NetraMark Holdings Inc. a annoncé la présentation de nouvelles données décrivant comment sa solution d'essai clinique propriétaire NetraAI a identifié de nouveaux biomarqueurs et des voies d'interaction protéine-protéine (PPI) associés à des formes spécifiques de cancer du poumon non à petites cellules (NSCLC) et de cancer colorectal (CRC) en utilisant de petits ensembles de données et un algorithme d'auto-apprentissage qui évite le recours à de grands ensembles de données d'entraînement. Ces perspectives, ou NetraPerspectives, peuvent faire progresser la médecine personnalisée grâce à des stratégies d'enrichissement des patients, tout en ouvrant de nouvelles voies diagnostiques et thérapeutiques, améliorant ainsi les soins et les résultats pour les patients dans ces indications complexes. Joseph Geraci, PhD, fondateur et directeur scientifique de NetraMark, a présenté les données hier dans deux posters lors de la réunion annuelle 2024 de l'American Association of Cancer Research (AACR), qui se tient du 5 au 10 avril 2024 à San Diego, en Californie.

Les deux affiches ont été présentées dans la section "Late-Breaking Research : Bioinformatique, biologie computationnelle, biologie des systèmes et science convergente 2", qui a eu lieu hier. Le poster intitulé "NetraAI-driven discovery of novel biomarkers in MSI-high colon cancer for precision immunotherapy" (Abstract #LB395) décrit l'utilisation d'algorithmes Attractor AI pour identifier des groupes de variables causales (hypothèses) qui expliquent des sous-populations spécifiques de patients atteints de cancer du côlon à forte instabilité des microsatellites (MSI-H). Les tumeurs MSI-H se caractérisent par une charge mutationnelle importante, qui favorise la production de néoantigènes et amplifie la visibilité immunitaire, ce qui en fait des candidats de choix pour l'immunothérapie.

Cependant, ces mêmes facteurs contribuent à une hétérogénéité qui complique encore l'efficacité des thérapies ciblées. NetraAI a été appliqué à un ensemble de données comprenant des dizaines de milliers de variables d'expression de l'ARN provenant de 390 échantillons de patients atteints de CCR. Ces profils comprenaient 44 échantillons MSI-H et 21 échantillons MSI-low (MSI-L) et l'ensemble de données utilisé comprenait un total de 22 283 variables.

Les principales conclusions de l'analyse sont les suivantes : Dans une perspective NetraPerspective, une sous-population MSI-H a été identifiée, composée de 29 échantillons MSI-H et de 2 échantillons MSI-L. Cette sous-population est caractérisée par un taux de mortalité élevé. Cette sous-population est caractérisée par l'expression de CATSPERB (p=1,2 x 10-7), MLPH (p=4,9 x 10-5), FUT8 (p=8,6 x 10-5), DUSP4 (p=1,1 x 10-3) et PLLP (p=0,01). La construction de réseaux PPI basés sur les variables identifiées suggère une interaction complexe entre elles, en particulier dans le contexte de la spermatogenèse.

La réparation des mésappariements (MMR) est essentielle pour assurer l'intégrité génétique pendant la production de spermatozoïdes. Les résultats de l'analyse NetraAI suggèrent que les défauts de MMR jouent un rôle causal dans l'instabilité génétique observée dans le CRC MSI-H. La spécificité de CATSPERB pour un sous-groupe de cancer du côlon MSI-H en fait un biomarqueur potentiel pour l'identification des patients qui pourraient bénéficier d'approches thérapeutiques adaptées, contribuant ainsi au paysage de la médecine personnalisée.

La protéine CATSPERB est principalement associée aux canaux calciques dans le sperme, mais sa surexpression dans un sous-ensemble de patients atteints de cancer du côlon MSI-H suggère que la protéine pourrait moduler la signalisation calcique dans les cellules tumorales, qui est connue pour jouer un rôle dans une variété de processus cellulaires qui entraînent la prolifération, la survie et la métastase des cellules cancéreuses. L'affiche intitulée "The power of NetraAI : Precision medicine in oncology through sub-insight learning from small data sets" (Abstract #LB396) décrit l'utilisation des algorithmes Attractor AI pour identifier les variables définissant des sous-populations spécifiques de patients atteints de NSCLC. Un petit ensemble de données composé de 104 échantillons d'expression génique d'adénocarcinome (ADC) et de carcinome épidermoïde (SSC) a été compilé à partir de deux ensembles de données NSCLC.

Les principales conclusions de l'analyse sont les suivantes : Une NetraPerspective a montré de multiples sous-populations explicables de NSCLC, principalement stratifiées en sous-populations ADC ou SCC. Il est intéressant de noter qu'il existe plusieurs sous-populations de chaque sous-type, ce qui suggère que différentes combinaisons de variables déterminent des sous-types spécifiques d'ADC et de SCC. L'examen de chaque sous-population à l'aide des capacités de zoom uniques de NetraAI a permis d'identifier les patients spécifiques et les variables qui les caractérisent.

Dans une perspective NetraPerspective, NetraAI a distingué les sous-types ADC et SCC grâce à des signatures génétiques uniques, avec 9 variables sur 10 en corrélation avec des marqueurs connus du cancer du poumon non à petites cellules (NSCLC). Cela valide les méthodes et la technologie utilisées par NetraAI. PIGX est apparu comme une nouvelle cible en raison de son rôle jusqu'alors inexploré dans la biologie du cancer.

Une étude plus approfondie des réseaux PPI a révélé un lien significatif entre PIGX et BACE1, une protéine impliquée dans les métastases cérébrales des cancers du poumon non à petites cellules. Cela ouvre de nouvelles voies pour comprendre les mécanismes moléculaires qui sous-tendent la progression du cancer et les métastases. PIGX est également lié à PIGN, qui est associé à l'instabilité génomique et régule les protéines du point de contrôle de l'assemblage du fuseau dans la transformation et la progression de la leucémie.