Bienvenue sur le nouveau site de Gustave Roussy
Un nouveau site pensé pour vous offrir une expérience plus simple, plus claire et plus intuitive. Patients, aidants, professionnels, donateurs : retrouvez plus facilement les informations, les actualités et les services.
Biologie computationnelle du cancer
- Thématique(s)
- Data & IA, Médecine de précision, Écosystème tumoral, Imagerie, Intégration, Multi-omics
- Unité de rattachement
- U1361 - Cancer Data Science
- Responsable(s)
- Lise Mangiante
- Rattachement institutionnel
-
Gustave Roussy, CentraleSupélec, Inserm, Université Paris-Saclay
Résumé
L'équipe de recherche « Biologie Computationnelle du Cancer », au sein de l'unité « Cancer Data Science » affiliée à l’IHU-Prism, vise à identifier les déterminants tumoraux intrinsèques et extrinsèques de l'initiation et de la progression maligne, par l'analyse de données à grande dimension associées à des annotations cliniques détaillées. Notre équipe se concentre sur la caractérisation de la génomique tumorale et des programmes cellulaires intrinsèques, ainsi que sur le rôle du microenvironnement tissulaire, dans l'initiation et la progression de la maladie. Nous intégrons plusieurs niveaux du phénotype tumoral, tels que la génomique, la transcriptomique et le contexte tissulaire, en portant une attention particulière aux interactions entre les cellules tumorales et les cellules normales de leur environnement. À l'aide de technologies de profilage de pointe et d'outils d'apprentissage, nous développons des cadres méthodologiques pour étudier le cancer comme un écosystème évolutif. Notre objectif est de décrypter la complexité de la biologie du cancer grâce à des études en lien étroit avec la clinique, afin de développer des outils de prédiction de la progression tumorale et d'identifier de nouvelles vulnérabilités thérapeutiques.
Nos principaux projets portent sur :
-
Atlas pan-cancer de l'invasion à résolution spatiale
Dans le cadre de l'IHU-Prism, ce projet vise à décrypter les mécanismes communs et spécifiques à chaque type de cancer responsable de l'invasion maligne dans son contexte tissulaire. Nous réalisons à grande échelle un profilage transcriptomique spatial de lésions in situ et invasives, ainsi que des régions stromales associées (immunitaires et fibrotiques), chez 500 patients, avec des données appariées de H&E, de séquençage d'ADN et de protéomique, ainsi que des annotations histologiques et cliniques. Ce travail vise à répondre à une question centrale de la recherche sur le cancer : quelles sont les forces déterminant l'invasion maligne, première étape de la cascade maligne, communes aux types de cancers présentant des lésions précancéreuses bien caractérisées ? Ce travail a pour objectif de développer de nouvelles stratégies d'interception de la maladie avant qu'elle ne progresse.
-
Prédiction et reprogrammation de l'adaptation néoplasique
La progression métastatique nécessite une adaptation cellulaire importante. Ce projet vise à identifier les forces intrinsèques et extrinsèques qui façonnent le phénotype tumoral et déterminent la progression de la maladie, en intégrant les trajectoires tumorales intrinsèques et le microenvironnement tumoral. Nous retracerons les trajectoires phénotypiques reliant la tumeur primaire aux lésions métastatiques, et explorerons les comportements à l'échelle des populations cellulaires qui soutiennent la progression tumorale et permettent une adaptation à long terme. Pour ce faire, nous développerons des méthodes intégrant conjointement le retraçage de lignées cellulaires, leurs états transcriptomiques, leur spécialisation fonctionnelle et leurs interactions avec le microenvironnement, par le biais d'une intégration multimodale des données et de modèles d’apprentissage.
Publications clés
-
Houlahan, K. E., Mangiante, L. et al. (2025). Complex rearrangements fuel ER and HER2 breast tumours. Nature, 638, 510–518.
-
Mangiante, L., et al. (2023). Multiomic analysis of malignant pleural mesothelioma identifies molecular axes and specialized tumor profiles driving intertumor heterogeneity. Nature Genetics, 55(4), 607–618.
-
Di Genova, A., Mangiante, L., Sexton-Oates, A., Voegele, C., Fernandez-Cuesta, L., Alcala, N., & Foll, M. (2023). A molecular phenotypic map of malignant pleural mesothelioma. GigaScience, 12, giac128.
-
Alcala, N., Voegele, C., Mangiante, L., Sexton-Oates, A., Clevers, H., Fernandez-Cuesta, L., Dayton, T. L., & Foll, M. (2024). Multi-omic dataset of patient-derived tumor organoids of neuroendocrine neoplasms. GigaScience, 13, giae008.
Contacts