Avantages et limites de la technologie des puces dans le cancer humain
En avril de cette année, nous avons assisté à l’une des réalisations les plus monumentales en biologie: le séquençage complet du génome humain. Le décodage et le dépôt de bases de données de milliards de bases de séquences est le point de départ de la génomique fonctionnelle postséquence. La découverte du Tableau périodique a eu un impact important sur la chimie. De même, le déchiffrement complet du génome humain aura des effets impressionnants sur la santé humaine et la qualité de vie. Actuellement, nous ne comprenons la fonction que d’un nombre limité de gènes humains. Étudier la fonction de tous les gènes humains est un défi technologique. Pour relever ce défi, de nouveaux outils à haut débit ont été développés. Le test de microarray est une technologie moléculaire puissante qui permet l’étude simultanée de l’expression de milliers de gènes ou de leurs produits ARN, donnant une image précise de l’expression des gènes dans la cellule ou l’échantillon au moment de l’étude.
Par exemple, l’expression de tous les gènes de résistance aux médicaments et du métabolisme ou de tous les oncogènes connus dans une cellule peut être détectée et mesurée dans le même laps de temps (Brown et Botstein, 1999; Collins, 1999; Lander, 1999). Le microréseau peut être défini comme une collection ordonnée de microspots (les sondes), chaque tache contenant une seule espèce d’acide nucléique et représentant les gènes d’intérêt. Cette technologie est basée sur l’hybridation entre des cibles libres marquées dérivées d’un échantillon biologique et un réseau de nombreuses sondes d’ADN immobilisées sur une matrice (Southern et al., 1999). Les cibles sont produites par transcription inverse et marquage simultané d’extraits d’ARN à partir d’un échantillon biologique hybridé avec des sondes de fragments d’ADN. Le signal d’hybridation produit sur chaque sonde est le niveau d’expression de l’ARNm du gène correspondant dans l’échantillon au moment de l’étude. Les signaux sont détectés, quantifiés, intégrés et normalisés avec un logiciel dédié et reflètent le « profil d’expression génique » ou le « portrait moléculaire » de chaque échantillon biologique.
Plusieurs milliers ou dizaines de milliers de points distincts peuvent être imprimés sur une lame en silicium ou en verre ou sur une base à semi-conducteurs en nylon. Il existe principalement deux variantes de microarrays : l’ADNc et les microarrays oligonucléotidiques (Schena et al., 1995, 1996; Lockhart et coll., 1996). Bien que les deux types de microréseaux soient utilisés pour analyser les modèles d’expression des gènes, ces variantes sont fondamentalement différentes (Lipshutz et al., 1999). Dans les puces d’ADNc, des molécules d’ADN relativement longues sont immobilisées sur une surface solide. Ce type de microréseau est principalement utilisé pour des études de dépistage et d’expression à grande échelle. La puce oligonucléotidique est fabriquée par synthèse chimique dirigée par la lumière in situ ou par synthèse classique suivie d’une immobilisation sur une matrice de verre. Cette puce est utilisée pour la détection de mutations, la cartographie des gènes et les études d’expression et permet la détection différentielle de membres de la famille de gènes ou de transcrits alternatifs qui ne sont pas distinguables par les puces d’ADNc.
