| Imprimer |
| Étude de l'évolution tumorale dans les carcinomes rénaux à cellules claires par une stratégie combinant des approches de génomique intégrative et des données à l'échelle de la cellule unique (Tumor evolution in clear cell renal cell carcinomas through a strategy combining integrative genomics approaches and single-cell data) Lécuyer, Gwendoline - (2024-12-02) / Université de Rennes - Étude de l'évolution tumorale dans les carcinomes rénaux à cellules claires par une stratégie combinant des approches de génomique intégrative et des données à l'échelle de la cellule unique
| |||
Langue : Français, Anglais Directeur(s) de thèse: Chalmel, Frédéric; Rioux-Leclercq, Nathalie Discipline : Génétique, génomique, bioinformatique Laboratoire : IRSET Ecole Doctorale : SVS Classification : Médecine et santé Mots-clés : carcinome rénal à cellules claires, single-cell RNA-seq, thérapies ciblées, déconvolution
| |||
Résumé : Le carcinome rénal à cellules claires (ccRCC) est le cancer du rein le plus commun, comportant une proportion importante de patients considérés comme à faible risque de rechute qui finiront par rechuter. L'hétérogénéité cellulaire intra-tumorale (HIT) est un déterminant crucial de la prise en charge thérapeutique, et l'une des principales raisons de la faible survie des patients métastatiques. L’'HIT a été décrite dans de nombreux types de tumeurs avec des approches de transcriptomique à l’échelle de la cellule unique, permettant d’identifier l’ensemble des clones tumoraux composant la tumeur. Pour centraliser et comparer ces données en uro-oncologie, UncoVer a été développé, permettant la visualisation et l’analyse intégrative des données de scRNA-seq. A partir d’une étude du laboratoire visant à décrire l’HIT dans le ccRCC, un modèle de déconvolution prédictif de la survie des patients a été développé afin d’améliorer la stratification des patients classés à «faible risque» de rechute. Mon travail inclut également l’étude de l’effet de thérapies ciblées sur le ccRCC par scRNA-seq, afin d’identifier des populations de cellules sensibles ou résistantes, dans le but de mieux prédire la réponse thérapeutique des patients. Enfin, l’intégration de plusieurs études de scRNA-seq permettra de mieux comprendre l’évolution tumorale et d’identifier d’autres populations prédictives de la survie Abstract : Clear cell renal cell carcinoma (ccRCC) is the most common form of kidney cancer, with a significant proportion of patients considered at low risk of recurrence who eventually relapse. Intra-tumoral cellular heterogeneity (ITH) is a crucial determinant of therapeutic management and one of the main reasons for the poor survival of metastatic patients. ITH has been described in various tumor types using single-cell transcriptomics approaches, enabling the identification of the different tumor clones within the tumor. To centralize and compare these data in uro-oncology, UncoVer was developed, facilitating the visualization and integrative analysis of scRNA-seq data. From a study conducted in the lab to describe ITH in ccRCC, a predictive deconvolution model of patient survival was developed to improve the stratification of patients classified as "low risk" of recurrence. My work also includes studying the effects of targeted therapies on ccRCC using scRNA-seq to identify populations of cells that are sensitive or resistant to these therapies, with the aim of better predicting patient therapeutic responses. Finally, the integration of multiple scRNA-seq studies will provide a better understanding of tumor evolution and help identify other populations predictive of survival | |||