le développement tumoral. Méd. Mol. Morpho. 39, 79–87 (2006).

Gillotin, S., Yap, D. & Lu, X. Mutation at Ser392 sensibilise spécifiquement le mutant p53H175 à la dégradation médiée par mdm2. Cycle cellulaire 9, 1390–1398 (2010).

Yap, D.B. et al. La phosphorylation de Ser392 régule la fonction oncogène du mutant p53. Cancer Rés. 64, 4749–4754 (2004).

Perez, R.E. et al. Restauration de l'activité de liaison à l'ADN et de suppression de la croissance des formes mutantes de p53 via une voie d'acétylation médiée par PCAF. J. Cell. Physiol. 225, 394–405 (2010).

Xue, W. et al. La sénescence et la clairance tumorale sont déclenchées par la restauration de p53 dans les carcinomes hépatiques murins. La nature 445, 656–660 (2007).

Wilcken, R., Wang, G., Boeckler, F. M. & Fersht, A. R. Mécanisme cinétique de l'agrégation de mutants oncogènes p53 et de son inhibition. Proc. Natl Acad. Sci. Etats-Unis 109, 13584–13589 (2012).

Yan, W. et al. Les inhibiteurs de l'histone désacétylase suppriment la transcription du mutant p53 via l'histone désacétylase 8. Oncogène http://dx.doi.org/10.1038/onc.2012.81 (2012).

Li, D., Marchenko, N. D. & amp Moll, U. M. SAHA montre une cytotoxicité préférentielle dans les cellules cancéreuses p53 mutantes en déstabilisant p53 mutante par inhibition de l'axe chaperon HDAC6-Hsp90. La mort cellulaire diffère. 18, 1904–1913 (2011).

Kravchenko, J.E. et al. La petite molécule RETRA supprime les cellules cancéreuses mutantes porteuses de p53 par une voie de récupération dépendante de p73. Proc. Natl. Acad. Sci. Etats-Unis 105, 6302–6307 (2008).

Yu, X., Vazquez, A., Levine, A. J. & Carpizo, D. R. Réactivation du mutant p53 spécifique à l'allèle. Cellule cancéreuse 21, 614–625 (2012).

Selivanova, G., Ryabchenko, L., Jansson, E., Iotsova, V. & Wiman, K. G. Réactivation du mutant p53 par interaction d'un peptide C-terminal avec le domaine central. Mol. Cellule. Biol. 19, 3395–3402 (1999).

Selivanova, G. et al. Restauration de la fonction de suppression de croissance du mutant p53 par un peptide synthétique dérivé du domaine C-terminal de p53. Nat. Méd. 3, 632–638 (1997).

Friedler, A. et al. Un peptide qui se lie et stabilise le domaine central de p53 : stratégie de chaperon pour le sauvetage de mutants oncogènes. Proc. Natl Acad. Sci. Etats-Unis 99, 937–942 (2002).

Foster, B.A., Coffey, H.A., Morin, M.J. & Rastinejad, F. Sauvetage pharmacologique de la conformation et de la fonction de p53 mutant. Science 286, 2507–2510 (1999).

Demma, M. et al. SCH529074, un activateur de petite molécule du mutant p53, qui se lie au domaine de liaison à l'ADN (DBD) de p53, restaure la fonction suppressive de croissance au mutant p53 et interrompt l'ubiquitination médiée par HDM2 de p53 de type sauvage. J. Biol. Chem. 285, 10198–10212 (2010).

Lambert, J.M. et al. PRIMA-1 réactive le mutant p53 par liaison covalente au domaine central. Cellule cancéreuse 15, 376–388 (2009).

Boeckler, F.M. et al. Sauvetage ciblé d'un mutant déstabilisé de p53 par un in silico médicament dépisté. Proc. Natl Acad. Sci. Etats-Unis 105, 10360–10365 (2008).

Kim, A.L. et al. Base conformationnelle et moléculaire pour l'induction de l'apoptose par un peptide C-terminal p53 dans les cellules cancéreuses humaines. J. Biol. Chem. 274, 34924–34931 (1999).

Lanyi, A. et al. Le phénotype de « gain de fonction » du mutant p53 dérivé d'une tumeur nécessite l'oligomérisation/le domaine de liaison aux acides nucléiques non spécifique à la séquence. Oncogène 16, 3169–3176 (1998).


Résultats et discussion

Répartition des mutations synonymes selon les types de cancer

De TCGA, nous avons obtenu 373 434 mutations synonymes de 5 749 échantillons de tumeurs provenant de 15 types de cancer. Comme on le voit dans le panneau supérieur de la figure 1, en ce qui concerne la proportion de mutations synonymes (barre bleue), SKCA est le plus grand et HLTU le plus petit. Pour la proportion d'échantillons tumoraux (barre jaune), BRCA est le plus important et UTCA le moins. De plus, les nombres moyens de variantes par échantillon sur 15 types de cancer sont différents les uns des autres (le panneau inférieur de la figure 1) et présentent beaucoup plus ou moins de mutations synonymes par échantillon que le nombre moyen de 15 types de cancer. Parmi ces valeurs aberrantes figurent SKCA, ENAD, STAD et LUAD, qui contiennent plus de 100 mutations synonymes par échantillon. Ces plus grands nombres de mutations reflètent la participation de facteurs potentiels (lumière ultraviolette, hyperestrogénie, Helicobacter pylori infection et fumée de cigarette, respectivement) dans la pathogenèse de ces types de cancer [22, 31,32,33]. En raison de la lumière ultraviolette et des processus de désamination, la majorité des mutations SKCA sont des transitions C:G → T:A [22]. De plus, il a été rapporté que les mutations se produisant au niveau du dinucléotide CpG méthylé, dont la majorité sont des transitions C:G → T:A, provoqueraient de manière significative des maladies génétiques humaines [34]. Des études ont montré que les substitutions de nucléotides, y compris les mutations synonymes, pourraient être liées à des expositions aux cancérogènes et aux processus de réparation de l'ADN [35,36,37].

Distribution de variants synonymes, échantillons de tumeurs à travers différents types de cancer. Panneau supérieur : les barres bleues et jaunes représentent les proportions de variants synonymes et d'échantillons tumoraux correspondants, respectivement. Panneau inférieur : la barre verte représente le nombre moyen de variantes par échantillon. L'axe des abscisses représente les types de cancer

Substitutions nucléotidiques mutationnelles synonymes

La distribution de 12 modèles de substitution de nucléotides mutationnels possibles de mutations synonymes à travers les 15 types de cancer est illustrée à la Fig. 2. La plus fréquente est la substitution transitionnelle C → T (avec des proportions moyennes de 44,01 % pour 15 types de cancer), ce qui est possible de associer à la méthylation aberrante de l'ADN [38,39,40]. Le SKCA contient la plus grande proportion de transitions C → T que les autres types de cancer, en raison des signatures des processus d'exposition à la lumière ultraviolette et de désamination [22]. Parmi les transversions, la substitution C → A est la plus fréquente (6,18 %). En raison de l'exposition à la fumée de signature, LUAD a une augmentation des transversions C → A [33]. Au niveau de la 5-méthylcytosine dans les dinucléotides CpG, les transitions C:G → T:A et la transversion C → A sont associées aux modifications épigénétiques les plus courantes de l'ADN [34, 35]. De plus, en raison de la surabondance de sites synonymes impliqués dans les dinucléotides CpG, le taux de mutation dans les exons est de 30

60 % plus élevé que celui des régions non codantes [41]. On constate que le pourcentage de transitions entre C et T précède celui entre A et G, ce qui est connu pour être une propriété générale du changement et de l'évolution des séquences d'ADN [42]. De plus, les bases les plus fréquemment substituées sont C et G, et les bases les plus fréquemment mutées en bases sont T et A. Les mutations synonymes associées au cancer ont tendance à devenir riches en A/T. Une étude précédente a proposé que la protéine de liaison de séquence spéciale riche en A/T agit comme un organisateur global de la chromatine pour l'activité métastatique en contrôlant l'expression des gènes [43].

Distribution de 12 modèles de mutations possibles de mutations synonymes dans différents types de cancer. L'axe des x représente les types de cancer et l'axe des y représente les 12 modèles de mutation. Chaque barre représente le pourcentage de types mutationnels. « Tous » dans cette figure représente les proportions moyennes de types mutationnels dans 15 types de cancer

Comparaisons entre les jeux de données TCGA et 1000G

Au niveau nucléotidique, en raison de la dégénérescence des codons génétiques, les substitutions nucléotidiques des codons synonymes se produisent à la troisième position du codon (pos3), sauf que certains codons L et R (seulement la transition T↔C et la transversion A↔C) varient au premier position du codon (pos1) (Fichier supplémentaire 1 : Tableau S1). Semblable aux distributions des types mutationnels dans l'ensemble de données TCGA, les changements de nucléotides mutationnels les plus fréquents dans l'ensemble de données 1000G sont également les transitions C → T et G → A (Fig. 3a). Cependant, il existe quelques différences pour les proportions de changements de nucléotides mutationnels entre les ensembles de données TCGA et 1000G. Tout d'abord, nous avons étudié les différences en effectuant un test t sur un échantillon, et la proportion moyenne de chaque substitution dans l'ensemble de données 1000G a été utilisée comme valeur hypothétique. UNE p-valeur < 0,05 est considéré comme significatif. Les distributions des changements de nucléotides mutationnels à base unique dans l'ensemble de données TCGA sont significativement différentes de celles des ensembles de données 1000G (p-valeur < 0,001) sauf transversion T → G à pos3 (p-valeur = 0,8066). La différence non significative peut être due au moindre effet de la transversion T → G sur la transformation entre le codon efficace et le codon moins efficace, ce qui peut affecter la production de protéines. Deuxièmement, sur la base des différences significatives, les substitutions à base unique dans l'ensemble de données TCGA sont aptes aux transitions G:C → A:T, en revanche, ces substitutions dans 1000G sont des transitions T:A → C:G. Les mutations synonymes de TCGA sont susceptibles de devenir riches en A/T. Dans une étude précédente, il a été rapporté que la séquence riche en A/T pourrait affecter l'expression des gènes et être plus importante pour le développement du cancer [43].

Signatures mutationnelles de mutations synonymes dans TCGA et 1000G. une Distribution de mutations synonymes pour les 12 modèles de mutation à pos1 et pos3 des codons dans TCGA et 1000G. b Proportions de 18 acides aminés avec des codons dégénérés de deux, trois, quatre ou six fois sous lesquels des mutations synonymes se sont produites. La barre orange représente la proportion de mutations dans TCGA et la barre grise représente celle dans 1000G. Les codons 2, 3, 4 et 6 représentent respectivement le nombre de codons synonymes

Outre le niveau nucléotidique, l'analyse des mutations synonymes a également été réalisée au niveau des acides aminés. À l'exception de Met (M) et Trp (W), tous les acides aminés sont codés par deux ou plusieurs codons. La corrélation entre les pourcentages de mutation et les nombres de codons d'acides aminés dans TCGA (r 2 = 0,67) est plus fort que celui en 1000G (r 2 = 0,54) (Fichier supplémentaire 1 : Figure S2). Des séquences d'ADN de divers organismes ont montré que des codons synonymes d'acides aminés sont utilisés avec une fréquence inégale [44]. Le biais d'utilisation des codons est lié à divers processus biologiques, tels que le niveau d'expression des gènes, la structure des protéines, la fréquence des mutations et la composition des GC [45]. Cependant, il est probable que les utilisations de codons synonymes dans TCGA ont tendance à être à des fréquences égales et sont moins affectées par le biais d'utilisation de codons que celles de 1000G. De plus, le remplacement du codon efficace par un autre moins efficace pourrait affecter la synthèse des protéines. Étant donné que l'abondance des ARNt apparentés impliqués dans les codons préférés est disponible dans la cellule, l'utilisation de codons efficaces pourrait augmenter l'expression des gènes [6]. Par conséquent, il est proposé que les mutations synonymes liées au cancer préfèrent influencer l'expression des gènes et soient plus pathogènes que les mutations neutres dans la TCGA.