La chimie de la puce en elle-même n’est pas nouvelle, car la technologie d’hybridation est bien établie depuis des décennies. Cependant, l’étude simultanée de milliers de gènes transforme la technique des microréseaux en un puissant outil d’analyse de l’ensemble du système. Près de 10 ans se sont écoulés depuis la création des premières puces, et pourtant cette technologie continue de s’améliorer et de progresser. Depuis son introduction initiale, le nombre d’applications de microréseaux a augmenté (figure 1). À partir de leur utilisation dans le criblage de gènes et l’identification de cibles, cette technologie trouve de nouvelles applications telles que la biologie du développement, la classification des maladies, les études de voies, la découverte de médicaments et la toxicologie. La technologie impliquée dans la production et l’utilisation de la microréseau dépasse le cadre de cet examen, mais a fait l’objet d’un examen approfondi ailleurs (Schena et al., 1995; Niemeyer et Blohm, 1999; Bowtell, 1999; Brown et Botstein, 1999; Celis et al., 2000; Cheung et coll., 1999; Duggan et coll., 1999; Graves, 1999; Khan et coll., 1999; Hegde et coll., 2000; Meldrum, 2000). Nous décrivons ici quelques-uns des développements et résultats récents de la technologie des microréseaux dans la recherche sur le cancer, discutons des problèmes potentiels, décrivons les applications cliniques et commentons l’avenir de cette technologie.
L’importance de mesurer l’expression génique globale dans les cancers humains
Caractériser la population de gènes transcrits a conduit à la création d’un nouveau terme, le transcriptome (Su et al., 2002). Ce concept définit l’ensemble complet des gènes transcrits exprimés en ARN messagers pour une espèce particulière. Le transcriptome représente donc l’univers des messagers d’ARN qui peuvent coder des protéines. Seulement environ 5% des gènes sont actifs dans une cellule particulière à un moment donné. La plupart des gènes sont réprimés, et ce contrôle peut se produire au niveau transcriptionnel ou translationnel. Comme la régulation de l’expression des protéines au niveau de la transcription est plus efficace, la plupart des contrôles ont lieu à ce niveau. Le profil d’expression génique d’une cellule détermine sa fonction, son phénotype et sa réponse aux stimuli externes. Par conséquent, les profils d’expression génique peuvent aider à élucider les fonctions cellulaires, les voies biochimiques et les mécanismes de régulation. De plus, les profils d’expression génique des cellules / tissus de la maladie, par rapport aux témoins normaux, peuvent favoriser la compréhension de la pathologie de la maladie et identifier de nouveaux points d’intervention thérapeutiques, améliorant ainsi le diagnostic et clarifiant le pronostic.
Au cours des dernières années, plusieurs méthodes de profilage de l’expression génique ont vu le jour et ont été appliquées avec succès à la recherche sur le cancer. Ceux-ci comprennent l’affichage différentiel, l’analyse en série de l’expression des gènes et des puces (Velculescu et al., 1995; Granjeaud et coll., 1999; Cheng et coll., 2002). Les puces sont devenues importantes car elles sont plus faciles à utiliser, ne nécessitent pas de séquençage d’ADN à grande échelle et permettent la quantification parallèle de milliers de gènes à partir de plusieurs échantillons. Le profilage de l’expression génique des cancers représente la plus grande catégorie de recherche utilisant la technologie des microréseaux et semble être l’approche la plus complète pour caractériser le cancer au niveau moléculaire. Bien que le phénotype du cancer ne soit que partiellement déterminé par son transcriptome, il fournit toujours une image claire de l’état physiologique d’une cellule. La puissance de cette approche a été démontrée dans des études réalisées sur une grande variété de tumeurs malignes, y compris les cancers du sein, de la tête et du cou, du foie, du poumon, de l’ovaire, du pancréas, de la prostate et de l’estomac (Bhattacharjee et al., 2001; Dhanasekaran et coll., 2001; Garber et coll., 2001; Tonin et coll., 2001; Al Moustafa et al., 2002; Belbin et coll., 2002; Chen et coll., 2002; Han et coll., 2002; Hedenfalk et coll., 2002; Hippo et coll., 2002; Luo et coll., 2002a).
