Déploiement et développement de la Plateforme de Pathologie de Précision du Paris Transplant Group
La Plateforme de Pathologie de Précision du Paris Transplant Group (PTG) est spécialisée dans l’extraction d’ARN/ADN de tous types d’échantillons (FFPE, tissus congelés, plasma, etc.…) et de son analyse (transcriptomique ou génomique) à l’aide de différents outils comme le NanoString® nCounter™ ou plus récemment le test AlloSeq™ de CareDx® détectant la présence d’ADN circulant dérivé du donneur (dd-cfDNA).
Plus généralement, l’activité principale de la plateforme est dédiée aux mesures directes multiplexées de l’expression des gènes avec des niveaux élevés de précision et de sensibilité. En lien étroit avec l’équipe de bioinformaticiens et statisticiens du PTG, la plateforme a l’objectif de développer des algorithmes de stratification du risque basés sur la surveillance immunitaire individuelle afin d’améliorer la survie à long terme des patients et d’optimiser les politiques d’attribution des greffons.
Plus précisément, la plateforme de Pathologie de Précision du PTG cherche à augmenter le niveau de phénotypage des cohortes en étudiant des biomarqueurs invasifs (biopsie) et non invasifs (dd-cfDNA plasmatique) pour mieux caractériser l’activité de rejet, le stade et la réponse au traitement.
Capable d’opérer ces analyses sur tous types de recherches concernant la transplantation d’organes solides (incluant cœur, poumon, foie, rein) et ouverte à tout type de collaboration en ce sens, la plateforme est référencée « Université de Paris » et certifiée « IDEX » depuis 2021. Elle est aujourd’hui impliquée dans plus d’une dizaine de projets de transplantation dont certains, dans le cadre d’essais cliniques, inscrits dans la routine clinique des hôpitaux.
1- L’analyse du transcriptome des biopsies
Sur la composante invasive, la plateforme a investigué des technologies permettant l’étude transcriptomique des biopsies, notemment une méthode déjà éprouvée avec le NGS (pour Next Generation Sequencing) qui permet d’étudier l’ensemble du transcriptome (soit plusieurs dizaines de milliers de transcrits).
En complément des travaux existants en « microarray », le NGS permet l’identification de potentiels transcrits inconnus dans les mécanismes pathologiques du rejet de greffe. Cette technique se heurte à plusieurs inconvénients : une analyse des données complexe qui nécessite des équipes de bio-informaticiens hautement qualifiés, un coût relativement élevé et la nécessité de faire cette analyse sur une biopsie supplémentaire et différente de celle utilisée pour la routine clinique.
Pour pallier à ces inconvénients, la plateforme utilise une autre méthode d’analyse transcriptomique, plus novatrice : le NanoString® nCounter™ qui permet de générer des résultats de haute qualité à partir d’échantillons dont l’ARN est compromis comme les biopsies FFPE utilisées en routine clinique. Au-delà de l’avantage d’être réalisé sur le même échantillon utilisé pour la microscopie optique, le nCounter™ offre la possibilité d’analyser de larges cohortes d’échantillons rétrospectifs et longitudinaux, souvent archivés dans les services d’anatomo-pathologie, dans le cadre d’études multicentriques décentralisées.
Cet équipement a la particularité de s’appuyer sur un panel de gènes spécialement développé pour la transplantation : le Banff Human Organ Transplant panel (B-HOT) qui est l’aboutissement des travaux du groupe de travail sur le diagnostic moléculaire de Banff (MDWG). Pour rappel, la classification de Banff est un schéma de nomenclature et de classification de la pathologie de la transplantation rénale établi en 1991 et mis à jour tous les 2 ans. Ce consortium d’experts cherchait depuis 2013 à ajouter un diagnostic moléculaire dans sa classification. C’est en ce sens que la plateforme a été et est encore aujourd’hui fortement impliquée dans le consortium international de Banff :
- Les membres de la plateforme participent activement à tous les congrès récents de Banff et ont un impact important sur le rapport annuel de la conférence avec le Pr Alexandre Loupy comme 1er auteur sur plusieurs publications majeurs du consortium.
- Les membres de la plateforme ont été un élément important dans le développement du panel B-HOT (notamment la publication dans l’AJT 2019 qui lui est consacré). Le panel B-HOT comprend les gènes validés et informatifs des principales études de « microarray » et NanoString® évaluées par des pairs sur les biopsies d’allogreffe rénale, cardiaque, pulmonaire et hépatique, identifiées par le MDWG grâce à une revue approfondie de la littérature.
L’équipement complet de la plateforme (nCounter™, Maxwell® et tous les matériaux), financé par le RHU KTD-innov du Pr Alexandre Loupy, a démarré son activité en janvier 2019 et a été installé dans le centre de recherche du PARCC fin 2020. La plateforme a déjà traité plus de 2500 échantillons et collaboré avec des équipes internes et externes sur divers projets.
2- L’analyse du dd-cfDNA dans le plasma des patients transplantés
La plateforme est également constamment à la recherche de nouvelles approches capables d’apporter une amélioration significative du suivi des patients transplantés par l’utilisation d’approches moléculaires.
Poursuivant cet objectif, elle est maintenant équipée d’une toute nouvelle plateforme AlloSeq™ pour détecter le dd-cfDNA. Le test AlloSeq™ est un test sanguin, donc non invasif, qui mesure la quantité de dd-cfDNA pour la surveillance des greffes grâce à un séquençage NGS. Brièvement, il permet la quantification de l’ADN circulant dérivé du donneur dans un échantillon de plasma du patient transplanté. En effet, l’ADN circulant (cfDNA) est un ADN fragmenté que l’on retrouve dans la circulation sanguine et qui provient de cellules apoptotiques ou nécrosés. Dans le cas d’un rejet, les cellules du greffon vont typiquement entrer en apoptose ou nécroser libérant du cfDNA dans la circulation sanguine. La détection de ce cfDNA dérivé du greffon témoigne donc du phénomène de rejet de greffe plus précocement qu’une biopsie pour cause.
3- La pathologie digitale
La plateforme utilise des méthodes d’intelligence artificielle (Machine Learning) pour identifier automatiquement les structures microscopiques sur des lames d’histopathologie afin d’aider les pathologistes dans leur diagnostic.
