À ce jour, les études épidémiologiques ont démontré que seulement 25% des agrégations familiales de cancer du sein observées ont lieu dans des familles ayant une mutation dans l'un des gènes de prédisposition comprenant BRCA 1, BRCA2, TP53, PTEN, ATM, STK11, CHEK2, BR/P1 et PALB2. Le nombre et les propriétés des facteurs génétiques composant le 75% restant de l'excès du risque génétique sont encore inconnus, quoique selon le modèle polygénique ce risque génétique serait causé par plusieurs allèles de susceptibilité pouvant, par exemple, influencer le métabolisme des hormones sexuelles. En effet, il est maintenant bien établi que les estrogènes jouent un rôle prédominant dans la régulation de la croissance cellulaire, ainsi que la différentiation de la glande mammaire normale et des carcinomes mammaires hormono-sensibles. Parmi les enzymes responsables de la formation et l'inactivation des stéroïdes sexuels actifs, les membres de la famille des 17~-hydroxystéroïde déshydrogénases (17~-HSDs) sont d'excellents candidats. Afin d'évaluer le rôle potentiel de ces gènes candidats, nous avons donc procédé au re-séquençage des régions promotrices, des jonctions intron-exon et des exons des gènes HSD17B1, HSD17B2, HSD17B7 et HSD17B12 chez une cohorte de 50 Canadiennes Françaises atteintes d'un cancer du sein, nonporteuses d'une mutation BRCA 1/2 et provenant de familles ayant une forte histoire de cancer du sein et/ou de l'ovaire. Pour ces gènes, nos analyses ne démontrent pas l'existence de mutations germinales qui auraient permis d'expliquer le regroupement de cas de cancer du sein chez ces familles. Toutefois, nous avons identifié 88 variants de séquence dont environ la moitié n'avaient jamais été répertoriés. De plus, nous avons aussi procédé à l'étude de l'impact fonctionnel des cinq variants résultant en un changement d'acide aminé chez les enzymes 17~-HSD de types 1 et 2 et nous avons démontré par expression in vitro que ces variations faux-sens ne modifient pas les propriétés catalytiques de ces enzymes. Finalement, des marqueurs ont été sélectionnés pour mener de futures études d'association à l'aide de larges cohortes, a'fin de mieux définir la possible association entre le risque génétique de cancer du sein et les variants de séquence des gènes HSD1781, HSD1782, HSD1787 et HSD17812.

Le cancer du sein est considéré comme le cancer le plus dangereux jamais diagnostiqué chez les femmes dans le monde. Plusieurs équipes de recherche essaient de délivrer le mystère de ce cancer en étudiant plusieurs facteurs qui y sont impliqués. Dans notre laboratoire on a essayé d'étudier les interactions entre les gènes antioxydants : SOD l , SOD2, GPx 1 et CA T et de comprendre la relation qui peut exister entre ces gènes et le cancer du sein. Ces enzymes, malgré qu'elles accomplissent des fonctions similaires, elles se localisent dans des compartiments cellulaires différents. Pour cette étude on a utilisé des outils bio-informatiques jugés de très intéressants et très efficaces pour répondre à trois questions principales: a) Les quels des différents variants de SOD2 et de GPxI qui sont surexprimés dans les cellules mammaires cancéreuses (ER+)? b)Y'a-t-il des régions similaires entre les différentes régions codantes et non codantes entre ces gènes, si oui, est-ce que ces ressemblances ont des effets sur leurs niveaux d'expressions et est ce que ces ressemblances peuvent expliquer les mécanismes de régulation de nos quatre gènes et déterminer par quel moyen ils communiquent entre eux? c) Est-ce que la régulation de l'expression de nos quatre gènes peut être due à certains facteurs de transcription communs entre eux, si oui les quels? Notre étude a réussi à répondre à ces trois questions pour donner des bonnes perspectives au niveau des études scientifiques sur ce type de cancer, mais des études plus approfondis en laboratoire seront très intéressants pour mieux comprendre la relation entre les gènes antioxydants et le cancer du sein.