Plusieurs études de profilage du cancer par analyse de microréseaux ont utilisé différentes stratégies telles que tumeur versus contrôle, dans laquelle le profil d’expression du gène tumoral est comparé à son échantillon témoin correspondant afin de mesurer les différences et les similitudes entre les deux phénotypes, la stratification du cancer, dans laquelle les profils d’expression du gène provenant de différents échantillons d’un même type de cancer sont comparés pour révéler des sous-groupes distincts afin de mieux définir la classification moléculaire d’un type histologique commun de cancer, et enfin l’évaluation temporelle de la tumeur, dans laquelle le gène les modèles d’expression d’échantillons tumoraux dérivés de différents stades de progression sont comparés pour élucider les différences entre les stades précoces et avancés de la maladie. Bien que de nombreuses études d’analyse de microréseaux dans les maladies humaines aient été publiées, nous présentons ici certaines de celles qui ont un intérêt clinique pour l’oncologie.
Microarray et cancer de la prostate
Plusieurs études utilisant des microarrays pour caractériser les profils d’expression génique du cancer de la prostate ont récemment été publiées. Ces études ont utilisé la technologie des microréseaux comme outil de découverte de gènes pour identifier les marqueurs génétiques qui discriminent les tissus prostatiques normaux et cancéreux. Une étude de microréseaux simples a été réalisée à l’aide de réseaux de membranes tachetées pour analyser des tissus et des lignées cellulaires normaux et cancéreux (Bull et al., 2001). Les résultats de microréseaux membranaires sont limités par l’insensibilité relative de cette technique pour détecter les transcrits exprimés à de faibles niveaux et le petit nombre de taches pouvant être placées sur les membranes; cependant, cette étude a donné des marqueurs candidats du cancer de la prostate pour une évaluation plus approfondie. Cinq études publiées ont analysé les profils d’expression génique de plusieurs milliers de gènes dans les tissus normaux et prostatiques et ont utilisé une analyse de regroupement hiérarchique non supervisée pour trier les échantillons (Dhanasekaran et al., 2001; Luo et coll., 2001, 2002b; Welsh et coll., 2001a; Singh et coll., 2002). Dhanasekaran et coll. (2001) ont pu distinguer des échantillons de prostate normale, d’hyperplasie bénigne de la prostate (HBP), de cancer de la prostate localisé et de cancer de la prostate métastatique à l’aide de 9 984 microréseaux tachetés d’éléments. En utilisant l’analyse de clustering hiérarchique, Luo et al. (2001) ont été en mesure de discriminer 16 échantillons de cancer de la prostate provenant de neuf échantillons d’HBP sur la base de différences de profils d’expression génique mesurées sur 6 500 puces d’ADNc tachetées d’éléments. Welsh et coll. (2001a) ont rapporté un tri similaire d’échantillons de tissus prostatiques normaux et malins à l’aide de microréseaux oligonucléotidiques. Fait intéressant, les cinq groupes ont identifié l’hépsine sérine protéase transmembranaire comme présentant une expression significativement accrue dans les tissus malins par rapport à celle du tissu prostatique normal (Dhanasekaran et al., 2001; Luo et coll., 2001, 2002b; Welsh et coll., 2001a; Singh et coll., 2002). De nombreux autres marqueurs candidats du cancer de la prostate, tels que le proto-oncogène PIM1, sont issus d’autres études et font l’objet d’études plus poussées en tant que marqueurs diagnostiques potentiels. La diminution de l’expression de PIM1 sur l’immunohistochimie des échantillons de tumeurs de la prostate conférait un risque accru de récidive après une intervention chirurgicale (Dhanasekaran et al., 2001). D’autres groupes utilisant des combinaisons d’hybridation soustractive et d’analyse de microréseaux ont identifié plusieurs candidats potentiels pour un traitement immunomodulateur du cancer de la prostate, y compris prostein (Xu et al., 2001), STEAP (Hubert et coll., 1999) et p504S/Alpha-Méthylacyl-Coa-Racémase (Jiang et al., 2001). Dans une étude très récente, Virolle et al. (2003) ont utilisé une lignée de cellules cancéreuses de la prostate qui exprime un niveau constitutif élevé de protéine Egr1, un facteur de transcription surexprimé dans la majorité des cellules cancéreuses tumorigènes agressives de la prostate. Ils ont évalué la régulation transcriptionnelle de l’Egr1, en effectuant une analyse de microréseaux oligonucléotidiques en utilisant des cellules rendues déficientes en Egr1 comme échantillon de comparaison pour l’identification des gènes cibles de l’Egr1. Pour la première fois dans les tissus de la prostate, cette étude a confirmé le rôle d’activateur de croissance de l’Egr1 précédemment observé dans d’autres systèmes cellulaires, et a identifié plusieurs nouveaux gènes cibles contrôlant spécifiquement la croissance, la progression du cycle cellulaire et les voies apoptotiques.