Dans les ensembles de données TCGA et 1000G, les proportions mutationnelles de 18 acides aminés avec des codons dégénérés deux, trois, quatre ou six fois sont différentes les unes des autres (Fig. 3b). Dans 1000G, Ala est l'acide aminé le plus fréquemment muté en raison de la transition G → A. Et cette transition est associée à deux des quatre codons d'Ala, mais indépendante de la transformation entre les codons optimaux et non optimaux [10]. Dans TCGA, les mutations synonymes sont dominées par Leu (L) en raison des transitions C:G → T:A prévalentes. Il en va de même avec le caractère des mutations faux-sens pathogènes, les substitutions sous L sont aussi les plus fréquentes [46]. Il est à noter que parmi les trois acides aminés avec six codons synonymes, Arg (R) présente le plus petit nombre de mutations non seulement dans TCGA mais aussi dans 1000G, ce qui peut être associé au biais d'utilisation des codons synonymes (R n'a qu'un seul codon optimal tandis que Ser et L ont tous deux deux codons optimaux). En résumé, il est possible que les mutations synonymes sous L aient un effet plus important sur l'expression des gènes et la production de protéines que les mutations d'autres acides aminés au cours des processus biologiques.

Mutations de hotspot synonymes pour le cancer

Dans ce travail, la mutation hotspot est définie comme la mutation qui se produit significativement plus fréquemment que la fréquence de fond caractérisée par les gènes, les types de cancer et les sous-types de mutation. Dans cette étude, nous avons identifié 97 mutations hotspot dans 86 HMCG associées à 14 types de cancer (Fichier supplémentaire 1 : Tableau S2). Il n'y a pas de mutation hotspot dans HLTU en raison de la fréquence de mutation la plus faible (Fig. 1). Pour étudier les différences entre les cancers, nous avons comparé le nombre de mutations de points chauds synonymes dans différents types de cancer. A partir de la distribution des mutations du hotspot à travers les cancers (Fichier supplémentaire 1 : Figure S3A), il a été constaté que le nombre de mutations du hotspot varie largement d'un cancer à l'autre, beaucoup plus ou beaucoup moins de mutations que la moyenne. Par exemple, INAD a le plus grand nombre de hotspots (39 hotspots), mais ENAD et STAD n'ont que 13 hotspots avec le plus petit nombre, et HLTU n'en a aucun. L'enrichissement des mutations hotspot reflète l'hétérogénéité génétique de l'INAD, qui a été discutée dans des recherches antérieures [47]. Et l'hétérogénéité peut affecter la progression de l'INAD des stades précoces aux stades avancés, entraîner des variations phénotypiques et présenter un défi important pour la médecine personnalisée. En revanche, HLTU n'a aucun hotspot et THCA n'a qu'une seule mutation hotspot dans ILF3 (N192). De plus, pour estimer les mutations synonymes importantes pour le pan-cancer, la distribution des mutations des points chauds à travers différents gènes a été analysée (Fichier supplémentaire 1 : Figure S3B). T125 dans TP53 est la mutation la plus fréquente dans neuf types de cancer différents. Il a été identifié comme étant pathogène pour son rôle délétère dans TP53 épissage [48]. On constate également que la plupart des hotspots sont uniques pour un seul type de cancer. Les signatures mutationnelles communes et diverses des points chauds dans différents types de cancer peuvent favoriser la compréhension de la sélection positive dans le génome humain et faciliter la thérapie cible du cancer [26].

Les caractères mutationnels de 97 mutations du hotspot dans 14 types de cancer ont également été étudiés dans différents contextes de séquence, notamment les sous-types ATts, ATtv, C_GCts, C_GCtv, NC_GCts et NC_GCtv. D'après la distribution des mutations des points chauds sous différents sous-types de contextes de séquence (Fig. 4a), le nombre de mutations de points chauds sous le contexte de séquence NC_GCts (constitué des transitions C:G → T:A) est le plus important par rapport aux autres types, et celle sous ATtv (constituée des transversions A:T → C:G et A↔T) est la plus petite. Ce phénomène est dû à la fréquence la plus élevée des transitions C → T et G → A et la fréquence la plus faible des transversions A:T → C:G et A↔T (Fig. 3a), qui correspondent respectivement aux contextes de séquence NC_GCts et ATtv . Comme le montre la figure 4b, le contexte de séquence le plus répandu qui subit des points chauds est le contexte de séquence NC_GCts, qui se présente dans 14 types de cancer. Et c'est également le contexte de séquence le plus répandu dans neuf types de cancer (CEAD, CNST, ENAD, INAD, KICA, PRAD, SKCA, STAD et THCA). De plus, dans CEAD et THCA, les hotspots ne sont enrichis qu'en NC_GCts. Cependant, dans LUAD, les mutations hotspot sont enrichies dans le contexte de la séquence NC_GCtv. Dans LICA, OVCA et UTCA, les contextes de séquence dans lesquels les mutations hotspot se produisent sont égaux. En résumé, le contexte de séquence NC_GCts est sélectionné positivement dans la plupart des types de cancer, et différents contextes de séquence sur lesquels se produisent les points chauds sont importants pour considérer leurs différences génétiques et leurs caractéristiques fonctionnelles.

Signatures mutationnelles de la mutation du hotspot synonyme chez 15 types de cancer. une Histogramme du nombre de mutations hotspot sous différents contextes de séquence. b Diagramme à barres où la valeur 100 % représente le nombre total de mutations dans différents contextes de séquence répartis dans chaque type de cancer. ATts, transition AT (barre de corail dans une et b) ATtv, AT transversion (barre bleue dans une et b) C_GCts, transition CpG-îlot GC (barre jaune dans une et b) C_GCtv, transversion GC-île CpG (barre rose dans une et b) NC_GCts, transition GC non-îlot CpG (barre verte dans une et b) NC_GCtv, transversion GC non-îlot CpG (barre grise dans une et b)

Comparaison de conservation

Il est habituel pour les mutations ayant d'importantes implications fonctionnelles et évolutives situées dans des régions hautement conservatrices et des domaines protéiques. Pour évaluer la conservation des mutations des points chauds, les mutations neutres synonymes de 86 HMCG dans 1000G (235 mutations neutres synonymes ont été présentées dans le fichier supplémentaire 2 : tableau S3) et les mutations non-hotspot des HMCG dans TCGA (1358 mutations non-hotspot ont été présentées dans les fichier 3 : Tableau S4), nous avons calculé leurs scores RS pour estimer les contraintes évolutives sur différents sites génomiques. Comme le montre la figure 5, les scores RS des mutations hotspot sont significativement plus élevés que ceux des mutations neutres synonymes dans 1000G (p-valeur <2e-16). En revanche, il n'y a pas de différence significative entre les mutations hotspot et non hotspot (p-valeur = 0,93), il est possible que le non-hotspot dans TCGA puisse influencer les processus cancéreux, mais leur nocivité est inférieure à celle des hotspots. Le résultat suggère que les sites sur lesquels les points chauds se produisent sont plus conservateurs que ceux des mutations synonymes neutres. En tant que mutations motrices potentielles, ces points chauds peuvent être plus importants pour le développement du cancer.

Comparaison des scores RS entre les ensembles de données de hotspots et de mutations synonymes neutres, non hotspots.Hotspot représente les mutations du hotspot 1000G représente les mutations neutres synonymes des HMCG dans l'ensemble de données 1000G Non-hotspot représente les mutations non hotspot des HMCG dans l'ensemble de données TCGA. Le score RS de l'ensemble de données de mutation hotspot est significativement plus élevé que cet ensemble de données de mutation synonyme neutre (p-valeur <2e-16). Mais il n'y a pas de différence significative entre les ensembles de données hotspot et non hotspot (p-valeur = 0,93) pour le score RS

Analyse des acides aminés

Pour étudier plus avant la différence entre les mutations hotspot, les mutations synonymes neutres et les mutations non hotspot des HMCG, les distributions des acides aminés sous lesquels les mutations se sont produites ont été étudiées (Fig. 6). Il n'y a pas de mutation synonyme sous Met et Trp en raison de l'absence de codons synonymes. De toute évidence, les distributions d'acides aminés sont différentes pour les trois ensembles de données de mutations synonymes. Dans l'ensemble de données de mutation du point chaud, L et Phe (12,37 et 11,34 %, respectivement) sont les acides aminés les plus mutés en raison de la transition C → T prévalente, qui implique la transformation entre les codons optimaux et non optimaux. En tant qu'acide aminé important des répétitions riches en leucine, L est associé à un cadre structurel polyvalent pour la formation d'interactions protéine-protéine [49]. Cependant, pour l'ensemble de données de mutation neutre, les substitutions les plus fréquentes sont sous Ala (14,44 %), ce qui est largement toléré en dehors du site fonctionnel car les plus petits résidus peuvent être facilement intégrés dans les structures. Parmi les mutations non-hotspot, les substitutions les plus fréquentes sont sous L (14,51%). Les distributions des mutations synonymes hotspot et neutre sont quantitativement similaires à celles des mutations faux-sens publiées précédemment [46].

Diagrammes radar montrant les distributions d'acides aminés auxquels les mutations se sont produites. une Mutations des points chauds b Mutations neutres synonymes de HMCG dans l'ensemble de données 1000G c Mutations non hotspot des HMCG dans l'ensemble de données TCGA

Caractérisation du domaine

Nous avons également étudié les compositions de domaine des protéines, sous lesquelles se sont produites des mutations hotspot, des mutations neutres synonymes de HMCG dans 1000G et des mutations non hotspot de HMCG dans TCGA. Trente-cinq domaines Pfam différents ont été détectés dans les protéines sous lesquelles les mutations hotspot se sont produites, tandis que 29 et 91 domaines protéiques sous lesquels des mutations neutres synonymes et non hotspot se sont produites, respectivement. Il a été constaté que neuf types de domaines sont communs aux mutations hotspot, neutres synonymes et non hotspot (Fig. 7a), y compris 7 domaines récepteurs transmembranaires (7tm_1, PF00001), domaine de la région de liaison au zinc de la cytidine et de la désoxycytidylate désaminase (domaine dCMP_cyt_deam_1, PF00383 ), domaine de liaison aux nucléotides (domaine cobW, PF02492), domaine protéique Hsp70 (domaine HSP70, PF00012), domaine protéique de transport d'ions (domaine Ion_trans, PF00520), domaine I-set d'immunoglobuline (domaine I-set, PF07679), laminine N -domaine terminal (domaine Laminin_N, PF00055), domaine de la famille O-acyltransférase lié à la membrane (domaine MBOAT, PF03062) et domaine de la protéine transmembranaire 67 (domaine Meckelin, PF09773). Les fonctions de ces domaines sont différentes les unes des autres. En tant que récepteur de type rhodopsine, le domaine 7tm_1 comprend le groupe des récepteurs couplés aux protéines G et englobe un large éventail de fonctions telles que divers processus autocrines, paracrines et endocriniens. Le domaine dCMP_cyt_deam_1 est la région de liaison au zinc de la cytidine et de la désoxycytidylate désaminase, qui est associée à l'activité catalytique de la cytidine désaminase. Le domaine cobW contient une boucle de liaison aux nucléotides et une région riche en histidine qui joue un rôle important dans la liaison aux métaux. Le domaine HSP70 est fortement régulé à la hausse par le stress thermique et les produits chimiques toxiques, en particulier les métaux lourds. Le domaine Ion_trans contient des canaux ioniques sodium, potassium et calcium, et une boucle flanquée de deux hélices détermine la sélectivité ionique. Le domaine I-set est non seulement fréquent dans la protéine d'adhésion cellulaire, mais apparaît également dans de nombreux autres types de protéines [50]. Le domaine Laminin_N est une molécule de matrice extracellulaire et le domaine MBOAT contient diverses enzymes acyltransférase. Ensuite, nous avons analysé les distributions des mutations hotspot, neutres synonymes et non hotspot sous les neuf domaines protéiques communs. Parmi ces neuf domaines, le domaine Ion_trans est le plus fréquent (28 items), mais la proportion de points chauds est inférieure à celle de mutations neutres synonymes et de non-points chauds (Fig. 7b). En tant que cible importante pour la thérapie tumorale [51], le domaine Ion_trans est essentiel pour la communication de cellule à cellule et régule de multiples processus biologiques. Cependant, l'analyse de la distribution des mutations synonymes dans le domaine Ion_trans est opposée à l'analyse précédente des mutations faux-sens [46], ce qui peut être dû aux différents mécanismes pathogènes des mutations synonymes et non-synonymes. Le domaine 7tm_1 est la plus forte proportion de mutations hotspot et se compose du groupe de récepteurs couplés aux protéines G, qui pourraient favoriser les métastases cancéreuses [52].

