Métabolomique et cancer (contact C. Bailleux)
Une partie croissante de nos projets consiste à mettre à profit des méthodes de métabolomique pour le diagnostic, pronostic et théranostic de différents cancers. Grace à notre plateforme de spectrométrie de masse, nous avons mis en place des études pilotées par des cliniciens. Pour rappel, la métabolomique est une méthode émergente en biologie et santé consistant à une analyse des petites molécules contenues dans un échantillon biologique (tissus ou fluides). Elle peut fournir des données importantes reflétant directement les mécanismes moléculaires sous-jacents à de nombreuses pathologies. Elle possède aussi un très fort potentiel translationnel pour une future routine clinique en diagnostic et pronostic. Cet axe en cancérologie est porté par Caroline Bailleux (oncologue au CAL, TIRO).
Nous travaillons notamment sur l’utilisation de la métabolomique (à partir de biopsies et pièces chirurgicales) dans le contexte du diagnostic, pronostic et théranostic du cancer du sein. Ces projets sur le cancer du sein sont portés par Caroline Bailleux. Ces études s'intéressent aussi à intégrer l'exposome dans l'agressivité tumorale et la résistance thérapeutique.
Nous recherchons également de nouvelles stratégies de dépistage et de diagnostic bénin versus malin du cancer de la thyroïde en mettant à profit des signatures en métabolomique et de protéomique. Cette thématique est menée par Grégoire d’Andréa (chirurgien ORL IUFC, TIRO) en thèse de sciences dans l’équipe avec la participation de la Biobank du CAL. Alexandre Bozec (chirurgien ORL au CAL) coordonne un autre projet sur l’utilisation de la métabolomique (plasma, urine et lésion) pour le diagnostic et pronostic des cancers ORL. Nous avons aussi réalisé une série d’analyse en métabolomique visant la détection des mutations IDH et du grade sur une cohorte de gliomes. Cette étude est menée par Fanny Vandenbos (anatomopathologiste, CHU).
Ces projets cliniques de cancérologie en métabolomique sont interfacés avec des développements méthodologiques en machine et deep learning nécessaires pour l'optimisation de l'exploitation des données en métabolomique.