Microarray et cancer de la bouche
À ce jour, seules quelques études de microarray pertinentes pour le cancer de la bouche ont été publiées. Chang et coll. (1998) ont illustré l’utilisation de microréseaux d’ADNc pour caractériser les gènes liés à la transformation dans le cancer de la bouche. Villaret et coll. a utilisé une combinaison de soustraction d’ADN complémentaire et d’analyse de microréseaux pour évaluer des gènes uniques spécifiques au carcinome épidermoïde de la tête et du cou (HNSCC) en tant que marqueurs tumoraux potentiels et candidats vaccins. Neuf gènes connus se sont révélés significativement surexprimés dans le HNSCC par rapport au tissu normal. De plus, quatre nouveaux gènes ont été surexprimés dans un sous-ensemble de tumeurs (Villaret et al., 2000). Alevizos et coll. (2001) ont analysé le transcriptome dans le carcinome épidermoïde de la cavité buccale. Ils ont trouvé environ 600 gènes candidats (oncogènes, suppresseurs de tumeurs, facteurs de transcription, marqueurs de différenciation, protéines métastatiques et enzymes xénobiotiques) qui étaient exprimés de manière différentielle dans le cancer de la bouche, ne validant que trois de ces gènes par PCR.
Lu et coll. (2001) ont utilisé l’approche par microréseau pour évaluer les modifications du profil d’expression génique au cours de l’initiation et de la progression du carcinome épidermoïde de l’œsophage. Ils ont examiné les profils d’expression des gènes à différents stades de l’initiation et de la progression du cancer de l’œsophage afin d’identifier les gènes exprimés différemment entre ces stades. Frierson et coll. (2002) ont utilisé l’analyse de microréseaux oligonucléotidiques pour étudier l’expression de 8 920 gènes humains différents dans 15 carcinomes kystiques adénoïdes (ACC), une lignée cellulaire ACC et cinq glandes salivaires principales normales. Parmi les gènes dont l’expression est altérée dans l’ACC, il y avait ceux codant pour les facteurs de transcription SOX4 et AP-2 gamma, la caséine kinase 1 ainsi que l’epsilon et le frisottis-7, qui sont tous deux membres de la voie de signalisation Wnt/bêta-caténine. Dans une étude très récente, Leethanakul et al. (2003) ont généré des banques d’ADNc de haute complexité à partir de l’épithélium squameux normal et cancéreux microdissecté par capture laser. Dans cette étude, les auteurs ont examiné les informations de séquence disponibles à l’aide d’outils bioinformatiques et ont identifié 168 nouveaux gènes exprimés de manière différentielle dans l’épithélium normal et malin. De plus, en utilisant des réseaux d’ADNc, ils ont obtenu la preuve qu’un sous-ensemble de ces nouveaux gènes pourrait être fortement exprimé en HNSCC.
Microarray et cancer du sein
Compte tenu de l’hétérogénéité clinique du cancer du sein, la technologie des microarray peut être un instrument idéal pour établir une classification plus précise. Des études initiales utilisant le profilage d’expression à base de microréseaux ont démontré sa capacité à classer correctement les cancers du sein à récepteurs d’œstrogènes négatifs et à récepteurs d’œstrogènes positifs (Perou et al., 2000; West et coll., 2001) et pour différencier les tumeurs liées à BRCA1 des tumeurs liées à BRCA2 et sporadiques (Hedenfalk et al., 2001; van’t Veer et coll., 2002).