Analyse de la distribution des mutations dans les domaines protéiques. une Diagramme de Venn montrant le nombre de types de domaine pour les intersections multiples parmi les mutations de point chaud, les mutations synonymes neutres et les mutations sans point chaud. b Diagramme à barres où la valeur 100 % représente le nombre total de mutations dans les neuf domaines protéiques communs aux mutations hotspot, synonymes neutres et non hotspot. Les sections bleue, saumon et verte sur la barre représentent les proportions des mutations totales qui sont respectivement des mutations hotspot, neutres synonymes et non hotspot. PF00001, domaine 7tm_1 PF00383, domaine dCMP_cyt_deam_1 PF02492, domaine cobW PF00012, domaine HSP70 PF00520, domaine Ion_trans PF07679, domaine I-set PF00055, domaine Laminin_N PF03062, domaine MBOAT PF09773, domaine Meckelin


Prospectus

Comme indiqué ci-dessus, la mort cellulaire et les lésions tissulaires qui peuvent survenir juste après l'initiation peuvent induire une réparation tissulaire et des réponses homéostatiques conduisant à la progression tumorale. De plus, les signaux dérivés des microbes pourraient également activer des voies de reconnaissance microbienne innées favorisant le développement de tumeurs. De cette manière, la réponse inflammatoire joue un rôle causal dans le développement précoce de la tumeur via la régulation de l'initiation et de la promotion.

Les mutagènes entraînent des dommages à l'ADN, et les dommages à l'ADN peuvent activer NF-㮫 via la mort cellulaire ou par des dommages à l'ADN lui-même [54]. Alors qu'une telle mort cellulaire est susceptible d'être inférieure au seuil requis pour la prolifération compensatoire et la promotion tumorale, une exposition répétée à des mutagènes peut provoquer une mort cellulaire suffisante pour garantir la survie de certaines cellules initiées et leur expansion. L'exposition répétée de souris à des mutagènes seuls (tels que l'AOM) peut induire une tumorigenèse. Étant donné que le cycle biologique des mammifères est marqué par des agressions environnementales temporaires (infections ou brûlures) et constantes (irritants ingérés ou en suspension dans l'air), l'exposition aux mutagènes est susceptible d'être associée à une forme d'irritation ou d'agent nocif de faible intensité. Ainsi, les mutagènes et les irritants/infections peuvent être à l'œuvre dans la cancérogenèse dans plus de cas et de manières qu'on ne l'avait estimé auparavant.

À mesure que les cancers se développent, les tissus changent de plusieurs façons. La plupart de ces changements peuvent ressembler à des lésions tissulaires et induire des mécanismes homéostatiques pour maintenir la fonction tissulaire. Par exemple, l'ischémie au cœur d'une tumeur solide peut initier une réponse physiologique à l'hypoxie, telle que l'activation de la voie HIF1 et l'angiogenèse ultérieure. Les tumeurs en croissance pourraient également dégrader les barrières épithéliales, l'architecture cellulaire des tissus ou perturber la matrice extracellulaire. Tous ces processus sont susceptibles de stimuler les processus homéostatiques de réparation tissulaire, y compris le recrutement de leucocytes inflammatoires. Ces réponses conduisent à la croissance tumorale elle-même, favorisant ainsi une boucle de rétroaction positive [44].

La prochaine étape dans la compréhension de la relation entre les processus homéostatiques, tels que la prolifération compensatoire, la réparation tissulaire et la défense de l'hôte, et la tumorigenèse sera de déterminer si la reconnaissance des formes de perturbations de l'homéostasie est impliquée dans la tumorigenèse. Ces voies sont-elles impliquées dans l'initiation de l'inflammation associée à la tumeur ? La reconnaissance des microbes ou des ligands endogènes par des récepteurs de type péage est essentielle pour la réparation et la régénération des tissus au niveau de divers organes [55-59]. Outre les TLR, il existe de nombreux récepteurs de reconnaissance de formes microbiennes pour la détection de virus et de bactéries [60]. En outre, il a été avancé que certains récepteurs pourraient être impliqués dans la sensation de lésion tissulaire et de mort cellulaire, tels que ceux qui reconnaissent des fragments de matrice extracellulaire (tels que l'hyaluronane ou la fibronectine) ou des débris nécrotiques (y compris S100 et les protéines de choc thermique et HMGB1). . Tout rôle de ces voies de reconnaissance dans la tumorigenèse est mûr pour la recherche.

Une question ouverte est de savoir quel rôle les voies de reconnaissance de formes innées ont dans la cancérogenèse secondaire à la colonisation microbienne, comme dans H. pylori-le carcinome gastrique induit. Il sera important de déterminer les contributions relatives de microbe-des facteurs dérivés critiques pour la colonisation microbienne et la survie chez l'hôte (tels que les facteurs de “virulence” ou d'�ptation”) et hôte-réponses déterminées (telles que l'inflammation) dans le développement tumoral ainsi que pour déterminer la synergie entre ces facteurs. De telles investigations peuvent identifier des informations importantes sur les raisons pour lesquelles certaines formes d'inflammation chronique prédisposent ou non au développement de tumeurs.


Résultats

Taux de mutation variables parmi les différents types de tumeurs et sous-types de mutation

Comme mentionné précédemment (Méthodes), nous avons classé toutes les mutations en 20 sous-types en fonction à la fois des types de mutation et des contextes de séquences dinucléotidiques (Fichier supplémentaire 2 : Tableau S2). Dans l'ensemble de données sur les mutations COSMIC, les tumeurs de la peau, de l'estomac, de la vessie et du côlon ont des taux de mutation globaux relativement élevés, ce qui est cohérent avec un rapport précédent [4]. En outre, nous avons également observé des taux de mutation élevés dans les tumeurs osseuses et de l'endomètre (Fig.  1b). Cependant, nous avons observé des taux de mutation très variables selon les différents sous-types de mutation (test H de Kruskal-Wallis, p =𠂒.22e-05). Par exemple, dans les tumeurs osseuses, la transversion non-sens non-CpG C/G a un taux de mutation de 0,69/Mb tandis que la transition CpG C/G non-sens a un taux de mutation de 14,2/Mb. De même, le taux de mutation peut varier considérablement selon les différents types de tumeurs (Kruskal-Wallis H-test, p =𠂓.49e-40). Par exemple, la transition faux-sens C/G non CpG a un taux moyen de 6,18/Mb dans les tumeurs cutanées, beaucoup plus élevé que dans les tumeurs cérébrales (0,61/Mb). Par conséquent, pour identifier les facteurs potentiellement sélectionnés positivement dans le cancer, il est important de tenir compte des variations du sous-type de mutation et du contexte de séquence dans différents types de tumeurs, au lieu d'examiner uniquement les fréquences des variantes dans la population.

Identifier les mutations des points chauds dans COSMIC

Nous avons commencé avec toutes les mutations dans 17 types de tumeurs dans COSMIC v71 (Fig.  2 ). Seules les données obtenues par séquençage de l'exome entier ou du génome entier ont été utilisées (Methods, Additional file 1 : Table S1) [15]. L'estimation des taux de mutation de fond peut être biaisée par des échantillons hypermutés aberrants. Pour éviter un tel biais, nous avons calculé la moyenne μ et l'écart type σ du nombre de mutations dans chaque échantillon, étiqueté les échantillons avec un nombre de mutations supérieur à μ +𠂒σ comme hyper -mutated, et les a exclus d'autres considérations (Fichier supplémentaire 1 : Tableau S1).

Illustration de la définition des mutations du hotspot et de l'analyse de l'utilité fonctionnelle. Nous avons utilisé les données COSMIC v71 comme entrée. Nous avons d'abord sélectionné les échantillons qui ont été examinés avec le séquençage du génome entier ou de l'exome entier, puis avons retiré les échantillons hypermutés dans chaque type de tumeur. Des mutations de hotspot ont été identifiées dans des types de tumeurs individuels, et les enquêtes d'utilité biologique ont été réalisées à travers de multiples aspects

Notre objectif était d'identifier les mutations des points chauds au sein des gènes (méthodes) et d'explorer leurs utilités potentiellement biologiques dans différents contextes biologiques. Le grand nombre d'échantillons dans COSMIC a permis d'estimer de manière fiable un taux de mutation de fond pour chaque gène dans chaque type de tumeur et sous-type de mutation (méthodes). Nous avons identifié une mutation hotspot comme l'ensemble des aberrations génomiques qui affectent la position d'un acide aminé (AA) et se produisent significativement plus fréquemment que prévu à partir de l'arrière-plan. Au total, nous avons identifié un ensemble de 702 mutations putatives de points chauds dans 549 gènes dans 17 types de tumeurs (Fig.  2 , Méthodes).

Nous avons mesuré la composition de différents sous-types mutationnels dans les mutations du hotspot (Fichier supplémentaire 5 : Figure S1). Comme prévu, 510 (72,65 %) étaient faux-sens et 17 (2,42 %) étaient un non-sens, occupant une proportion élevée de mutations hotspot. Nous avons également identifié 31 points chauds d'insertion (4,42 %) et 78 points de délétion (11,11 %) qui ont été largement ignorés dans les études précédentes [5, 6] et qui offraient potentiellement de nouveaux candidats pour la mutation motrice et la prédiction des gènes du cancer. En outre, nous avons examiné les points chauds d'insertion et de suppression et avons constaté que 17/31 étaient des insertions dans le cadre et 17/78 étaient des suppressions dans le cadre. Parmi les points chauds d'insertion et de suppression de décalage de trame restants, plus de 70 % ont des positions de départ et/ou des tailles légèrement différentes. Par exemple, la suppression du hotspot ESRP1 N512 a deux variantes génomiques chr8:95686611A/- et chr8:95686611-95686612AA/-.

