Le syndrome de Lynch est une affection héréditaire autosomique dominante due à des mutations constitutionnelles des gènes du système de réparation de l'ADN (MLH1, MSH2 et MSH6). Depuis 20 ans le réseau français des laboratoires impliqués dans le syndrome de Lynch a identifié un total de 6687 variants. Sept cent sept d'entre eux, essentiellement des variants faux sens, restent encore des variants de signification inconnue (VSI), sans utilité pour le conseil génétique. Le but de notre étude était de développer un algorithme permettant de classer les variants de signification inconnue. Les critères utilisés étaient les données des analyses in silico, phénotypiques (ségrégation, critères d'Amsterdam), l'état de la fonction MMR (MisMatch Repair) dans les cellules tumorales, les tests fonctionnels et d'épissage, ainsi que les données publiées. Cet algorithme a été appliqué à l'ensemble des VSI de la base de données française et nous a permis de caractériser 370 variants . Les données ont été intégrées dans la base de données française UMD des gènes MMR afin d'être disponibles pour la communauté scientifique. Grace aux données collectées par le réseau, nous avons également pu caractériser le phénotype du syndrome de Lynch. Nous avons ainsi confirmé que le cancer du sein ne fait pas partie du spectre du syndrome de Lynch et que les formes de ce syndrome associées à une mutation du gène EPCAM n'entrainent qu'un risque très faible de cancers de l'endomètre, permettant ainsi d'adapter les recommandations de suivi dans cette situation.de l'endomètre, permettant ainsi d'adapter les recommandations de suivi dans cette situation. / Lynch syndrome is a frequent cancer predisposition with an autosomal dominant mode of inheritance and caused by heterozygous germ line mutations in one of the major DNA mismatch repair (MMR) genes (MLH1, MSH2 and MSH6). For 20 years, the French laboratories network involved in Lynch syndrome identified a total of 6687 variations. Among them, 707, mainly missense variations, remained variants of uncertain significance (VUS), thus could not be used for reliable genetic counseling. The aim of our study was to develop an algorithm able to classify VUS, according to the international consensus (IARC). This algorithm was constructed based on criteria usually required for genetic characterization such as in silico analysis, phenotypical data (segregation, Amsterdam criteria's), MMR status in tumor cells, functional assays, splicing analyses and published data. Data were registered in the French database. As a result of this work, we were able to classify 370 variants of the 707 (52,3%). As part of this work, we also analyzed phenotypical data of patients with Lynch syndrome and showed that breast cancer can definitively be excluded from the spectrum of Lynch-related cancers, and that EPCAM mutations, which may lead to Lynch syndrome, are associated with a very low incidence of endometrial cancer and have probably to be considered as an allelic disease with specific clinical recommendations.

L’adénocarcinome canalaire du pancréas (ACP) est un problème majeur de santé publique. L’ACP se développe principalement à partir de deux lésions précurseurs : les néoplasies intra-épithéliales pancréatiques et les tumeurs intracanalaires papillaires et mucineuses du pancréas (TIPMP). Les mécanismes moléculaires sous-tendant l’oncogenèse pancréatique sont nombreux. Nous avons étudié le mécanisme de cancérogenèse MSI (MicroSatellite Instability) où il existe une déficience dans le système de réparation des erreurs de réplication de l’ADN ou système MMR (Mismatch Repair). Ce mécanisme de cancérogenèse original est caractérisé par une instabilité génétique de l’ADN affectant les séquences répétées microsatellites du génome. Le phénotype MSI a été décrit dans le syndrome de Lynch (SL), dans lequel il existe une mutation germinale d’un des gènes du système MMR (MLH1, MSH2, MSH6 et PMS2). L’intérêt de l’étude des cancers MSI s’est accru de façon considérable avec le développement des immunothérapies dirigées contre les checkpoints immunitaires (ICK), en particulier PD-1/PD-L1. Nous avons confirmé que la fréquence du phénotype MSI se situe entre 1-2%. Nous avons montré que l’immunohistochimie est la méthode de screening plus adaptée pour l’identification de l’ACP MSI en comparaison avec les techniques de biologie moléculaire. Le phénotype MSI a été plus fréquemment observé dans un contexte de TIPMP. Les cas MSI identifiés présentaient des caractéristiques biologiques évocatrices du SL. Egalement, nos résultats confirment la présence d’un processus de carcinogenèse MSI immunogénique, mais suggèrent des évènements somatiques spécifiques à l’organe d’origine du cancer. Par ailleurs, les ACP MSI étaient caractérisés par un infiltrat inflammatoire riche en lymphocytes cytotoxiques T CD8+ et surexprimaient l’ICK PD-L1 permettant de supposer une probable réponse clinique de l’ACP MSI à l’immunothérapie anti-PD1/PD-L1. / Pancreatic