L’étude de van’t Veer et al. a été l’une des études les plus approfondies et les plus informatives réalisées à ce jour. Les auteurs ont examiné 117 échantillons primaires de seins par profilage d’expression génique à base de microréseaux pour développer des profils pronostiques et les comparer avec des marqueurs pronostiques connus dans le cancer du sein. Sur les 5 000 gènes avec des profils d’expression variables, 70 ont été identifiés pour une précision optimale dans la prédiction des maladies récurrentes. En utilisant cette classification, les auteurs ont correctement prédit l’issue réelle de la maladie pour 65 des 78 patients. Cinq patients de bon pronostic et huit patients de mauvais pronostic ont été mal affectés. Des marqueurs pronostiques standard dans le cancer du sein ont été utilisés pour estimer le risque de récidive du cancer et aider à prendre des décisions concernant le traitement adjuvant. Malheureusement, les marqueurs pronostiques actuels n’identifient pas correctement le traitement le plus correct pour le patient. Le pouvoir prédictif de l’approche par microréseaux est beaucoup plus important que celui des approches actuellement utilisées, mais il doit être validé dans des études cliniques plus prospectives. Si la valeur pronostique de cette approche était confirmée, le classificateur de profilage d’expression entraînerait une diminution d’environ quatre fois le nombre de patients recevant un traitement adjuvant inutilement (Caldas et Aparicio, 2002).
Martin et coll. (2001) ont décrit une méthode d’identification du cancer du sein circulant par un processus en deux étapes d’affichage différentiel et de profilage d’expression basé sur un réseau à haute sensibilité. Même si le potentiel de cette technique est prometteur, sa sensibilité et sa spécificité doivent encore être améliorées et des travaux supplémentaires sont nécessaires pour déterminer la signification clinique de la détection du profil d’expression génique dans le sang périphérique. Certains articles ont maintenant démontré un lien entre les profils d’expression tumorale utilisant la technologie des microréseaux et les résultats cliniques. Par exemple, Sorlie et coll. (2001) ont démontré que les sous-classes tumorales définies par le profilage d’expression peuvent prédire la survie globale et sans maladie, et Sotiriou et al. (2002) ont montré que les profils d’expression de prétraitement prédisaient la réponse clinique à la chimiothérapie dans un petit échantillon de tumeurs mammaires. Bien que l’étude de Sorlie et al. était très provocateur, les auteurs n’ont pas comparé la valeur pronostique des groupes identifiés par regroupement hiérarchique avec les facteurs pronostiques actuellement utilisés dans le cancer du sein. Étant donné que la résistance aux médicaments dans le cancer est un obstacle majeur au succès de la chimiothérapie, la faisabilité d’obtenir un profil moléculaire potentiel ou une empreinte digitale de médicaments anticancéreux dans les cellules cancéreuses par la technologie des microréseaux est essentielle pour prédire la réponse à la chimiothérapie. Kudoh et coll. (2000) ont démontré cette capacité à définir des changements dans les profils d’expression génique dans une lignée cellulaire de cancer du sein traitée par chimiothérapie. Ils ont surveillé les profils d’expression des cellules cancéreuses du sein MCF-7 qui ont été traitées de manière transitoire avec de la doxorubicine ou sélectionnées pour leur résistance à la doxorubicine. Cette étude a montré que le traitement transitoire par la doxorubicine modifiait l’expression d’un groupe diversifié de gènes en fonction du temps.
Microarray et cancer de l’ovaire
Au cours des dernières années, plusieurs chercheurs ont publié des études intéressantes sur le profilage de l’expression des cancers de l’ovaire. Martoglio et coll. (2000) ont analysé les profils d’expression génique de cinq ovaires normaux et de quatre échantillons d’adénocarcinomes ovariens papillaires séreux peu différenciés. En utilisant une petite puce d’ADNc à membrane de nylon « interne », ils ont trouvé une augmentation globale des marqueurs liés à l’angiogenèse (par exemple l’angiopoïétine-1, VEGF), des marqueurs apoptotiques et néoplasiques, des médiateurs de la réponse immunitaire et de nouveaux marqueurs potentiels du cancer de l’ovaire (par exemple la cofiline, la moésine et la protéine du facteur silencieux restrictive des neurones) dans le tissu cancéreux. L’étude était intrigante car ils ont utilisé un réseau d’ADNc à faible coût adapté aux études de voies spécifiques, telles que l’angiogenèse et la tumorigenèse. Comme il est problématique d’accéder à une quantité adéquate de tissu tumoral ovarien précoce, les chercheurs ont utilisé différentes stratégies pour contourner le besoin de quantités de tissus généralement requises par l’analyse de microréseaux. Par exemple, Ismail et al. (2000) ont rapporté une étude de 864 éléments d’ADN criblés contre 10 lignées de cellules cancéreuses de l’ovaire et cinq lignées de cellules épithéliales normales utilisant une culture cellulaire à court terme pour étendre l’épithélium de surface de l’ovaire avant l’extraction de l’ARN. D’autres chercheurs ont purifié l’épithélium ovarien par des procédures in vitro, telles que l’adhérence au verre ou l’enrichissement immunomagnétique (Ono et al., 2000; Welsh et coll., 2001b). Cependant, ces deux approches peuvent introduire des biais dans l’expression génique observée. En fait, la première approche (Ismail et al., 2000) utilise des cellules cancéreuses cultivées, qui peuvent ne pas refléter les cancers in vivo en raison de la possibilité que des changements d’expression génique secondaires surviennent in vitro en raison des conditions de culture. La deuxième stratégie (Ono et al., 2000; Welsh et coll., 2001b) est très longue et peut entraîner la dégradation de messagers ARN moins stables. Pour éviter d’éventuels biais inhérents aux cultures in vitro utilisées dans certaines études (Ismail et al., 2000; Matei et coll., 2002), d’autres chercheurs ont étudié les modèles d’expression génique directement à partir de tumeurs réséquées chirurgicalement (Shridhar et al., 2001). Les petites puces spécialisées présentent plusieurs avantages pratiques et peuvent révéler des informations qui peuvent être perdues dans des puces plus grandes. Sawiris et coll. (2002) ont utilisé un microarray d’ADNc hautement spécialisé nommé « Ovachip », et ont trouvé ce microarray extrêmement sensible à la différenciation du cancer de l’ovaire du cancer du côlon en fonction des modèles d’expression des gènes. Les biomarqueurs de dépistage du cancer de l’ovaire sont très importants en raison du stade tardif du diagnostic et de la faible survie associée à ce type de cancer. Récemment, deux études ont utilisé la technologie des microréseaux pour identifier deux marqueurs sériques potentiels du cancer de l’ovaire surexprimés appelés ostéopontine et prostasine, et ont rapporté une validation préliminaire de leur utilisation pour la détection précoce de la maladie (Mok et al., 2001; Kim et coll., 2002).