Nous avons constaté que les gènes contenant une mutation du point chaud (HMCG) identifiés dans notre étude se chevauchaient de manière significative (98/546 vs 451/24405, test exact de Fisher, p =𠂑.28e-53) avec les 546 gènes du cancer rapportés dans le Caner Gene Census (CGC). Parmi les 24 951 gènes disponibles dans COSMIC, 549 gènes ont été identifiés comme contenant au moins un hotspot, parmi lesquels 98 étaient les gènes du cancer CGC. De même, nous avons constaté que les HMCG se chevauchaient de manière significative avec les gènes significativement mutés rapportés dans l'analyse TCGA PANCAN (101/435 vs 448/24516, test exact de Fisher, p =𠂖.56e-74) et dans Lawrence et al. (73/221 vs 476/24630, test exact de Fisher, p =𠂒.56e-65). Les gènes non chevauchants ont été détectés probablement parce que 1) les études précédentes avaient des hypothèses de taux de mutation de fond différentes de celles de notre étude 2) elles ont détecté un grand nombre de suppresseurs de tumeurs qui ne contiennent pas de mutations de point chaud claires 3) notre étude n'a pas seulement été en mesure de détecter les mutations hotspot dans les gènes cancéreux connus, mais également capable de détecter les mutations hotspot dans les gènes rarement mutés, qui peuvent avoir une fonctionnalité biologique auparavant inconnue 4) notre étude comprenait des types de mutations (indels) que les études précédentes n'avaient pas. L'étendue du chevauchement entre les HMCG et l'union des ensembles de gènes du cancer mentionnés ci-dessus est restée très significative lorsque nous avons choisi divers ajustements p valeurs seuils pour identifier les mutations des points chauds (Fichier supplémentaire 6 : Figure S2), ce qui indique la robustesse statistique de notre approche.

De plus, nous avons trouvé des gènes qui se chevauchent de manière significative entre notre ensemble et ceux prédits par d'autres méthodes basées sur des clusters telles que e-Driver [6] (151/552 vs 398/24499, test exact de Fisher, p =𠂓.42e-139) et OncodriveCLUST [5] (106/489 vs 443/24462, test exact de Fisher, p =𠂒.31e-74). De plus, en ce qui concerne les clusters mutationnels, nous avons trouvé 213 hotspots chevauchant 1125 clusters mutationnels significatifs identifiés par e-Driver (213/1125 vs 489/92822, test proportionnel, p =𠂒.14e-87) et 261 points chauds se chevauchaient avec 1042 clusters mutationnels significatifs comme prédit par OncodriveCLUST (261/1042 vs 441/89561, test proportionnel, p =𠂔.98e-121). Des résultats non chevauchants ont été trouvés principalement en raison de : 1) les clusters prédits par e-Driver et OncodriveCLUST basés principalement sur des mutations faux-sens dans un contexte mutationnel uniforme 2) notre étude a identifié non seulement des mutations de points chauds faux-sens, mais également une proportion substantielle d'insertion (4,42&# x000a0%) et la suppression (11,11 %) des points chauds (Fichier supplémentaire 5 : Figure S1) 3) notre étude a choisi un seuil de signification statistique plus strict pour augmenter la confiance des mutations des points chauds identifiés.

Le nombre de mutations hotspot variait fortement d'un type de tumeur à l'autre (Fichier complémentaire 7 : Figure S3 et Fichier complémentaire 8 : Tableau S5). La plupart des types de tumeurs présentaient de 5 à 100 mutations hotspot. Cependant, le cancer colorectal présentait 253 mutations hotspot malgré sa taille d'échantillon relativement petite (684 échantillons), y compris une proportion élevée de mutations hotspot d'insertion (10 %) et de suppression (23 %) (Fig.  3 ). En revanche, seules 65 mutations hotspot ont été trouvées dans le cancer myéloïde (1344 échantillons). Un tel enrichissement peut refléter une plus grande hétérogénéité génétique dans l'initiation et la progression du cancer colorectal, comme cela a été suggéré précédemment [26, 27] et aussi que le cancer colorectal est principalement entraîné par des mutations plutôt que par des altérations du nombre de copies [28]. De plus, nous avons examiné le nombre de mutations hotspot et le nombre total de mutations (charge mutationnelle) dans chaque type de tumeur, mais n'avons pas trouvé de corrélation claire entre eux (Fichier supplémentaire 9 : Figure S4).

Signatures mutationnelles des mutations hotspot dans 16 types de tumeurs. L'axe des abscisses représente les types de tumeurs et l'axe des ordonnées représente les 8 types de contextes de séquence (concaténation des mutations faux-sens, non-sens et silencieuses). Chaque barre représente le pourcentage de contextes de séquences spécifiques dans lesquels les mutations du point chaud se produisent. Dans chaque type de tumeur, l'addition des pourcentages des différents contextes de séquence peut être supérieure à 1, car un ou plusieurs types de mutations peuvent se produire sur un seul site de mutation du pilote hotspot

Signature du contexte de séquence des mutations du point chaud

Nous avons étudié les signatures mutationnelles de 702 mutations de points chauds dans différents contextes de séquence à travers différents types de tumeurs. Comme le montre la Fig.  3 , dans 7 types de tumeurs différents (estomac, ovaire, cerveau, sein, peau, pancréas et cancer du rein), NoCpG_CGts était le contexte de séquence le plus répandu par rapport à d'autres contextes de séquence dans lesquels les mutations du point chaud se sont produites (p <𠂐.05), indiquant une plus grande force de sélection positive sur les séquences d'ADN avec la mutation NoCpG_CGts. Dans 3 types de tumeurs (cancer de la tête et du cou, du foie et myéloïde), NoCpG_CGtv semble être le contexte de séquence le plus répandu (p <𠂐.05). Dans plusieurs types de tumeurs telles que le cancer du cerveau et de l'ovaire, bien que NoCpG_CGtv n'ait pas agi comme le contexte de séquence de mutation prédominant, il représentait un pourcentage assez élevé (cerveau : 32 % et ovaire : 35 %). Cependant, dans certains types de tumeurs comme le cancer de la vessie, les mutations du hotspot sont significativement enrichies dans le contexte de la séquence ATtv (35 %, p =𠂑.77e-2).

En termes de contexte de séquence spécifique dans lequel les mutations du point chaud se produisent dans différents types de tumeurs, bien que l'insertion ne soit pas le contexte de séquence le plus répandu dans le cancer du sein, le pourcentage d'insertion dans le cancer du sein (22 %) était significativement plus élevé que dans toute autre tumeur les types (p =𠂑.14e-02), de même, le pourcentage de délétion dans le cancer colorectal (27 %) était évidemment plus élevé que dans les autres types de tumeurs (p =𠂑.84e-4), ainsi que le pourcentage d'ATts (36 %, p =𠂕.84e-3) en colorectal et ATtv (35 %, p =𠂓.73e-3) dans le cancer myéloïde.

Ces observations ont révélé que les caractéristiques génomiques communes telles que le contexte de séquence NoCpG_CGts et NoCpG_CGtv ont été positivement sélectionnées dans divers types de tumeurs ainsi que des caractéristiques génomiques distinctes qui se sont produites dans des types de tumeurs individuels, et ont souligné l'importance d'étudier séparément les mutations des points chauds dans différents contextes de séquence pour mieux comprendre leurs complexités génétiques et leurs indications fonctionnelles.

Pour obtenir un nouvel aperçu fonctionnel de ces mutations qui ont été prédites sur la base des statistiques des données de mutation, nous avons effectué un ensemble de tests statistiques supplémentaires pour associer ces 702 mutations hotspot avec des preuves fonctionnelles.

Exploration des utilités biologiques des mutations des points chauds à l'aide des données d'expression d'ARNm/protéine TCGA

Les conséquences fonctionnelles des mutations peuvent se manifester sous deux aspects : affecter l'expression des gènes ou conduire à une activité anormale de la voie de signalisation. Pour répondre à ces questions, nous avons divisé les valeurs d'expression d'ARNm et de protéines d'un ensemble d'échantillons de TCGA en plusieurs groupes en fonction du statut mutationnel d'un gène spécifique dans ces échantillons : avoir une mutation hotspot, aucune mutation hotspot ou aucune mutation [22] . Seules les mutations survenant au moins deux fois ont été incluses et les tests Mann–Whitney U ont été utilisés pour mesurer la différence entre les différents groupes [23]. Parmi 702 mutations hotspot, nous avons trouvé 42 mutations hotspot entraînant des altérations significatives de l'expression de l'ARNm ou des protéines (Fichier supplémentaire 8 : Tableau S5).

Il est connu que TP53 contient des mutations de gain de fonction associées à une expression accrue de TP53 [29, 30] via une régulation à la baisse des cibles en aval telles que MDM2/MDM4, qui supprime l'expression de TP53. Cependant, il n'est pas bien étudié si différentes mutations dans TP53 présentent des fonctions différentes selon les types de cancer. Motivés par cela, nous avons examiné l'association de TP53 mutations du point chaud et expression de l'ARN et des protéines de TP53 dans différents types de cancer. Pour se concentrer sur l'effet des mutations sur TP53 expression, nous avons exclu les échantillons contenant TP53 suppressions (Méthodes). Comme le montre la Fig.  4a, dans le carcinome invasif du sein (BRCA), les échantillons avec des mutations faux-sens R175, R248 et R273 ont des niveaux d'expression d'ARNm ou de protéines manifestement plus élevés, par rapport aux échantillons avec des mutations sans point chaud et sans mutation dans TP53. Dans le cystadénocarcinome (OV) séreux de l'ovaire, des effets similaires ont été observés pour R248 et R273, qui sont associés à des augmentations de la TP53 Expressions d'ARNm et de protéines (Fichier supplémentaire 10 : Figure S5). Cependant, dans l'adénocarcinome du rectum (READ), bien que le R175 soit associé à des augmentations de TP53 Des expressions d'ARN similaires à celles observées dans les mutations faux-sens BRCA, R248 et R273 ne sont pas significativement associées à la TP53 Expression de l'ARNm ou de la protéine, comparée à des échantillons sans point chaud ou sans mutations dans TP53 (Fig.  4a), impliquant des fonctions distinctes de R248 et R273 dans différents contextes pathologiques. De plus, la suppression du décalage du cadre de lecture G108, les mutations faux-sens I195 et non-sens R213, qui ont été détectées de manière unique comme des mutations du point chaud dans BRCA, OV et READ respectivement, sont associées à une réduction ou à une amélioration. TP53 expression dans les types de cancer correspondants, suggérant l'hétérogénéité fonctionnelle des mutations des points chauds dans différents types de cancer (Fig.  4a et fichier supplémentaire 10 : Figure S5).