Cette thèse vise globalement à mieux comprendre certains enjeux liés à la communication intrafamiliale de l'information génétique chez les personnes testées pour une susceptibilité aux cancers, liée à des altérations des gènes BRCA1 et BRCA2. La population d'étude était constituée de 656 personnes de 18 ans et plus provenant de 140 familles testées pour une susceptibilité génétique aux cancers du sein et de l'ovaire entre 1998 et 2004 dans le cadre du programme de recherche INHERIT BRCAs (INterdisciplinary HEalth Research Team on BReast CAncer susceptibility). Une première étape méthodologique a permis de choisir une approche statistique appropriée aux analyses avec un échantillonnage en grappe -constitué d'individus recrutés au sein de mêmes familles. Les impacts du recours au test BRCAI/2 sur les relations familiales et la contribution de certains événements de vie sur la communication ont ensuite été évalués. Globalement, 85 % des participants ont rapporté aucun impact du test génétique sur leurs relations familiales alors que des impacts positifs et négatifs ont respectivement été rapportés par 13 % et 4 % d'entre eux. Les participants dont un (ou plusieurs) membre de leur famille a été diagnostiqué d'un cancer, est décédé, a subi une chirurgie prophylactique ou qui ont pris soin d'un proche atteint de cancer ont rapporté que ces événements ont favorisé la communication intrafamiliale sur le risque de cancer dans des proportions variant de 50 à 69 %. Ces résultats ne supportent pas la croyance selon laquelle les relations familiales sont fréquemment perturbées par le fait d'être testé pour une altération des gènes BRCAI/2. Cette information peut aider les professionnels à soutenir leurs patients dans leur décision d'être testés ou non pour les gènes BRCAI/2 ainsi que dans le processus de communication intrafamiliale. Par ailleurs, il serait important d'évaluer si certains événements de vie peuvent constituer une opportunité pour les professionnels de la santé d'offrir un suivi et des outils afin de soutenir de façon optimale la communication intrafamiliale de l'information génétique. En conclusion, ces résultats pourront aider le nombre grandissant de professionnels qui utilisent de l'information génétique et qui ont à optimiser la communication intrafamiliale afin de rejoindre les personnes à risque.

Depuis l'identification des gènes BRCA1/2, les femmes ayant une histoire familiale de cancer du sein peuvent être testées pour savoir si elles ont un risque accru de développer ce cancer. Cette étude vise à comparer certains comportements de santé et la détresse psychologique de femmes qui s'engagent dans le processus d'un test BRCA1/2 (n=640) à ceux de femmes de la population générale (n=9498). Les résultats indiquent que les femmes consultant en oncogénétique sont plus nombreuses à recourir au dépistage, à avoir de saines habitudes de vie et à éprouver de la détresse que les femmes de la population générale. Ces résultats suggèrent que les femmes qui consultent en oncogénétique sont, dans un premier temps, bien informées des recommandations médicales à leur intention et ont, dans un deuxième temps, accès à un dépistage adapté à leur risque. Néanmoins, un soutien psychosocial minimal offert à toutes les femmes s'engageant dans un test BRCA1/2 pourrait être pertinent.

Le cancer du sein est le cancer le plus fréquent chez les femmes au Canada et dans le monde. Autant les programmes de dépistage que les services cliniques réguliers et d'oncogénétique actuellement en place excluent des femmes qui pourraient bénéficier d'interventions préventives en matière de cancer du sein. Or, que la solution soit d'améliorer l'accès et les services offerts ou de proposer des alternatives, comme une approche de stratification du risque, le risque de cancer du sein devra être évalué et communiqué aux femmes pour recommander des moyens de gestion du risque appropriés à leur niveau de risque. Pour étudier ce problème, cette recherche propose d'abord un cadre conceptuel sur le conseil génétique pour le cancer du sein et de ses déterminants. Appuyée par le cadre théorique de la chaîne de valeur des connaissances, la méthode de la scoping review permet de faire un état des connaissances sur les pratiques des professionnel·les de la santé et de conceptualiser le conseil génétique en cancer du sein sous forme de processus comprenant quatre activités (l'évaluation, l'investigation, la communication et la décision), influencé par trois catégories de facteurs liées aux professionnel·les de la santé, aux patientes et à l'environnement. Deuxièmement, cette recherche explore les perceptions de professionnel·les de la santé vis-à-vis la mise en place d'une approche de stratification du risque pour le cancer du sein. Des entrevues semi-structurées, articulées autour des grandes activités du cadre conceptuel développé, ont été réalisées avec des professionnel·les de la santé du Québec. Les 11 