Identification des réseaux métaboliques à l'aide d'une analyse inter-organes des données d'imagerie TEP-FDG corps entier – INTER-ORGAN PET

Contexte. Notre compréhension du diagnostic et du traitement efficace des maladies complexes est limitée. Des études récentes mettent en évidence des axes de communication inter-organes et des effets de réseau qui sous-tendent de nombreuses pathologies. Les méthodes d'imagerie moléculaire diagnostique, notamment la tomographie par émission de positons (TEP) corps entier, pourraient permettre l'évaluation non invasive des voies métaboliques et de signalisation aux niveaux des cellules, des organes, ou inter-organes. La TEP corps entier utilisant le glucose marqué au Fluor 18 ([18F]-FDG) comme traceur de choix offre des possibilités uniques d'évaluer les voies glycolytiques et de cartographier la signalisation inter-organes. Cependant, la caractérisation des effets de réseau plus larges nécessite une architecture des réseaux moléculaires et phénotypiques pour une compréhension approfondie de l'expression de la maladie et de la réponse aux thérapies.

Hypothèses. Notre hypothèse est que nous pouvons évaluer ces effets de réseau par l'utilisation de la TEP corps entier au [18F]-FDG, qui permet de caractériser simultanément et quantitativement l'activité glycolique dans tout l'organisme. Tout d'abord, nous construirons un atlas des signaux de TEP-FDG qui sont associés aux réseaux métaboliques homéostatiques en l'absence de pathologie. Ensuite, nous considèrerons le cancer du sein comme une perturbation de ces réseaux. Ainsi, nous supposons que le cancer du sein est associé à des aberrations inter-organes et/ou à des altérations des réseaux. Nous prévoyons de comparer ces aberrations en fonction des stades de la maladie. Ainsi, nous utiliserons les informations issues d'examens TEP-FDG corps entier et des schémas d'analyse de données adaptés pour décrire les effets inter-organes chez les patientes atteintes d'un cancer du sein à différents stades par rapport aux voies normales et homéostatiques observés chez des sujets contrôles. Nous pensons que ces informations, une fois bien comprises et caractérisées, pourront à terme être utilisées dans la gestion personnalisée des patients.

Approche. Nous tirons parti de nos grandes bases d’examens TEP-FDG acquis chez plus de 1 000 sujets (sujets contrôles sains et sujets atteints de cancer mammaire). Grâce à la puissance de l'apprentissage profond, nous cherchons à (1) extraire les signaux métaboliques de plusieurs organes clés après une segmentation automatisée, (2) construire un réseau d'association inter-organes avec des nœuds densément connectés, et (3) catégoriser les sujets en fonction de l’organisation de ces nœuds de réseau et de l’état de santé des sujets.

Originalité et valeur ajoutée. Ce projet peut contribuer à améliorer notre compréhension des maladies (notamment le cancer du sein) et à personnaliser la prise en charge thérapeutique à l'aide des données TEP-FDG. Nous génèrerons les premières cartes des interactions métaboliques inter-organes dans l’homme. Nous combinerons efficacement les expertises des deux partenaires en imagerie moléculaire, en analyse quantitative avancée des biomarqueurs et en science des données. Ce projet s'appuie sur une masse critique au sein d’équipes de recherche cohérentes et complémentaires pour générer des connaissances fondamentales sur les mécanismes pathologiques.

Faisabilité. Tous les experts impliqués possèdent des compétences et des savoir-faire complémentaires et interagiront étroitement. Les compétences essentielles comprennent la recherche expérimentale, clinique et translationnelle en imagerie TEP, l'étude des processus physiopathologiques au niveau moléculaire, ainsi que la biologie computationnelle et l'analyse de données multiparamétriques.