Implications fonctionnelles des mutations des points chauds dans l'expression de l'ARN et des protéines. une Dans BRCA, des échantillons de tumeurs avec des mutations du point chaud de délétion G108 dans TP53 présenter moins TP53 expression de l'ARN que ceux avec des mutations non hotspot et sans TP53 mutations. En revanche, les échantillons de tumeurs avec des mutations du point chaud faux-sens (R175, Y220, R248 et R273) dans TP53 montrer plus haut TP53 Expression de l'ARN et des protéines. Dans READ, les échantillons de tumeurs avec des mutations faux-sens R175 montrent plus TP53 Expression de l'ARN et des protéines que celles avec des mutations non hotspot et sans TP53 mutations, tandis que les mutations non-sens R213 ont l'effet inverse. b Dans BRCA, des échantillons de tumeur avec des mutations du point chaud faux-sens H1047 dans PIK3CA montrer plus haut AKT taux de pT308 et pS473 que ceux sans mutation dans PIK3CA, tandis que dans COAD, des échantillons de tumeur avec des mutations du point chaud faux-sens E542 dans PIK3CA montrer plus haut AKT taux de pT308 et pS473 que ceux sans mutation dans PIK3CA. * indique p <𠂐.05 et ** indiquent p <𠂐.001 entre les échantillons avec des mutations de point chaud spécifiées et les échantillons avec des mutations sans point chaud dans le gène examiné # indique p <𠂐.05 et ## indiquent p <𠂐.001 entre les échantillons avec des mutations du point chaud spécifiées et les échantillons sans mutations dans le gène examiné

Au lieu de modifier le niveau d'ARN/protéine, certaines mutations peuvent être fonctionnelles en modifiant l'activité protéique en aval par le biais de la transduction de signalisation. Par exemple, l'activation de PIK3CA pourrait conduire à l'activation de cibles en aval telles que AKT phosphorylation [31]. Un ensemble de PIK3CA des mutations ont été détectées et étudiées fonctionnellement dans divers types de cancer tels que le BRCA et l'adénocarcinome du côlon (COAD) [32]. Nous avons examiné l'association des individus PIK3CA mutations et AKT activation en comparant le phosphorylé AKT niveaux dans des échantillons avec divers PIK3CA mutations à celles des échantillons sans PIK3CA mutation. Étonnamment, dans BRCA, seulement PIK3CA H1047 a été associé à un taux considérablement plus élevé AKT niveaux de pT308 et pS473, par rapport à ceux qui n'en avaient pas PIK3CA mutations (Fig.  4b) dans COAD, seulement PIK3CA E542 étaient associés à des taux significativement plus élevés AKT niveaux de pT308 et pS473, par rapport à ceux qui n'en avaient pas PIK3CA mutations (Fig.  4b). Notamment, dans les deux cas, PIK3CA les mutations n'ont pas affecté le total AKT niveau (données non présentées), suggérant que différents PIK3CA des mutations dans différents types de cancer peuvent activer sélectivement AKT via la transduction de la signalisation, plutôt que la régulation de l'expression.

La disponibilité des données d'expression d'ARNm et de protéines permet de caractériser en détail les conséquences biologiques de différentes mutations dans un type de cancer, ainsi que d'une mutation dans différents contextes de cancer, réitérant la justification de la distinction de la fonction des mutations individuelles dans différents contextes de maladie.

Explorer les propriétés pharmacogénomiques des mutations hotspot

Il a été démontré que les cellules cancéreuses répondent à des médicaments spécifiques lorsqu'elles hébergent des mutations dans des gènes conducteurs tels que BRAF et NRAS [9]. Cependant, il n'est pas tout à fait clair si différentes mutations dans un gène conducteur peuvent déclencher différentes réponses médicamenteuses. Ici, nous avons évalué les effets des mutations individuelles sur la réactivité aux médicaments en utilisant les données du CCLE [24]. Nous avons divisé les échantillons de lignées cellulaires cancéreuses en différents groupes, selon qu'ils contiennent un point chaud spécifique, un point chaud ou aucune mutation dans les gènes candidats étudiés. Seules les mutations survenant au moins deux fois ont été incluses et Mann&# x02013Whitney U test a été effectué pour mesurer la différence [23]. Parmi 702 mutations hotspot, nous avons trouvé que 35 mutations hotspot conduisent à des sensibilités aux médicaments significativement altérées (Fichier supplémentaire 8 : Tableau S5).

Nous avons d'abord illustré l'effet des mutations individuelles des points chauds dans BRAF, KRAS et NRAS sur la sensibilité des cellules cancéreuses traitées par MEK inhibiteurs (PD-0325901 et AZD6244). Comme prévu, les cellules avec BRAF Les mutations V600E ont démontré une sensibilité significativement plus élevée à MEK inhibiteurs que ceux sans BRAF mutations (données non présentées). De plus, nous avons constaté que les cellules avec NRAS Les mutations du point chaud Q61 ont démontré une sensibilité significativement plus élevée à MEK inhibiteurs que ceux avec des mutations non-hotspot et ceux sans mutations dans NRAS (Fig.  5a). Cellules avec KRAS Les mutations du point chaud G12 ont démontré une sensibilité significativement plus élevée à MEK inhibiteurs que ceux avec des mutations non-hotspot et ceux sans mutations dans KRAS (Fig.  5a).

Implications fonctionnelles des mutations hotspot dans la sensibilité aux médicaments. une Les cellules cancéreuses avec NRAS Q61 ou KRAS Les mutations du point chaud faux-sens G12 présentent une sensibilité plus élevée aux inhibiteurs de la MEK (PD-0325901 et AZD6244) que celles avec des mutations sans point chaud ou sans aucune mutation dans NRAS ou KRAS. b Les cellules cancéreuses avec MAP3K4 Les mutations du point chaud de délétion A1199 présentent une sensibilité inférieure à différents inhibiteurs de l'EGFR (Erlotinib, Lapatinib, TKI258 et AZD0530) que celles avec des mutations sans point chaud ou sans aucune mutation dans MAP3K4. * indique p <𠂐.05 entre les échantillons avec des mutations de hotspot spécifiées et les échantillons avec des mutations sans hotspot dans le gène examiné # indique p <𠂐.05 entre les échantillons avec des mutations du point chaud spécifiées et les échantillons sans mutations dans le gène examiné

Facteur de croissance épidermique (FEM) est l'un des ligands de haute affinité de EGFR. EGF/EGFR système induit la croissance, la différenciation, la migration, l'adhésion et la survie cellulaire par diverses voies de signalisation en interaction telles que MAPK voie [33], dans laquelle MAP3K4 est un élément important [34]. Cliniquement, EGFR des inhibiteurs tels que l'erlotinib ont été utilisés pour réprimer EGFR signalisation des activations et supprimer la croissance des cellules tumorales. Cependant, nous avons constaté que les lignées cellulaires cancéreuses avec MAP3K4 Les mutations du point chaud de délétion A1199 étaient plus résistantes aux quatre examinées EGFR inhibiteurs (Erlotinib, Lapatinib, TKI258 et AZD0530) par rapport aux lignées cellulaires cancéreuses sans MAP3K4 mutations (Fig.  5b). Ces EGFR les lignées cellulaires mutantes hotspot sont également plus résistantes à trois inhibiteurs (Erlotinib, Lapatinib et TKI258) par rapport aux lignées cellulaires contenant des mutations non hotspot dans MAP3K4 (Fig.  5b), suggérant la fonction unique de MAP3K4 suppression A1199 en perturbant le MAPK fonction de la voie et son utilité potentielle de biomarqueur.

Ces observations ci-dessus soutiennent que les mutations des points chauds que nous avons identifiées peuvent avoir des rôles distincts dans la médiation des voies de signalisation et sont associées à différentes sensibilités aux médicaments. Par conséquent, il est essentiel d'obtenir des informations génomiques précises et de les interpréter de manière spécifique au contexte afin d'obtenir les résultats souhaités dans le traitement personnalisé du cancer.

Mutations du hotspot spécifiques au type de tumeur

Nous avons effectué une analyse pour évaluer si une mutation hotspot dans notre ensemble est très répandue dans des types de tumeurs spécifiques. Parmi tous les 702 points chauds, nous avons constaté que 68 étaient très répandus dans un type de tumeur, 11 dans deux types de tumeur, 2 (KRAS G12 et PIK3CA E542) dans trois types de tumeurs, et 1 (KRAS G13) dans quatre types de tumeurs (Fichier supplémentaire 11 : Figure S6). Parmi celles-ci, 34 mutations hotspot telles que CD209 R129 faux-sens (4,0 %) dans le cancer de la vessie, MAGI1 Insertion Q421 (0,8 %) et NR1H2 L'insertion de Q175 (1,8 %) dans le cancer du sein n'a pas été bien étudiée sur la base d'études précédentes et est potentiellement de nouvelles cibles (Fichier supplémentaire 8 : Tableau S5).

Sur les 21 mutations hotspot détectées dans TP53 (Fig.  6a), 2 se sont révélés prévalents dans plusieurs types de cancer (R248 dans le carcinome urothélial de la vessie (BLCA), BRCA et OV, R273 dans le gliome de bas grade (LGG), BRCA et OV) et 9 ( G108, R158, R175, I195, R213, Y220, R249, R282, E285) dans un type de tumeur, confirmant la diversité fonctionnelle de TP53 mutations du point chaud dans différents types de cancer (Fig.  4a).

Prévalence des mutations hotspot dans différents types de cancer TCGA et leurs implications fonctionnelles. une Dans TP53, les mutations hotspot sont différentiellement répandues dans différents types de tumeurs, indiquant leurs fonctions différentielles. b Dans BRCA, les échantillons avec NR1H2 Les mutations du point chaud d'insertion dans le cadre Q175 ont une expression NR1H2 significativement plus faible par rapport aux échantillons avec NR1H2 mutations non hotspot. c Dans BRCA, échantillonner avec GATA3 Les mutations du point chaud d'insertion P409 ont évidemment un GATA3 plus élevé que les échantillons sans mutation GATA3. * indique p <𠂐.05 entre les échantillons avec des mutations de point chaud spécifiées et les échantillons avec des mutations sans point chaud dans le gène examiné # indique p <𠂐.05 entre les échantillons avec des mutations du point chaud spécifiées et les échantillons sans mutations dans le gène examiné

Nous avons identifié 30 mutations hotspot qui ont été exclusivement détectées dans un seul type de tumeur (Fichier supplémentaire 12 : Tableau S6). Inclus étaient DNMT3A R882 et NPM1 W288, qui surviennent respectivement chez 14,9 et 25,6 % des patients atteints de leucémie myéloïde aiguë (LAML) et se sont révélées importantes dans l'oncogenèse de la LAML [35]. Outre ces hotspots attendus, nous avons trouvé des hotspots potentiellement nouveaux. Par exemple, nous avons trouvé une mutation de point chaud d'insertion dans le cadre, NR1H2 Q175 chez 1,8 % des patients atteints de BRCA, une enquête plus approfondie utilisant les données d'expression de l'ARNm de BRCA a montré que NR1H2 L'insertion de Q175 est associée à une expression réduite de l'ARNm de NR1H2, comparé à NR1H2 mutations non hotspot (Mann&# x02013Whitney U test, p =𠂒.60e-2, Fig.  6b ). Bien qu'ayant été rapporté pour réguler l'homéostasie du cholestérol et la tumorigenèse du cancer du foie [36], le rôle de NR1H2 L'insertion de Q175 dans BRCA n'a pas été bien caractérisée. En outre, GATA3 P409, une mutation du point chaud d'insertion par décalage de trame a été détectée chez 1,6 % des patients atteints de BRCA. Échantillons BRCA avec GATA3 Les insertions P409 avaient des expressions plus élevées de GATA3 par rapport aux échantillons sans GATA3 mutations basées à la fois sur l'expression de l'ARNm BRCA (Mann&# x02013Whitney U test, p =𠂒.03e-2) et les données RRPA (Mann–Whitney U test, p =𠂕.94e-2, Fig.  6c ). Parce que GATA3 a été proposé comme biomarqueur pronostique dans le cancer du sein [37], la fréquence élevée de GATA3 P409 et élevé GATA3 expression dans BRCA en font une cible thérapeutique potentielle utile en clinique.

Conservation et caractéristiques du domaine protéique des mutations du hotspot

En général, on s'attend à ce que des mutations fonctionnelles et structurelles importantes se localisent dans une région et un domaine hautement conservés au cours de l'évolution de la protéine. Pour évaluer notre mutation hotspot, nous avons utilisé les scores RS calculés par GERP++ [25], pour mesurer les contraintes évolutives à travers différents sites chromosomiques (Méthodes). Nous avons comparé la différence de score RS entre les sites appartenant à des mutations hotspot et ceux appartenant à des mutations non hotspot. Les scores RS de 702 mutations hotspot étaient significativement plus élevés que ceux des mutations non hotspot (Fig.  7a ), suggérant que les sites qui hébergent des mutations hotspot étaient plus conservés que ceux qui ne le sont pas. En outre, nous avons également examiné l'emplacement relatif des mutations sur la protéine. Les mutations sans point chaud étaient uniformément réparties dans différents domaines de la protéine (panneau inférieur), tandis que les mutations point chaud présentaient un regroupement au milieu et aux extrémités (Fig.  7b, panneau supérieur), suggérant la préférence fonctionnelle des mutations dans différents domaines protéiques.

