Étude de l'hétérogénéité intratumorale et de l’impact des thérapies ciblées sur le carcinome rénal à cellules claires par une approche transcriptomique sur cellules uniques (Study of intra-tumor heterogeneity and anti-cancer therapies in clear cell renal cell carcinoma using single-cell transcriptomics) Saout, Judikael - (2022-12-01) / Universite de Rennes 1 - Étude de l'hétérogénéité intratumorale et de l’impact des thérapies ciblées sur le carcinome rénal à cellules claires par une approche transcriptomique sur cellules uniques Accéder au document :  https://ged.univ-rennes1.fr/nuxeo/site/esupversion...

Langue : Français, Anglais Directeur(s) de thèse:  Chalmel, Frédéric; Rioux-Leclercq, Nathalie Discipline : Génétique, génomique et bioinformatique Laboratoire :  IRSET Ecole Doctorale : SVS Classification : Médecine et santé Mots-clés : Transcriptomique sur cellules uniques, carcinome rénal, hétérogénéité tumorale, traitements, modèle de culture 3D Transcriptome Analyse en cellule unique Carcinome rénal à cellules claires Hétérogénéité tumorale Modélisation tridimensionnelle

Résumé : L'hétérogénéité intra-tumorale (HIT) désigne la diversité des cellules malignes et des cellules normales qui composent le microenvironnement d'une tumeur. Elle constitue un réservoir de cellule innovantes connu pour jouer un rôle dans la progression tumorale et la résistance aux thérapies ciblées dans de nombreux cancers, y compris dans le carcinome rénal à cellules claires (ccRCC). L’un des grands défis de l’oncologie consiste donc à déchiffrer et contourner l’HIT au bénéfice des patients. Dans ce contexte, la technique de séquençage ARN sur cellules uniques (« single-cell RNA-sequencing » ou scRNA-seq) s’est largement développée ces dix dernières années et engage un tournant sans précédent dans le domaine puisqu’elle permet de caractériser le transcriptome de chaque sous-population cellulaire peuplant la tumeur. Dans le premier axe de ce travail de thèse, j’ai utilisé le scRNA-seq afin d’établir un atlas cellulaire du ccRCC révélant différents degrés d’hétérogénéité inter- et intra-tumorale, notamment dans les cellules malignes. En s’appuyant sur de grandes bases de données transcriptomiques, ce travail a démontré des associations significatives entre la présence de certaines populations malignes et la survie des patients, notamment parmi les tumeurs de bas grade celles qui donnent lieu à une rechute et auraient bénéficié d’un traitement adjuvant. Dans le second axe, davantage appliqué, j’ai établi et validé une stratégie innovante combinant la culture 3D du ccRCC et le scRNA-seq pour étudier l’impact d’agents inhibiteurs de kinases à l’échelle de la cellule unique. L’approche permet notamment d’identifier des populations cellules sensibles et de distinguer des réponses différentielles aux molécules dans le compartiment malin. Enfin, j’ai contribué au développement de UncoVer, une ressource en ligne répertoriant les données de scRNA-seq et transcriptomique spatiale dans le domaine des cancers urologiques. Dans l’ensemble, ces trois axes s’articulent dans le cadre d’une recherche résolument translationnelle et leurs résultats contribuent à mieux caractériser le ccRCC à l’échelle de la cellule unique, ainsi qu’à supporter l’utilisation prochaine de ces technologies innovantes au sein de dispositifs cliniques. Abstract : Intra-tumor heterogeneity (ITH) refers to the diversity of malignant cells and normal cells composing the microenvironment in a tumor. It acts as a pool of innovative cells which is known to play a role in tumor progression and resistance to targeted therapies in many cancers, including clear cell renal cell carcinoma (ccRCC). A major challenge in oncology is therefore to decipher and circumvent ITH for the benefit of patients. In this context, the single-cell RNA-sequencing (scRNA-seq) has been widely developed in the last decade and allows an unprecedented turn in the field since it gives access to the transcriptomic identification of each cellular subpopulation in tumors. In the first axis of this thesis, I used scRNA-seq to establish a cellular atlas of ccRCC revealing different degrees of inter- and intra-tumor heterogeneity, especially in malignant cells. Using large transcriptomic databases, this work contributed to demonstrate significant associations between the presence of specific malignant clones and patient survival. This enables to better discriminate among low-grade tumors those that relapse and would have benefited from adjuvant treatment. In the second axis, I have established and validated an innovative strategy combining 3D culture of ccRCC and scRNA-seq to study the impact of kinase inhibitors at the single-cell level. This approach allowed us to identify sensitive cell populations and to distinguish differential responses to the drugs tested in the malignant compartment. Finally, I contributed to the development of UncoVer, a web-based resource dedicated to single-cell and spatial profiling data accumulated within the field of urologic oncology. Overall, these results contribute to better characterize the ccRCC at the single-cell resolution, as well as to support the upcoming use of such technologies within clinical settings.