Issue |
Med Sci (Paris)
Volume 36, Number 1, Janvier 2020
Organoïdes
|
|
---|---|---|
Page(s) | 57 - 62 | |
Section | M/S Revues | |
DOI | https://doi.org/10.1051/medsci/2019259 | |
Published online | 04 February 2020 |
Organoïdes dérivés des adénocarcinomes pancréatiques
Organoids from pancreatic ductal adenocarcinoma
Centre de Recherche en Cancérologie de Marseille (CRCM), Inserm U1068, CNRS UMR 7258, Institut Paoli-Calmettes, Aix Marseille Université, Marseille, France
L’adénocarcinome canalaire pancréatique (PDAC) est une maladie à évolution rapide le plus souvent mortelle. Malgré les énormes progrès dans la compréhension des mécanismes reliés à la pathogenèse du PDAC, l’impact de ces avancées sur la prise en charge des patients se fait encore attendre. L’une des applications les plus prometteuses des organoïdes est qu’ils peuvent servir de plate-forme pour la sélection de drogues mieux adaptées à chaque patient. Les organoïdes pancréatiques peuvent être générés à partir de petites quantités de tissu. Cette approche a ainsi le potentiel d’identifier les vulnérabilités thérapeutiques individuelles en permettant de personnaliser les traitements. Ces analyses nécessitent néanmoins plusieurs semaines avant d’obtenir suffisamment d’organoïdes d’un même individu, de pouvoir réaliser les tests de plusieurs drogues et d’analyser les résultats, ce qui limite l’utilisation de cette méthodologie en pratique clinique courante pour les patients, dont il faut se rappeler que la moitié décède dans les 6 mois qui suivent le diagnostic. Pour surmonter cet obstacle, nous avons évalué la capacité d’identification de patients présentant un profil particulier de sensibilité à un traitement donné, de signatures moléculaires transcriptomiques. Les approches fondées sur ce type de profilage transcriptomique ont l’énorme avantage d’utiliser très peu de matériel biologique. Elles permettent également de réduire sensiblement le temps pour la sélection des drogues qui se révèlent plus efficaces pour un patient défini.
Abstract
Pancreatic ductal adenocarcinoma (PDAC) is a rapidly evolving and most frequently fatal disease. Despite the enormous progress in understanding the mechanisms related to PDAC pathogenesis, the impact on patient management has not yet been possible. Pancreatic organoids can be generated from small amounts of tissue. One of the most promising applications of organoids is that they can serve as a platform for selecting the right drugs for each patient. This approach has the potential to identify individual therapeutic vulnerabilities by allowing the personalization of treatments. However, these analyzes require several weeks before obtaining enough organoids from the same individual, to carry out the tests with several drugs, and to analyze the results, which limits its use in current clinical practice for the patients with a PDAC, whose it must be remembered that half die within 6 months of diagnosis. To overcome this obstacle, we assessed the ability of transcriptomic molecular signatures to identify patients with a particular sensitivity profile to a given treatment. The approaches based on transcriptomic profiling have the enormous advantage of using very little biological material and thus significantly reducing the time to arrive at the selection of more effective drugs to each patient.
© 2020 médecine/sciences – Inserm
Article publié sous les conditions définies par la licence Creative Commons Attribution License CC-BY (https://creativecommons.org/licenses/by/4.0), qui autorise sans restrictions l'utilisation, la diffusion, et la reproduction sur quelque support que ce soit, sous réserve de citation correcte de la publication originale.
Current usage metrics show cumulative count of Article Views (full-text article views including HTML views, PDF and ePub downloads, according to the available data) and Abstracts Views on Vision4Press platform.
Data correspond to usage on the plateform after 2015. The current usage metrics is available 48-96 hours after online publication and is updated daily on week days.
Initial download of the metrics may take a while.