Comparez la conservation et la localisation du domaine protéomique des mutations hotspot et non hotspot. une Comparaison du score GERP entre les mutations hotspot et non hotspot. b Investigation de la localisation du domaine protéomique du hotspot (supérieur) et non hotspot (inférieur) mutation


Variantes de gènes

Les gens peuvent également avoir différentes versions de gènes qui ne sont pas des mutations. Les différences communes dans les gènes sont appelées variantes. Ces versions sont héritées et sont présentes dans chaque cellule du corps. Le type le plus courant de variante de gène implique un changement dans une seule base (nucléotide) d'un gène. Ceux-ci sont appelés polymorphismes nucléotidiques simples (SNP, prononcé « snips »). On estime qu'il y a des millions de SNP dans l'ADN de chaque personne.

D'autres types de variantes sont moins courants. De nombreux gènes contiennent des séquences de bases qui se répètent indéfiniment. Un type courant de variante implique une modification du nombre de ces répétitions.

Certaines variantes n'ont aucun effet apparent sur la fonction du gène. D'autres ont tendance à influencer la fonction des gènes de manière subtile, par exemple en les rendant légèrement plus ou moins actifs. Ces changements ne causent pas directement le cancer, mais peuvent rendre quelqu'un plus susceptible d'avoir un cancer en affectant des choses comme les niveaux d'hormones et le métabolisme. Par exemple, certaines variantes génétiques affectent les niveaux d'œstrogène et de progestérone, ce qui peut affecter le risque de cancer du sein et de l'endomètre. D'autres peuvent affecter la décomposition des toxines dans la fumée de cigarette, ce qui rend une personne plus susceptible de développer des cancers du poumon et d'autres cancers.

Les variantes génétiques peuvent également jouer un rôle dans les maladies qui ont un impact sur le risque de cancer, comme le diabète et l'obésité.

Les variantes et les mutations à faible pénétrance peuvent être similaires. La principale différence entre les deux est leur fréquence. Les mutations sont rares, tandis que les variantes génétiques sont plus courantes.

Pourtant, étant donné que ces variantes sont courantes et que quelqu'un peut en avoir beaucoup, leur effet peut s'additionner. Des études ont montré que ces variantes peuvent influencer le risque de cancer et, avec les mutations à faible pénétrance, elles peuvent représenter une grande partie du risque de cancer qui court dans les familles.


Combattre le cancer en mettant les cellules tumorales au régime

Les aliments qui correspondent au régime cétogène sont riches en graisses et faibles en sucre.

Le dogme du cancer soutient que la plupart des tumeurs malignes sont causées par des mutations de l'ADN à l'intérieur des noyaux des cellules, mutations qui conduisent finalement à une prolifération cellulaire incontrôlée. Compte tenu des innombrables défauts génétiques qui ont été associés à divers cancers, la maladie est en fait devenue un ensemble de maladies pour lesquelles des traitements personnalisés pourraient offrir les meilleures chances de succès.

Mais l'orthodoxie dominante en oncologie a ses détracteurs, et certains biologistes du cancer estiment que même si les mutations sont presque omniprésentes dans le cancer, elles ne sont pas toujours la force motrice de la maladie.Le cancer, suggèrent-ils, pourrait en fait être autant un trouble de la production d'énergie altérée qu'un dommage génétique.

Cette idée remonte aux travaux du médecin allemand Otto Warburg qui, dans les années 1920, a rapporté que plutôt que de générer de l'énergie en utilisant le processus de respiration à base d'oxygène comme le font les cellules saines, les cellules cancéreuses préfèrent le processus anaérobie, ou sans oxygène, de fermentation. Tous les produits de fermentation ne sont pas aussi bienvenus que la bière, le vin et le fromage.

Dans les années 1920, le Dr Otto Warburg, un chercheur allemand, a découvert que les cellules cancéreuses préfèrent le processus de fermentation anaérobie, ou sans oxygène, pour générer de l'énergie. J.W. McGuire/États-Unis Bibliothèque nationale de médecine masquer la légende

Le professeur de biologie du Boston College, le Dr Thomas Seyfried, est l'un des principaux partisans de la théorie métabolique du cancer. Il fait du prosélytisme sur les découvertes de Warburg et a publié en 2012 un livre universitaire intitulé Le cancer comme maladie métabolique qui expose les preuves derrière ses croyances (Actuellement, la page Facebook du livre compte plus de 6 000 abonnés et un échange animé de conseils d'auto-assistance).

Seyfried soutient que des décennies de recherche, y compris la sienne, soutiennent l'idée qu'un métabolisme aberrant peut en quelque sorte induire une malignité. En outre, il pense que la recherche soutient l'idée que la limitation des carburants disponibles pour la fermentation - c'est-à-dire le sucre glucose et l'acide aminé glutamine - est une approche négligée pour faciliter le traitement.

Il implique spécifiquement les mitochondries, nos organites producteurs d'énergie, dans la stimulation de la malignité.

Cette croyance est en partie basée sur des travaux des années 70 et 80 montrant que si le cytoplasme (la substance cellulaire flottante qui contient les mitochondries) est transféré d'une cellule normale à une cellule tumorigène (une cellule ayant le potentiel de se développer en un cancer ) la tendance au cancer est supprimée. À l'inverse, la recherche animale a montré que le transfert du noyau d'une cellule maligne dans le cytoplasme d'une cellule normale inhibe le potentiel tumoral de cette cellule initialement maligne, ce qui implique, selon Seyfried, que la cause du cancer réside dans le cytoplasme, et non dans le noyau.

Des recherches plus récentes montrent que l'introduction de mutations dans l'ADN mitochondrial (anciens organismes unicellulaires que nos cellules ont finalement engloutis, les mitochondries ont leur propre matériel génétique) réduit la protection tumorale prétendument fournie par les mitochondries normales.

"Si vous regardez les données, vous pourriez dire qu'il existe des preuves claires que le cancer est une maladie génétique puisque nous pouvons hériter de mutations associées à un risque accru de cancer", explique Seyfried, "mais beaucoup de ces mutations perturbent la respiration cellulaire. Et de nombreux non -les causes héréditaires de cancer comme les radiations altèrent la fonction mitochondriale."

Coups - Actualités Santé

La dépression peut-elle être causée par une infection ?

Le collègue de Seyfried, Dominic D'Agostino, professeur de biologie à l'Université de Floride du Sud, souscrit également à l'idée que le principal moteur du cancer est le dysfonctionnement mitochondrial, qui peut être induit par un certain nombre de cancérogènes - prédilections génétiques, radiations, expositions chimiques et régime parmi eux.

Non seulement de nombreuses mutations et voies associées au cancer altèrent la fonction mitochondriale et le métabolisme cellulaire, dit-il, mais les mitochondries blessées produisent également des composés volatils appelés « espèces réactives de l'oxygène » qui peuvent endommager l'ADN. "Cela peut expliquer pourquoi la plupart des cancers ont des mutations", spécule-t-il, "dans de nombreux cas, ils sont secondaires à des dommages mitochondriaux."

Le Dr E. Aubrey Thompson, biologiste du cancer à la Mayo Clinic qui, selon ses propres termes, est « fortement du côté de la mutation », reconnaît que les cellules cancéreuses réorchestrent leurs activités métaboliques et que l'interférence avec le métabolisme du cancer est un domaine potentiellement fructueux de recherche. "Des centaines de laboratoires travaillent déjà sur ce sujet en ce moment", dit-il. Pourtant, ajoute-t-il cordialement, "il n'y a aucune preuve de malignité se développant en l'absence de mutations. Quiconque pense le contraire est obligé de concevoir une expérience pour réfuter ce concept. C'est ainsi que fonctionne la science."

Il s'avère qu'il y a certains preuve que cela pourrait arriver, mais c'est limité. Seyfried m'a indiqué un article de 2015 du Dr Stuart Baker du National Cancer Institute qui passe en revue quatre études récentes faisant état de nombreuses tumeurs dans lesquelles aucune mutation n'a été trouvée. Seyfried reconnaît que des mutations auraient pu être trouvées avec un dépistage plus approfondi et une meilleure technologie de séquençage de l'ADN.

Le président et chef de la direction du Memorial Sloan-Kettering Cancer Center, le Dr Craig Thompson (à ne pas confondre avec Mayo's Thompson) se penche sur la théorie métabolique du cancer. "Alors que les arguments soulevés [par Seyfried et d'autres] ont été pris en compte par le domaine croissant du métabolisme du cancer, la plupart des chercheurs sont passés à d'autres explications pour les observations", a-t-il déclaré dans une interview. Pourtant, il a récemment écrit à l'appui de certains aspects de la théorie ayant des implications thérapeutiques.

D'une certaine manière, les différentes théories concurrentes sur le cancer ne sont pas complètement en désaccord. "Malgré toutes les controverses sur le terrain, les concepts que [Seyfried] et ses collègues avancent ne sont pas vraiment nouveaux", déclare Thompson de Mayo, "Je pense que tous ceux qui travaillent dans la biologie du cancer aujourd'hui apprécient le fait qu'il existe de nombreux différents processus impliqués dans la conversion d'une cellule normale en une cellule tumorale."

Il croit qu'une fusion d'influences pernicieuses est nécessaire pour qu'un cancer se développe. "L'un de ces processus est probablement l'activité métabolique altérée", dit-il. "Mais les cancers doivent également acquérir des mutations, changer la façon dont ils interagissent avec les cellules voisines et apprendre à échapper au système immunitaire. Chacun de ces processus est probablement essentiel au développement du cancer."

Matthew Vander Heiden, biologiste au MIT et oncologue au Dana Farber Cancer Institute, affirme également que de nombreux facteurs sont nécessaires pour induire le cancer, y compris ce qui pourrait être considéré comme l'autre théorie majeure sur l'origine des malignités, selon laquelle elles résultent d'une altération de la signalisation. voies qui contrôlent la division cellulaire. "Je suppose que c'est probablement métabolique, et c'est probablement génétique et c'est probablement la signalisation cellulaire. Je ne suis pas sûr que vous puissiez les séparer car ils semblent tous être tellement interdépendants", explique-t-il.

Quel que soit le déclencheur initial du cancer, la fin ultime des querelles biomédicales est d'aider les patients. Et comme le souligne Vander Heiden, non seulement les chercheurs et les sociétés pharmaceutiques développent déjà des médicaments qui ciblent les voies métaboliques, mais ces médicaments existent depuis un certain temps. "Je pense que cibler les voies métaboliques du cancer est une excellente idée. Nous avons déjà cinq ou six chimiothérapies de base qui, oui, attaquent la machinerie de la division cellulaire, mais ciblent également le métabolisme", explique Vander Heiden, "Elles ne sont tout simplement pas facturées de cette façon." Seyfried est sceptique quant au fait que les médicaments à eux seuls guériront le cancer. Au lieu de cela, lui et bon nombre de ses collègues – dont le Dr Eugene Fine du Albert Einstein College of Medicine et le neurochirurgien de l'Université de Pittsburgh, le Dr Joseph Maroon – se concentrent sur le potentiel des approches diététiques pour contenir la maladie.

Il existe un intérêt particulier pour le régime cétogène, similaire au régime Atkins à faible teneur en glucides, faible en sucre et riche en graisses. Il est destiné à priver les cellules cancéreuses du glucose qu'elles utilisent pour la fermentation.