thèmes identifiés et intégrés dans un modèle logique distinguent : les participantes potentiellement éligibles (qui?), les activités cliniques (comment?) et les outils associés (quoi?), les facteurs d'acceptabilité (lesquels?) et les effets attendus (pourquoi?). Plusieurs éléments doivent être clarifiés selon les professionnel·les interrogé·es, mais la plupart accueilleraient favorablement la mise en œuvre de cette approche. Finalement, cette recherche distingue les conditions nécessaires et suffisantes à l'adoption des modèles de prédiction du risque pour le cancer du sein : un outil essentiel d'une approche de stratification du risque. Des tests statistiques combinés à une analyse comparative qualitative ont été menés sur les données autorapportées par des professionnel·les de la santé du Canada. Plusieurs conditions et combinaisons de conditions influencent l'adoption de ces modèles, mais les connaissances en génétique, la proximité des services de génétique et le peu d'expérience clinique sont celles qui auraient plus d'impact. En somme, cette recherche propose une analyse des pratiques en conseil génétique pour le cancer du sein à l'aide de la littérature scientifique internationale et explore le degré d'acceptabilité d'une innovation organisationnelle - la stratification du risque - et d'une innovation technologique qui y est intiment reliée - les modèles de prédiction du risque - du point de vue des professionnel·les de la santé du Canada. Ensemble, ces travaux de recherche portent à croire que ce ne sont pas seulement les soins et services de santé offerts aux femmes à risque de cancer du sein qui doivent être personnalisés, mais également les moyens et les stratégies de gestion des connaissances dirigées vers les professionnel·les de la santé et les organisations dans lesquelles ils concourent à créer de la valeur : ici, la santé des femmes. / Breast cancer is the most common cancer among women in Canada and worldwide. Both the current screening programs and the regular clinical and oncogenetic services exclude women who would benefit from preventive breast cancer interventions. Whether the solution is to improve access and services or to offer alternatives, such as a risk stratification approach, women's breast cancer risk will need to be assessed and communicated to women to recommend appropriate risk management interventions according to their risk level. To address this issue, this research first proposes a conceptual framework of breast cancer genetic counselling and its determinants. Supported by the theoretical framework of the knowledge value chain, the scoping review method allows to make a state of the knowledge of healthcare professionals' practices and to conceptualize breast cancer genetic counselling as a process comprising four activities (assessment, investigation, communication and decision), influenced by three categories of factors related to healthcare professionals, patients and the environment. Second, this research explores the perceptions of healthcare professionals regarding the implementation of a breast cancer risk stratification approach. Semi-structured interviews, designed around the major activities of the conceptual framework developed, were conducted with healthcare professionals in Québec. The 11 themes identified and integrated into a logic model distinguish: the potential eligible participants (who?), the clinical activities (how?) and their associated tools (what?), some of the factors of acceptability (which?) and expected effects (why?). Several elements need to be clarified according to the healthcare professionals interviewed, but most would welcome the implementation of this approach. Finally, this research identifies the necessary and sufficient conditions for the adoption of breast cancer risk prediction models, an essential tool for a breast cancer risk stratification approach. Statistical tests combined with a qualitative comparative analysis were conducted on self-reported data from Canadian healthcare professionals. Several conditions and combinations of conditions might influence the adoption of these models, but knowledge of genetics, proximity to genetics services and limited clinical experience were found to have the greatest impact. In sum, this project provides an analysis of breast cancer genetic counselling practices using the international scientific literature and explores the acceptability of an organizational innovation - risk stratification - and a closely related technological innovation - risk prediction models - from the perspective of Canadian healthcare professionals. Taken together, these suggest that it is not only the services provided to women at risk of breast cancer that need to be personalized, but also the means and strategies of knowledge management directed at healthcare professionals and the organizations in which they contribute to create value: in this case, women's health.

