Spelling suggestions: "subject:"deméthodes multimarqueurs"" "subject:"deméthodes multimarqueur""
1 |
Stratégies d'analyses multi-marqueurs pour identifier des gènes et des interactions gène-gène impliqués dans le mélanome cutané / Multi-Marker Analytical Strategies to Identify Genes and Gene-Gene Interactions Associated with Cutaneous MelanomaBrossard, Myriam 14 December 2015 (has links)
Le mélanome cutané est un cancer des cellules de la peau (mélanocytes) qui se situe, en France, au 11e rang des cancers les plus fréquents. Sa mortalité reste élevée lorsqu’il est diagnostiqué à un stade tardif. Ce cancer résulte de nombreux facteurs génétiques, environnementaux et des interactions entre ces facteurs. La susceptibilité génétique à ce cancer recouvre un large spectre de variabilité génétique, depuis des mutations rares conférant un risque élevé jusqu’à des variants fréquents conférant un risque modeste. C’est dans le cadre de l’identification de variants fréquents liés à l’apparition du mélanome et à son pronostic que se situe mon travail de thèse. À ce jour, les études d’associations pangénomiques du mélanome ont identifié des variants fréquents à effets relativement modestes qui expliquent seulement une part de la composante génétique. Les variants fonctionnels au sein des régions identifiées sont le plus souvent inconnus. Les études pangénomiques ont eu principalement recours à des analyses simple-marqueur qui peuvent manquer de puissance pour détecter des variants ayant un effet individuel faible ou interagissant avec d’autres variants. L’objectif principal de ce travail de thèse a été de proposer des stratégies d’analyse multi-marqueurs pour identifier de nouveaux gènes impliqués dans le mélanome et pour caractériser des variants potentiellement fonctionnels au sein des régions du génome associées au mélanome.Pour identifier de nouveaux gènes associés au risque de mélanome et à un facteur pronostique de ce cancer (l’indice de Breslow), nous avons proposé une stratégie d’analyse multi-marqueurs qui intègre une analyse de pathways biologiques basée sur la méthode GSEA (Gene Set Enrichment Analysis) et une analyse d’interactions entre gènes au sein des pathways associés au mélanome. Ces analyses ont été menées dans deux études : l’étude française MELARISK et l’étude américaine du MD Anderson Cancer Center (MDACC), totalisant 2 980 cas et 3 823 témoins. Nous avons identifié une interaction entre les gènes, TERF1 et AFAP1L2, pour le risque de mélanome et une interaction entre les gènes, CDC42 et SCIN, pour l’indice de Breslow. Ces gènes sont particulièrement pertinents sur le plan biologique du fait de leur rôle dans la biologie des télomères pour la première paire de gènes et dans la dynamique des filaments d’actine pour la seconde paire. Afin d’identifier les variants potentiellement fonctionnels au sein des régions du génome mises en évidence par études pangénomiques, nous avons proposé une stratégie de cartographie fine qui repose principalement sur une méthode de régression pénalisée (méthode HyperLasso) appliquée à tous les variants de la région étudiée. Par l’analyse de la région 16q24 qui contient le gène MC1R dont les variants fonctionnels sont connus, nous avons montré que cette stratégie était capable d’identifier ces variants parmi de nombreux variants associés au mélanome dans cette région. Nous avons contribué à identifier cinq nouvelles régions du génome associées au mélanome par méta-analyse d’études pangénomiques réalisées au niveau mondial (43 000 sujets) puis mené une étude de cartographie fine de toutes les régions associées au mélanome, en se basant sur la stratégie proposée et validée dans la région 16q24. Les stratégies d’analyses multi-marqueurs proposées dans le cadre de ce travail de thèse ont permis d’identifier de nouveaux gènes associés au risque de mélanome et à un facteur pronostique de ce cancer et de caractériser les variants génétiques potentiellement fonctionnels au sein des régions du génome identifiées par études pangénomiques. / Cutaneous melanoma is a skin cancer developed from melanocytes. It is the 11th most common cancers in France. Mortality due to melanoma remains high when diagnosed at a late stage. This cancer results from many genetic, environmental factors and interactions between these factors. The genetic susceptibility to melanoma covers a broad spectrum of genetic variation, from rare mutations conferring high risk to common variants conferring low risk. My thesis was conducted in the framework of low-risk variants associated with melanoma occurrence and prognosis. To date, genome-wide association studies (GWAS) of melanoma have identified common variants with relatively modest effects which only explain a part of the genetic component of this cancer. Functional variants at the identified loci are mostly unknown. GWASs have been mainly conducted using single-marker analysis which may be underpowered to detect variants with small effect or interacting with each other. The main objective of this thesis was to propose multi-marker analysis strategies to identify novel genes involved in melanoma and to characterize potentially functional variants in chromosomal regions found associated with melanoma. To identify new genes associated with melanoma risk and a prognostic factor for this cancer (Breslow thickness), we proposed a multi-marker analysis strategy which integrates pathway analysis based on the GSEA (Gene Set Enrichment Analysis) method and gene-gene interaction analysis within melanoma-associated pathways. These analyses were conducted in two studies: the French MELARISK study and the North-American MD Anderson Cancer Center (MDACC) study, with a total of 2,980 cases and 3,823 controls. We identified gene-gene interactions between TERF1 and AFAP1L2 genes for melanoma risk and between CDC42 and SCIN genes for Breslow thickness. These genes are biologically relevant because of their role in telomere biology for the former gene pair and in actin dynamics for the latter pair. To identify potentially functional variants at loci identified by GWAS, we proposed a fine mapping strategy which is mainly based on a penalized regression approach (HyperLasso method) that can be applied to all variants of the region under study. By studying the 16q24 region which harbors the MC1R gene whose functional variants are known, we showed this strategy was able to identify those variants among many variants associated with melanoma in this region. We contributed to the identification of five novel regions associated with melanoma through a worldwide meta-analysis of melanoma GWASs (43,000 subjects) and conducted fine mapping of all melanoma-associated loci using the strategy we proposed and validated in the 16q24 region. The multi-marker strategies proposed in this work have allowed identifying new biologically relevant genes associated with risk of melanoma and a major melanoma prognostic factor and characterizing potentially functional genetic variants within regions identified by GWAS.
|
Page generated in 0.0777 seconds