"Les médicaments que nous avons maintenant sont si toxiques et il n'y a aucune raison que les gens doivent être empoisonnés pour être en bonne santé. Il existe un certain nombre d'études, y compris celles que nous avons publiées, montrant une relation directe entre le régime cétogène et le ralentissement de la croissance tumorale, " dit Seyfried, citant également les travaux du Dr Valter Longo, de la Davis School of Gerontology de l'Université de Californie du Sud. Ce travail montre que les régimes hypocaloriques sont liés à une croissance tumorale ralentie et à une meilleure réponse à la chimiothérapie. « Pourquoi dépenser tout cet argent pour rechercher toutes ces différentes voies impliquées dans le cancer alors que vous pouvez simplement rechercher les principaux carburants ? » demande Seyfried.

L'idée de lutter contre le cancer en modifiant l'alimentation des patients a un attrait évident, mais elle suscite également des inquiétudes. "J'ai un peu peur quand les gens commencent à parler de régime alimentaire pour le cancer, car vous pouvez rapidement entrer dans la pseudoscience ici", rétorque Thompson de Mayo. Il souligne que les données soutenant le régime cétogène dans le cancer sont limitées - et en outre que des études diététiques rigoureuses sont incroyablement difficiles à réaliser. "Les compagnies pharmaceutiques ne vont pas financer ce type d'essais", dit-il. "Ils ne peuvent pas gagner d'argent en commercialisant un régime."

Vander Heiden se méfie également de nombreuses allégations diététiques, en partie à cause d'attentes biaisées. "Il semble que les gens aient souvent décidé quel régime ils pensaient être le meilleur avant de faire une étude", dit-il. "Il y a une différence entre essayer de prouver que quelque chose est une bonne thérapie et demander quelle est la meilleure thérapie."

Ses propres travaux ont montré que certaines interventions diététiques peuvent être plus efficaces que les médicaments pour traiter le cancer chez la souris, mais il dit que les affirmations panacées concernant le régime cétogène en particulier sont un peu prématurées. "Je pense que c'est une hypothèse vraiment intéressante qui devrait continuer à être testée, mais prétendre que le cancer est entièrement métabolique ou entièrement génétique est probablement incorrect", dit-il. "Habituellement, en science, lorsque vous avez quelque chose d'aussi complexe que le cancer, l'attribuer à une cause particulière va souvent trop loin."

Même Seyfried reconnaît, malgré son zèle pour le traitement du cancer en bricolant les calories, que selon toute vraisemblance, le régime alimentaire et les traitements anticancéreux à base de nutriments serviront d'appoint aux thérapies existantes. Mais qu'y aurait-il de mal à cela ? "Nous ralentissons la tumeur et la rendons extrêmement vulnérable à des doses plus faibles et moins toxiques de médicaments disponibles", dit-il. "Lorsque les gens sont enfermés dans une idéologie créée par un dogme, ils ont tendance à ne pas se concentrer sur des alternatives rationnelles."


Résultats et discussion

Nous présentons un modèle mathématique pour prédire la distribution des mutations somatiques en fonction du nombre de hits et de combinaison, le modèle multi-combinaison multi-hit de la cancérogenèse. Le modèle ne fait pas d'hypothèses sur le taux de mutation, qui peut être très variable comme le suggère la faible corrélation entre les mutations somatiques et l'âge au moment du diagnostic du cancer. Nous comparons la distribution calculée par le modèle à la distribution réelle des mutations somatiques pour estimer le nombre de hits requis pour la cancérogenèse. Les estimations étaient robustes à la taille de l'échantillon lorsque la taille de l'échantillon est supérieure à 200. Nous discutons des raisons possibles des différences dans le nombre de résultats pour différents types de cancer. Nous discutons également de l'effet des écarts possibles par rapport aux hypothèses du modèle sur le nombre estimé de visites.

Modèle multi-combinaison multi-hit basé sur les principes premiers

Nous avons dérivé, à partir des principes premiers (voir Matériaux et méthodes), un modèle mathématique pour la cancérogenèse résultant de multiples combinaisons différentes de mutations cancérigènes (hits). La probabilité de cancérogenèse est formulée en fonction des mutations somatiques accumulées, du nombre de hits et du nombre de combinaisons multi-hits possibles. La figure 1 illustre le processus de cancérogenèse représenté par le modèle. La probabilite P que le m la mutation somatique a pour résultat de « toucher » l'un des k combinaisons possibles de h mutations cancérigènes, peut être approximé par (1) (2) (3) où Pk est la probabilité cumulée de toucher un ou plusieurs des k combinaisons à plusieurs coups avec m ou moins de mutations accumulées, Ph est la probabilité de toucher une combinaison de h mutations, et g est le nombre de toutes les mutations somatiques possibles qui peuvent se fixer, c'est-à-dire ne pas provoquer la mort cellulaire. Ici k est le nombre de combinaisons cancérigènes multiples possibles, par ex. pour les combinaisons à 2 coups, il inclurait un ensemble de mutations génétiques [g11, g12], [g21, g22], … [gk1, gk2], où gje représente une mutation génétique. Dans ce modèle, les mutations sont comptées séparément pour chaque copie d'un gène. La dérivation des équations ci-dessus utilise les principes de base de la théorie des probabilités, comme détaillé dans Matériaux et méthodes. Bien que ce modèle ne fasse pas d'hypothèses concernant le taux de mutation, comme le font les modèles actuels, nous faisons deux autres hypothèses simplificatrices similaires aux autres hypothèses formulées par les modèles actuels [4-10]. Premièrement, des mutations à l'un quelconque des loci sont également probables. Cette hypothèse n'implique pas que le taux de mutation (variantes par an) soit fixe. Cela implique seulement que la distribution des mutations à travers le génome est approximativement uniforme, sujette à des variations aléatoires. Deuxièmement, la cancérogenèse est principalement le résultat de mutations somatiques. Nous discutons ci-dessous de l'effet potentiel des écarts par rapport à ces hypothèses sur nos résultats.

Un génome court avec trois (k = 3) combinaisons possibles à 2 coups (h = 2) de mutations cancérigènes. Les combinaisons de 2 coups sont affichées avec un fond ombré jaune/vert/violet. Les mutations somatiques sont encadrées en rouge. Une (violet) des trois combinaisons se produit avec cinq (m = 5) mutations somatiques, entraînant une cancérogenèse.

Notre modèle, basé sur les mutations somatiques accumulées, ne fait aucune hypothèse sur le taux de mutation, qui peut être très variable [15–19]. Alors que les modèles actuels sont basés sur l'incidence par âge, ce qui nécessite de connaître ou de faire des hypothèses sur le taux de mutation, ce qui limite la robustesse de ces modèles [4-9]. Par exemple, les modèles à plusieurs étapes d'Armitage et Dole, Ashley, Luebeck et Moolgavkar, Little et Wright, et Zhang et Simon, supposent une probabilité fixe de changement cellulaire (mutations cancérigènes limitant le taux) pour chaque étape, et des explications subjectives sont prévu des différences dans cette probabilité entre les étapes [5-9]. L'étude de Knudson de 1971 sur le rétinoblastome et l'étude de Frank de 2005 sur le cancer du côlon comparent l'incidence selon l'âge pour les cas avec et sans mutations héréditaires, en supposant un taux de mutation constant [28, 30]. Tomasetti et. Al. ont constaté que les taux de mutation varient d'un facteur trois entre les fumeurs et les non-fumeurs, et d'un facteur dix entre ceux avec et sans déficit de réparation des mésappariements. Ils atténuent partiellement l'effet de ces taux de mutation variables, en divisant les échantillons de tumeurs en deux sous-ensembles sur la base d'un taux de mutation constant estimé pour chaque sous-ensemble [4]. Les modèles actuels utilisent l'âge comme mesure indirecte des mutations somatiques, qui sont la principale cause de cancer, c'est-à-dire âge à la cancérogenèse = mutations somatiques à la cancérogenèse / taux de mutation, ce qui nécessite de faire des hypothèses sur le taux de mutation. En estimant directement la probabilité de cancérogenèse en fonction des mutations somatiques au lieu de l'âge, notre modèle élimine le besoin de faire des hypothèses sur les taux de mutation.

Les mutations somatiques sont faiblement corrélées avec l'âge au moment du diagnostic du cancer

Le nombre de mutations somatiques accumulées dans les échantillons de tumeur est faiblement corrélé avec l'âge au moment du diagnostic du cancer, comme le montre la figure 2. Le coefficient de corrélation de Pearson varie de -0,2 à +0,2 pour les données de séquençage de l'exome entier pour 31 des 32 types de cancer dans The Cancer Genome Atlas (TCGA) avec des échantillons normaux dérivés de tumeurs et de sang appariés. Pour le chromophobe du rein, avec un coefficient de corrélation de -0,4, seuls neuf échantillons étaient disponibles. Les valeurs p associées sont supérieures à 0,05 pour tous les 32 types de cancer sauf quatre, ce qui suggère également un manque de corrélation. Pour le carcinome invasif du sein, l'adénocarcinome du rectum, l'adénocarcinome de l'estomac et le carcinome de l'endomètre utérin, les valeurs p étaient respectivement de 0,02, 0,02, 7E-4 et 4E-6, avec des coefficients de corrélation de 0,07, -0,20, 0,18 et -0,21. Le calcul de la valeur p est décrit dans le SI. Des études longitudinales montrent que pour un individu donné, le nombre de mutations somatiques accumulées augmente avec l'âge [15]. Cependant, cette relation peut être obscurcie par la grande variation du taux de mutations entre les individus. Pour un individu donné, les mutations accumulées augmenteront bien entendu avec l'âge. Cependant, nous constatons que pour une population d'individus diagnostiqués avec un cancer, la corrélation est au mieux faible. Prenons l'exemple d'un fumeur susceptible de développer un cancer à un âge beaucoup plus jeune qu'un non-fumeur. Il est possible qu'en raison de l'activité mutagène de la fumée de cigarette, le jeune fumeur ait accumulé plus de mutations que le non-fumeur plus âgé. Certains des facteurs qui contribuent à cette variation incluent l'âge lui-même, l'exposition à des mutagènes et des mutations dans les gènes de réparation de l'ADN [4, 15–19]. Tomasetti et. Al. montrent que le taux de mutation moyen pour les fumeurs est 3 fois plus élevé que pour les non-fumeurs, et plus de dix fois plus élevé pour les individus présentant un déficit de réparation des mésappariements par rapport à ceux sans déficit [4]. Tomlinson et. Al. suggèrent que le déficit de réparation des mésappariements peut augmenter le taux de mutation jusqu'à quatre ordres de grandeur [19]. Bavarva et. Al. rapportent que le taux de mutation non synonyme varie selon l'âge de 9,6E-7 à 8,4E-6 par paire de bases par an.

La corrélation linéaire de Pearson entre les mutations somatiques et l'âge au moment du diagnostic varie de -0,2 à +0,2, sauf pour le chromophobe rénal pour lequel il n'y avait que neuf échantillons normaux dérivés de tumeurs et de sang appariés.