ductal adenocarcinoma (PDAC) is a major health problem in France and around the world. PDAC is developed mainly from two precursor lesions: pancreatic intraepithelial neoplasia and intraductal papillary mucinous neoplasm (IPMN). There are several molecular mechanisms underlying pancreatic oncogenesis. Particularly, we were interested in the MSI (MicroSatellite Instability) which is due to a defective DNA Mismatch Repair (MMR) system, which normally functions to recognize and repair erroneous insertions, deletions, and mis-incorporation of bases that can arise during DNA replication and recombination. The MSI phenotype was first described in the familial cancer condition known as Lynch syndrome (LS), where the MMR genes MLH1, MSH2, MSH6 or PMS2 harbor germline mutations. Interest in MSI tumors has recently increased after studies have highlighted the concomitant expression of multiple active immune checkpoint (ICK) markers including PD-1 and PD-L1 and the role of the MSI status to predict clinical benefit from immune checkpoint blockade. A Our results indicate that the MSI phenotype occurs in PDAC with a frequency of 1-2%. Our data showed that IHC using antibodies against the four MMR proteins was more sensitive for the assessment of MSI status than PCR-based methods. In addition, we demonstrate for the first time a statistically significant positive association between MSI and IPMNs in PDAC. MSI PDAC, including IPMN, are unlikely to be sporadic since they display molecular features that are usually observed in LS-related neoplasms. Also, our results highlight that an MSI-driven immunogenic pathway to cancer is active in MSI PDACs but suggest that MSI-driven somatic events may be tissue-specific. We observed a stronger lymphocytic tumor infiltration by activated TCD8 cells in MSI PDAC compared to MSS PDAC and found a positive association between PD-L1 expression and MSI status, suggesting that MSI PDAC could be responsive to ICK blockade therapy.

L'analyse bioinformatique des données de transcriptomique a pour but d'identifier les gènes qui présentent des variations d'expression entre différentes situations, par exemple entre des échantillons de tissu sain et de tissu malade et de caractériser ces gènes à partir de leurs annotations fonctionnelles. Dans ce travail de thèse, je propose quatre contributions pour la prise en compte des connaissances du domaine dans ces méthodes. Tout d'abord je définis une nouvelle mesure de similarité sémantique et fonctionnelle (IntelliGO) entre les gènes, qui exploite au mieux les annotations fonctionnelles issues de l'ontologie GO ('Gene Ontology'). Je montre ensuite, grâce à une méthodologie d'évaluation rigoureuse, que la mesure IntelliGO est performante pour la classification fonctionnelle des gènes. En troisième contribution je propose une approche différentielle avec affectation floue pour la construction de profils d'expression différentielle (PED). Je définis alors un algorithme d'analyse de recouvrement entre classes fonctionnelles et ensemble des références, ici les PEDs, pour mettre en évidence des gènes ayant à la fois les mêmes variations d'expression et des annotations fonctionnelles similaires. Cette méthode est appliquée à des données expérimentales produites à partir d'échantillons de tissus sains, de tumeur colo-rectale et de lignée cellulaire cancéreuse. Finalement, la mesure de similarité IntelliGO est généralisée à d'autres vocabulaires structurés en graphe acyclique dirigé et enraciné (rDAG) comme l'est l'ontologie GO, avec un exemple d'application concernant la réduction sémantique d'attributs avant la fouille. / Bioinformatic analyses of transcriptomic data aims to identify genes with variations in their expression level in different tissue samples, for example tissues from healthy versus seek patients, and to characterize these genes on the basis of their functional annotation. In this thesis, I present four contributions for taking into account domain knowledge in these methods. Firstly, I define a new semantic and functional similarity measure which optimally exploits functional annotations from Gene Ontology (GO). Then, I show, thanks to a rigorous evaluation method, that this measure is efficient for the functional classification of genes. In the third contribution, I propose a differential approach with fuzzy assignment for building differential expression profiles (DEPs). I define an algorithm for analyzing overlaps between functional clusters and reference sets such as DEPs here, in order to point out genes that have both similar functional annotation and similar variations in expression. This method is applied to experimental data produced from samples of healthy tissue, colorectal tumor and cancerous cultured cell line. Finally the similarity measure IntelliGO is generalized to another structured vocabulary organized as GO as a rooted directed acyclic graph, with an application concerning the semantic reduction of attributes before mining.