Résultat

Projet de Phase 1

Les tumeurs humaines se développent lorsque des mutations s’accumulent dans leur ADN. Ce processus d’accumulation comporte un élément aléatoire, ce qui veut dire que certaines cellules tumorales peuvent acquérir des mutations différentes, et par conséquent réagir différemment à la thérapie ou acquérir des capacités différentes d’envahir et de se propager. On tient rarement compte de la diversité génétique dans les tumeurs dans les protocoles de traitement, mais elle contribue néanmoins à la résistance aux médicaments, de même qu’à la propagation et à la progression de la maladie.

Des percées récentes dans la technologie de séquençage génétique ont permis aux chercheurs de décoder avec précision les génomes de cellules tumorales individuelles. L’application des données de séquençage à l’échelle de la cellule unique pour mieux comprendre l’évolution des tumeurs et acquérir des connaissances qui mèneront à des mesures en milieu clinique exige à la fois des méthodes informatiques d’analyse des données et des logiciels qui montreront leurs données aux chercheurs. Même si les méthodes informatiques sont sans cesse perfectionnées, il n’existe aucun outil pour visualiser efficacement les millions de génomes qui existent dans une seule tumeur.

Sohrab Shah, Ph. D., de l’Université de la Colombie-Britannique dirige une équipe qui résoudra ce goulet d’étranglement dans l’analyse en proposant une technologie de moteur de recherche hautement évolutive, appelé Elasticsearch, dans le domaine de la génomique à l’échelle de la cellule unique. L’équipe évaluera pour la première fois la capacité d’Elasticsearch de mener en temps réel une exploration visuelle interactive des données génomiques d’une seule cellule cancéreuse. Cette technologie aura des effets immédiats dans la communauté internationale des chercheurs sur le cancer parce qu’elle accélérera l’interprétation et la découverte des données et donnera une idée de la composition et de la dynamique des tumeurs. Au bout du compte, les travaux de l’équipe aideront à comprendre l’influence possible des génomes de cellules tumorales individuelles sur les réactions au traitement, ce qui révélera les mécanismes de résistance et de nouvelles cibles thérapeutiques.