It is increasingly recognized by the scientific community that the field of epigenetics is a key step for a better understanding of human biology in both normal and pathological states. Its implication in cancer, and in particular in breast cancer, is now well accepted. Breast cancer, responsible for more than 450,000 deaths worldwide yearly, is a heterogenous disease at the histological and clinical levels as well as at the molecular level. Despite considerable efforts to develop new treatments and improve patient management, patients with a same “profile” of breast cancer can respond differently to therapies and have completely different clinical outcomes. There is therefore a critical need to improve our understanding of breast cancer biology and diversity, in order to find new markers that should provide a better management of patients and the development of new therapies. An increasing number of biologists, pathologists as well as clinicians are currently working towards these goals. During my PhD, we have conducted two studies in order to gain new insights into the contribution of epigenetics in breast cancer biology.<p>In the first study, by performing large genome-scale DNA methylation profiling of numerous breast tumors as well as of normal breast tissues, we first revealed the existence of six groups of breast tumors based on their DNA methylation profiles. Three of these groups showed a strong association with the basal-like, HER2 and luminal A breast cancer subtypes, previously identified by gene expression profiling. Interestingly, the three other groups were found to be a mixture of several gene expression-based subtypes, thus revealing the capacity of DNA methylation profiling to improve breast tumor taxonomy. Second, our study suggests that the establishment of DNA methylation patterns of breast tumors might help to determine their cell type of origin. Finally, we also showed that DNA methylation profiling can reflect the cell type composition of the tumor microenvironment and that a signature of T cell tumoral infiltration is associated with a good prognosis in particular categories of breast cancer patients. <p>In the second study, we revealed the clinical relevance of the KDM5 histone demethylases in breast cancer. The expression of these histone demethylases was deregulated in the analyzed breast tumors as well as in the pre-invasive samples as compared to normal breast samples. This suggests that KDM5 enzymes might be good markers for early diagnosis of breast cancer. Moreover, we showed a prognostic value of the KDM5C histone demethylase.<p>In conclusion, the above data should provide a better understanding of breast cancer biology and diversity, and this should bring new insights to improve breast cancer patient management.<p> / Doctorat en Sciences biomédicales et pharmaceutiques / info:eu-repo/semantics/nonPublished

De nombreux travaux ont démontré la modulation, par les tumeurs, de certaines fonctions des cellules du système immunitaire. Dans le cadre de notre travail, nous avons étudié les lymphocytes T CD4+, cellules clefs de la réponse immune spécifique, chez des patientes atteintes d’un cancer du sein.<p>Sur base de l’établissement des profils d’expression génique des lymphocytes T infiltrant les tumeurs, nous avons dérivé la « tumor-infiltrating CD4+ signature » (TICD4S) composée de 61 gènes immuns et qui reflète l’état d’activation immunitaire. Cette signature présente une valeur prédictive chez les patientes porteuses de tumeurs ERBB2-positives et ER-négative/PR-négative/ERBB2-négative: une plus forte expression de ces gènes est associée à une meilleure survie.<p>Nous avons également étudié conjointement les profils géniques établis au départ des lymphocytes T CD4+ de la tumeur, du ganglion axillaire et du sang de dix patientes. Nous avons constaté que ces profils d’expression génique des TIL CD4+ diffèrent selon le statut ER de la tumeur qu’ils infiltrent. Les lymphocytes T ganglionnaires CD4+ subissent également les effets de la masse tumorale et, tout comme les TIL, sont moins activés chez les patientes porteuses de tumeurs ER-négatives. Par contre, les lymphocytes T sanguins semblent subir dans une moindre mesure les effets de la tumeur et peu de différences ont été notées par rapport à leurs homologues isolés chez des donneuses saines.\ / Doctorat en Sciences / info:eu-repo/semantics/nonPublished

This thesis addresses the use of machine learning techniques to develop clinical diagnostic tools for breast cancer using molecular data. These tools are designed to assist physicians in their evaluation of the clinical outcome of breast cancer (referred to as prognosis).<p>The traditional approach to evaluating breast cancer prognosis is based on the assessment of clinico-pathologic factors known to be associated with breast cancer survival. These factors are used to make recommendations about whether further treatment is required after the removal of a tumor by surgery. Treatment such as chemotherapy depends on the estimation of patients' risk of relapse. Although current approaches do provide good prognostic assessment of breast cancer survival, clinicians are aware that there is still room for improvement in the accuracy of their prognostic estimations.