Microarray et autres cancers
L’application de la technologie des microarray à d’autres cancers humains se développe rapidement. L’étude pionnière de Golub et al. (1999) ont démontré la possibilité de distinguer la leucémie myéloïde aiguë et la leucémie lymphoblastique aiguë (LAL) sur la base de la surveillance de l’expression génique et comment, dans une situation simulée « aveuglée » par le diagnostic histologique, les deux classes auraient pu être découvertes par les seuls modèles d’expression génique. Alizadeh et coll. (2000) ont identifié les deux formes de lymphome diffus à grandes cellules B (DLBCL) sur la base de profils d’expression génique qui indiquent différents stades de différenciation des cellules B. Fait intéressant, cette classification moléculaire a une valeur pronostique indépendante de la stratification par le classement clinique habituel. Pour étudier l’expression des gènes dans les tumeurs malignes lymphoïdes, un grand groupe de collaboration a créé une puce spécialisée, nommée « Lymphochip », qui est enrichie en gènes qui sont exprimés sélectivement dans les lymphocytes et dans les gènes régulant la fonction lymphocytaire (Alizadeh et al., 1999). Ce groupe a utilisé cette puce pour examiner la DLBCL et a trouvé deux formes moléculaires différentes de cette tumeur. De plus, ils ont démontré que les sous-groupes du DLBCL définissaient un sous-groupe de patients présentant un pronostic clinique distinct. Pour tester l’hypothèse selon laquelle la leucémie lymphoïde chronique à cellules B (LLC) est plus d’une maladie, Rosenwald et al. (2001) ont lié les modèles d’expression génique de la LLC à leur statut mutationnel Ig et à d’autres types de cellules B normales et malignes. Fait intéressant, les gènes identifiés comme fortement exprimés dans la LLC par rapport à la DLBCL ont été exprimés de manière équivalente dans tous les échantillons de LLC, quel que soit leur statut mutationnel Ig. Cette étude a suggéré que tous les cas de LLC partageaient un mécanisme commun de transformation et /ou de cellule d’origine. Une étude récente (Stratowa et al., 2001) a proposé une liste de nouveaux marqueurs pronostiques potentiels impliqués dans le trafic de lymphocytes et associés au stade de la maladie et/ou à la survie du patient.
Dans une étude très récente, Gariboldi et al. (2003) ont analysé les profils d’expression génique dans le tissu normal de souris sensibles aux tumeurs cutanées et résistantes afin d’identifier les gènes qui jouent un rôle fonctionnel dans la susceptibilité génétique. Cette étude a suggéré un rôle du gène Scca2, un membre de la superfamille des inhibiteurs de la protéase de la sérine, dans la prédisposition génétique aux tumeurs cutanées.
La technologie des microréseaux a également été utilisée dans l’analyse du mélanome (Bittner et al., 2000). Cette étude a suggéré que les profils d’expression génique dans le tissu d’un patient individuel peuvent être remarquablement conservés au fil du temps et que l’analyse de transcription globale peut identifier des sous-types de mélanome cutané non reconnus et prédire des caractéristiques phénotypiques vérifiables expérimentalement.
Des études sur des cellules et des tissus cancéreux du côlon ont démontré une suppression significative du gène kinase, WEE1Hu (Backert et al., 1999).
De nombreux transcriptomes changent après une surexpression spécifique de gènes liés à la tumeur. Par exemple, nous avons utilisé un système d’expression médié par un adénovirus du gène suppresseur de tumeur RB2 /p130 dans une lignée cellulaire de cancer du poumon non de petite taille afin d’identifier des gènes spécifiques qui sont régulés par pRb2 /p130 (Russo et al., 2003). Nos résultats de microréseaux ont identifié une variété de gènes impliqués dans de nombreux processus cellulaires, notamment la division cellulaire, la signalisation cellulaire / la communication cellulaire, la structure cellulaire / la motilité ainsi que l’expression et le métabolisme des gènes. Ces résultats suggèrent de nouveaux biomarqueurs thérapeutiques potentiels dans le carcinome pulmonaire. De plus, les résultats d’une autre étude de microréseaux d’ADNc indiquent que la surexpression du gène suppresseur de tumeur PTEN peut inhiber l’invasion du cancer du poumon en régulant à la baisse un panel de gènes (Hong et al., 2000). À la lumière des données ci-dessus, il est clair que l’approche par microréseau est très importante dans l’analyse d’une variété de types de tumeurs.