Le nombre de mutations cancérigènes (hits) varie de deux à huit selon le type de cancer

La comparaison de la distribution réelle des mutations somatiques pour différents types de cancer, à la distribution des mutations somatiques estimées par notre modèle (Figs 3 et S1-S3), suggère que le nombre moyen de hits varie de deux à huit selon le type de cancer (Tableau 1 , figure 4). Le nombre de hits a été déterminé en minimisant la différence quadratique moyenne (RMSD) entre la distribution réelle de la mutation somatique et la distribution calculée par le modèle multi-combinaison multi-hits (Figs 3 et S1-S3). Voir Matériaux et méthodes. Le tableau 1 montre que les distributions calculées correspondent étroitement à la distribution réelle avec une différence quadratique moyenne (RMSD) inférieure à 2,2 %. Ces résultats sont basés sur les données de séquençage de l'exome entier de 6904 échantillons normaux dérivés de tumeurs et de sang appariés pour 17 des 33 types de cancer dans la TCGA pour lesquels il y avait au moins 200 échantillons normaux dérivés de tumeurs et de sang appariés. L'analyse de sensibilité (section suivante) montre que la distribution des mutations somatiques est robuste pour une taille d'échantillon supérieure à 200. La figure 3 montre trois exemples de distribution de mutations somatiques et la distribution de probabilité calculée par le modèle multi-combinaison multi-hit. Les chiffres pour les 17 types de cancer sont présentés dans les figures S1 à S3.

(a)-(c) Exemples de trois types de cancer présentant des distributions distinctes et la distribution de probabilité prédite pour le modèle optimal, montrant une différence correspondante dans le nombre de hits. Les figures S1–S3 montrent les distributions pour les 17 types de cancer avec au moins 200 échantillons.

Dérivé de l'image du domaine public par M Haggstrom (2014).

Pour les 17 types de cancer avec au moins 200 échantillons, le RMSD entre la distribution des mutations somatiques et la distribution de probabilité pour le modèle optimal est inférieur à 2,2 % (partie supérieure du tableau). Le nombre de hits estimé par ce modèle basé sur les mutations somatiques est dans la même fourchette que ceux estimés par les modèles précédents basés sur l'incidence par âge (section médiane). Le calcul de l'intervalle de confiance à 95 % est décrit dans le SI. Ces moyennes peuvent consister en un mélange de différents nombres de résultats (hi et hj) comme illustré dans la section inférieure du tableau.

Nous avons comparé nos résultats à ceux d'autres modèles mathématiques (tableau 1). Ces modèles mathématiques comprennent à la fois des modèles probabilistes [4, 7-9] et des modèles mécanistes [5, 6]. Les modèles probabilistes supposent un taux de mutation constant pour chaque gène moteur, ce qui entraîne une relation exponentielle entre la probabilité d'incidence du cancer et l'âge. Les modèles mécanistes représentent explicitement chaque étape de la progression du cancer et les processus de croissance, de mort et de mutation cellulaires, avec un taux de mutation constant pour chaque étape. Comme le montre le tableau 1, le nombre d'accès estimé par notre modèle (deux à huit) est approximativement dans la même fourchette que les estimations précédentes (deux à sept) [4-9, 11] basées sur des méthodologies fondamentalement différentes. Plus important encore, les estimations les plus récentes, et sans doute les plus précises, de Tomasetti et. Al. en 2015 pour les cancers du côlon et du poumon correspondent exactement à nos estimations, ce qui corrobore le modèle multi-combinaison multi-coups, le caractère raisonnable des hypothèses utilisées et le nombre estimé de coups.

Comme test supplémentaire de la robustesse de notre modèle probabiliste, nous avons mis en œuvre et comparé nos résultats à un modèle mécaniste. Le modèle mécaniste intègre les caractéristiques des modèles mécanistes plus récents [31-35], non inclus dans les modèles mécanistes plus anciens [5, 6] considérés dans les comparaisons présentées dans le tableau 1. Le modèle est suffisamment général pour pouvoir être appliqué à différents types de cancer en utilisant un ensemble de paramètres approprié. Les détails du modèle sont inclus dans le SI, S5 Fig. Pour résumer, le modèle comprend (a) une hiérarchie cellulaire spatiale à plusieurs compartiments représentée par des cellules souches, des cellules progénitrices et des cellules différenciées, (b) l'homéostasie cellulaire initiale se transformant en tumeurs en croissance sur la base de différents taux de division cellulaire, de différenciation cellulaire et de mort cellulaire, et (c) la sélection et l'accumulation de multiples mutations motrices résultant en des cellules précurseurs du cancer, puis des cellules cancéreuses malignes. Les paramètres du modèle comprennent le nombre de cellules souches, de cellules progénitrices et de cellules différenciées, les taux de division cellulaire, de différenciation et de mort, et les taux de mutation oncogène. Nous avons identifié quatre types de cancer (adénocarcinome du côlon, du poumon et de l'estomac et carcinome de la thyroïde) pour lesquels des valeurs pour les paramètres clés du modèle ont été trouvées dans la littérature [11, 36-39], comme indiqué dans le tableau SI, S3. Comparé à l'incidence de ces types de cancer par âge d'une étude de population britannique de 2013 à 2015 [40], le modèle mécaniste à trois résultats correspond le mieux à l'étude de population pour les quatre types de cancer (SI, S6 Fig). Le nombre estimé de résultats pour le modèle mécaniste correspond au nombre de résultats pour le modèle probabiliste pour l'adénocarcinome du côlon et du poumon et se situe dans l'intervalle de confiance à 95 % pour l'adénocarcinome de l'estomac (tableau 1). Cependant, le modèle est sensible aux paramètres utilisés. En particulier, les estimations du taux de mutation oncogène varient de 10 -8 à 10 -3 [8, 11, 28, 41]. Le nombre de hits estimé par le modèle mécaniste peut correspondre exactement à notre modèle probabiliste (Tableau 1) en fonction de la valeur utilisée pour ce paramètre (SI, S3 Tableau et S7 Fig). Ces résultats fournissent un soutien supplémentaire à la robustesse de notre modèle probabiliste, et peuvent donner un aperçu et aider à affiner les estimations de gamme pour le taux de mutation oncogène.

Dans notre modèle probabiliste, le nombre de combinaisons multi-coups qui minimisent le RMSD va de 2x10 9 à 1x10 40 selon le type de cancer. Ce nombre peut sembler important, mais il est raisonnable compte tenu du nombre beaucoup plus important de toutes les combinaisons possibles de mutations. La longueur moyenne d'une protéine dans les cellules humaines est estimée à environ 500 acides aminés (1 500 paires de bases d'ADN). Le Catalogue of Somatic Mutations in Cancer (COSMIC) a identifié plus de 700 gènes cancéreux confirmés, avec beaucoup plus de gènes qui ont été expérimentalement impliqués dans le cancer [42]. Si nous supposons que des mutations dans 1000 des 1500 loci d'un gène modifient la fonction ou l'activité du gène, et que modifier la fonction ou l'activité de toute combinaison de h (nombre de hits) sur seulement 50 gènes différents est cancérigène. Ensuite, pour le génome humain diploïde, il existe environ 10 10 combinaisons cancérogènes possibles à 2 coups ((1000x2x50) 2 ) et environ 10 40 combinaisons cancérogènes possibles à 8 coups.

Les résultats sont robustes pour une taille d'échantillon supérieure à 200

Pour déterminer la sensibilité de nos résultats à la taille de l'échantillon, nous avons estimé le nombre de résultats en utilisant un sous-ensemble de 80 % des échantillons sélectionné au hasard. Le nombre d'échantillons normaux dérivés de tumeurs et de sang appariés dans le TCGA varie de neuf pour le chromophobe du rein à 929 pour le carcinome invasif du sein. Nous avons constaté que pour une taille d'échantillon supérieure à 200, le nombre estimé de résultats n'a changé dans aucun des 17 types de cancer, le nombre estimé de combinaisons n'a pas changé dans 14 des 17 types de cancer et le changement dans le RMSD était inférieur à 0,11 % dans 16 des 17 types de cancer. Les résultats pour les 32 types de cancer avec tous les échantillons et 80 % des échantillons sont présentés dans le tableau S1.

Le nombre moyen de hits peut comprendre un mélange de différents nombres de hits

Certains types de cancer présentent des distributions multimodales, suggérant un mélange de différents nombres de hits, tels que le carcinome de la thyroïde (THCA) et l'adénocarcinome de la prostate (PRAD), comme le montrent les figures 3 (B) et 3 (C). De plus, dans certains cas, il y a peu de différence dans le RMSD entre des nombres adjacents de hits, indiquant également un mélange de différents nombres de hits. Par exemple, pour le carcinome épidermoïde de la tête et du cou (HNSC), le RMSD minimum pour le modèle à 4 coups est de 2,03 contre 2,06 pour le modèle à 5 coups. Pour évaluer l'effet d'un mélange de différents nombres de hits, nous avons identifié la combinaison optimale par paires de hits de deux à neuf pour chaque type de cancer. La probabilité combinée pour un mélange de une% de hits et (100-une) % hj-hits a été calculé comme suit : Psalut = (une.Psalut + (100 − une).Phj)/100. Le RMSD entre les distributions réelles et calculées était plus faible dans tous les cas, le RMSD maximum étant réduit de 2,1 à 1,7 (tableau 1). Pour le THCA, par exemple, un mélange de 40 % de combinaisons à 3 coups et de 60 % de combinaisons à 8 coups correspond à la distribution avec un RMSD de 0,85 par rapport à la combinaison à 5 coups avec un RMSD de 1,69. Pour PRAD, un mélange de 30 % de combinaisons à 6 coups et de 70 % de combinaisons à 8 coups correspond à la distribution avec un RMSD de 1,2 contre 1,6 pour la combinaison à 7 coups seule. Pour HNSC, un mélange de 50 % de combinaisons à 3 et 9 coups a réduit le RMSD de 2,0 à 1,1. Nous supposons que le mélange de différents nombres de hits peut représenter un mélange de différents sous-types de cancer. Déterminer le nombre de hits associés à différents sous-types nécessitera un nombre d'échantillons statistiquement significatif pour chaque sous-type, plus que ce qui est actuellement disponible dans TCGA.

Le nombre de hits peut dépendre des caractéristiques de croissance cellulaire spécifiques au tissu

Différents types de cancer présentent des distributions distinctes pour les mutations somatiques, comme le montrent les figures 3 et S1-S3. De plus, ces distributions sont robustes pour des tailles d'échantillon supérieures à 200 (tableau S1). Correspondant à ces différentes distributions, les nombres de hits estimés par notre modèle sont également différents (tableau 1). Nous supposons qu'il peut y avoir une relation entre le nombre de hits et les caractéristiques de croissance cellulaire du tissu d'origine pour les différents cancers. Des études antérieures ont également identifié des différences spécifiques aux tissus et aux cellules dans la cancérogenèse [21, 36, 43, 44]. Tomasetti & Vogelstein ont lié la variation spécifique des tissus aux divisions de cellules souches à vie [36, 43]. Nunney suggère que les variations spécifiques aux tissus peuvent être le résultat d'une évolution adaptative et que ces adaptations peuvent être fonction du nombre de divisions cellulaires spécifiques aux tissus [44]. Schneider et. Al. ont attribué la différence tissu-spécifique dans le cancer aux différences dans l'environnement cellulaire et les réseaux de signalisation [21].

Tomasetti et Vogelstein [43], par exemple, ont trouvé une forte corrélation (corrélation linéaire de Pearson = 0,804) entre l'incidence de différents types de cancer et les divisions de cellules souches au cours de la vie dans le tissu correspondant, soulignant l'importance des caractéristiques de croissance cellulaire spécifiques au tissu sur le cancer. incidence. Nous avons également trouvé une corrélation modérée (corrélation linéaire de Pearson = 0,52) entre le nombre estimé de hits et la division des cellules souches à vie pour huit types de cancer qui correspondent à la classification de Tomasetti et Vogelstein (Fig 5). Cependant, cette relation peut être fortuite (intervalle de confiance à 95 % = -0,29 à 0,90) en raison du petit nombre de points de données.


Voir la vidéo: Cancer: rogue cells and DNA mutations (Mai 2022).