<p>In the late nineties, new high throughput technologies such as the gene expression profiling through microarray technology emerged. Microarrays allowed scientists to analyze for the first time the expression of the whole human genome ("transcriptome"). It was hoped that the analysis of genome-wide molecular data would bring new insights into the critical, underlying biological mechanisms involved in breast cancer progression, as well as significantly improve prognostic prediction. However, the analysis of microarray data is a difficult task due to their intrinsic characteristics: (i) thousands of gene expressions are measured for only few samples; (ii) the measurements are usually "noisy"; and (iii) they are highly correlated due to gene co-expressions. Since traditional statistical methods were not adapted to these settings, machine learning methods were picked up as good candidates to overcome these difficulties. However, applying machine learning methods for microarray analysis involves numerous steps, and the results are prone to overfitting. Several authors have highlighted the major pitfalls of this process in the early publications, shedding new light on the promising but overoptimistic results. <p>Since 2002, large comparative studies have been conducted in order to identify the key characteristics of successful methods for class discovery and classification. Yet methods able to identify robust molecular signatures that can predict breast cancer prognosis have been lacking. To fill this important gap, this thesis presents an original methodology dealing specifically with the analysis of microarray and survival data in order to build prognostic models and provide an honest estimation of their performance. The approach used for signature extraction consists of a set of original methods for feature transformation, feature selection and prediction model building. A novel statistical framework is presented for performance assessment and comparison of risk prediction models.<p>In terms of applications, we show that these methods, used in combination with a priori biological knowledge of breast cancer and numerous public microarray datasets, have resulted in some important discoveries. In particular, the research presented here develops (i) a robust model for the identification of breast molecular subtypes and (ii) a new prognostic model that takes into account the molecular heterogeneity of breast cancers observed previously, in order to improve traditional clinical guidelines and state-of-the-art gene signatures./Cette thèse concerne le développement de techniques d'apprentissage (machine learning) afin de mettre au point de nouveaux outils cliniques basés sur des données moleculaires. Nous avons focalisé notre recherche sur le cancer du sein, un des cancers les plus fréquemment diagnostiqués. Ces outils sont développés dans le but d'aider les médecins dans leur évaluation du devenir clinique des patients cancéreux (cf. le pronostique).<p>Les approches traditionnelles d'évaluation du pronostique d'un patient cancéreux se base sur des critères clinico-pathologiques connus pour être prédictifs de la survie. Cette évaluation permet aux médecins de décider si un traitement est nécessaire après l'extraction de la tumeur. Bien que les outils d'évaluation traditionnels sont d'une aide importante, les cliniciens sont conscients de la nécessité d'améliorer de tels outils.<p>Dans les années 90, de nouvelles technologies à haut-débit, telles que le profilage de l'expression génique par biopuces à ADN (microarrays), ont été mises au point afin de permettre aux scientifiques d'analyser l'expression de l'entièreté du génôme de cellules cancéreuses. Ce nouveau type de données moléculaires porte l'espoir d'améliorer les outils pronostiques traditionnels et d'approfondir nos connaissances concernant la génèse du cancer du sein. Cependant ces données sont extrêmement difficiles à analyser à cause (i) de leur haute dimensionalité (plusieurs dizaines de milliers de gènes pour seulement quelques centaines d'expériences); (ii) du bruit important dans les mesures; (iii) de la collinéarité entre les mesures dûe à la co-expression des gènes.<p>Depuis 2002, des études comparatives à grande échelle ont permis d'identifier les méthodes performantes pour l'analyse de groupements et la classification de données microarray, négligeant l'analyse de survie pertinente pour le pronostique dans le cancer du sein. Pour pallier ce manque, cette thèse présente une méthodologie originale adaptée à l'analyse de données microarray et de survie afin de construire des modèles pronostiques performants et robustes. <p>En termes d'applications, nous montrons que cette méthodologie, utilisée en combinaison avec des connaissances biologiques a priori et de nombreux ensembles de données publiques, a permis d'importantes découvertes. En particulier, il résulte de la recherche presentée dans cette thèse, le développement d'un modèle robuste d'identification des sous-types moléculaires du cancer du sein et de plusieurs signatures géniques améliorant significativement l'état de l'art au niveau pronostique. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished