Lymphomes anaplasiques à grandes cellules ALK positifs : signature pronostique des rechutes précoces

Les lymphomes anaplasiques à grandes cellules (ou ALCL) appartiennent au groupe des lymphomes T périphériques et peuvent être porteurs d'une translocation impliquant le gène ALK (ALK+). Ce sont des lymphomes rares, de haut grade de malignité qui touchent souvent les sujets jeunes. Les traitements actuels permettent d'obtenir une rémission complète pour plus de 80% des patients. Cependant près de 30% des patients dont le traitement est aujourd'hui stratifié selon des facteurs pronostiques cliniques, vont rechuter dans l'année qui suit l'arrêt du traitement. Il est donc essentiel de disposer de critères prédictifs de la rechute au moment du diagnostic afin d'adapter la prise en charge thérapeutique des patients. L'objectif de mon projet était d'une part, d'identifier des facteurs moléculaires dépendants de la tumeur ou de son microenvironnement, associés à la rechute ou à l'absence de rechute et d'autre part, d'établir une signature d'expression génique pronostique au moment du diagnostic utilisable en routine clinique. Nous avons effectué une analyse du profil d'expression génique d'échantillons obtenus au diagnostic d'une cohorte de 48 patients présentant un ALCL ALK+ avec un suivi suffisant (26 provenant de patients ayant rechuté précocement, 22 patients n'ayant pas rechuté). Nous avons mis en évidence une signature de 47 gènes différentiellement exprimés entre les deux groupes de patients. Cette signature montre notamment, dans le groupe des patients n'ayant pas rechuté, un enrichissement en gènes codant pour des protéines impliquées dans la régulation de la matrice extracellulaire. Cette signature a été ensuite validée par PCR quantitative (qPCR) à haut débit (Fluidigm). Les algorithmes de classification tels que les forêts aléatoires et la PLS-DA ont permis de sélectionner les huit gènes les plus discriminants en termes de pouvoir prédictif. Sur la base de leur niveau d'expression, trois gènes ayant le plus fort pouvoir prédictif ont été identifiés par régression logistique. Afin de rendre cette signature applicable en routine clinique, ces trois gènes ont été validés par une technique de qPCR classique. L'expression de ces trois gènes a permis d'établir un score et un seuil permettant de distinguer les patients qui ont un fort risque de rechute des patients qui n'ont qu'un faible risque de rechuter. Cette classification dichotomique donne un taux d'échec de prédiction de seulement 16% sur cette première cohorte de patients. Ce score de prédiction a été validé sur une cohorte indépendante de 18 patients, avec un taux d'échec de 22%. Ainsi cette étude démontre l'intérêt des signatures prédictives issues de données à haut débit afin de guider le clinicien dans le choix de la stratégie thérapeutique.Anaplastic large cell lymphomas (ALCL) peripheral belong to T cell lymphomas and may be associated with translocations involving the ALK gene (ALK+). These lymphoma are rare, of high grade and often affect young subjects. Current treatments allow obtaining a complete remission for over 80% of patients. However nearly 30% of patients whose treatment is stratified according to current clinical prognostic factors, will relapse in the year following the end of treatment. It is therefore essential to decipher predictive factors of relapse at diagnosis in order to improve therapeutic management. The aim of my project was on one hand, to identify molecular factors of the tumor or its microenvironment, associated with relapse or lack of relapse and secondly, to establish a predictive gene expression signature at diagnosis that could be used in clinical routine. We performed transcriptome analysis of samples obtained at diagnosis in a cohort of 48 patients with ALK+ ALCL and sufficient follow up (26 from patients who early relapsed, 22 patients who did not relapse). We have identified 47 differentially expressed genes between the two groups. This signature shows in particular, from the group of patients who did not relapse, an enrichment of genes encoding proteins involved in the regulation of the extracellular matrix. This signature has been then validated by high-throughput quantitative PCR (Fluidigm). Classification algorithms such as Random Forests and PLS-DA helped select the eight most discriminating genes in terms of predictive power. Based on their expression level, three genes with the strongest predictive power were identified by logistic regression. For diagnostic testing in routine practice, these three genes were validated by standard qPCR. A score and a threshold for distinguishing patients who will relapse from patients who will not were established from the expression of these three genes. This dichotomous classification gives a prediction failure rate of only 16% on this first cohort. This prediction score was then validated in an independent cohort of 18 patients, with a failure rate of 22%. This study demonstrates the value of predictive signatures derived from high-throughput data to guide treatment strategy