Module 6 : Perpsectives d'avenir de la protéomique et son rôle en médecine de l'industrie pharmaceutique

Progrès en protéomique unicellulaire

• Protéomique classique = mélange complexes de protéines venant d’échantillons de tissus ou de cellules en vrac

• Single-cell = analyse cellule par cellule

→ Essentiel car l’hétérogénéité cellulaire est un facteur critique dans la progression des maladies

Single-cell MS (SC-MS)

• Analyse de protéines dans une cellule individuelle

• L’expression protéique varient selon les différents types et états cellulaires

Puces à protéines unicellulaires

Profil de l’expression protéique au niveau d’une seule cellule

Microfluidique unicellulaire

Combine la technologie microfluidique de la spectrométrie de masse pour analyser les protéines provenant de cellules individuelles ou de petits groupes de cellules

=> Lyse + Digestion + Analyse

Impact sur la médecine

• Meilleure compréhension des maladies au niveau cellulaire

  • Particulièrement les maladies complexes telles que le cancer où les cellules tumorales présentent souvent un degré élevé d’hétérogénéité

• Facilite la médecine de précision en identifiant des biomarqueurs spécifiques aux cellules

Défis de la protéomique unicellulaire

• Défis techniques liés à l’isolement et l’analyse de cellules individuelles avec une perte minimale de protéines

• Besoin d’outils informatiques avancés

Technologies de la single-cell proteomics

• Droplet-based (nanolitre)

  • Isolement de cellules individuelles dans de très petits volumes

• Analyse dans des systèmes microfluidiques permettant :

  • La lyse cellulaire

  • La digestion des protéines

  • La préparation pour MS

SCoPE2

Combine le single-cell et une stratégie de marquages à l’aide d’isotopes stables

• Augmentation de la sensibilité et du débit

Attention : les techniques sans marquage offrent une plus grande précision quantitative et une meilleure évolutivité

Protéomique spatiale

• Digital Spatial Profiling (DVP)

  • Mesure les protéines directement dans le tissu

• Expansion proteomics

  • Expansion du tissu pour mieux voir les structures

• Laser Capture Microdissection (LCM)

  • Découpe précise de zones spécifiques

2. IA and Machine Learning en protéomique

Les données protéomiques sont massives et complexes

→ IA/ ML = outils pour analyser, interpréter et automatiser

Applications principales de ML/IA

• Analyse et interprétation de données : prédiction de biomarqueurs ou interactions PP grâce à l’apprentissage sur grands datasets

• Prédiction de fonction de protéines inconnues à partir de séquence ou structure

• Intégrations multi-omics : en combinaison avec la transcriptomique, la génomique et la métabolomique = création de modèles complets de maladies ou stratégies de traitements plus complets

Impact en médecine

• Drug discovery accéléré : identification rapide de cibles et biomarqueurs

• Médecine personnalisée : traitement adapté au profil protéomique, génétique et clinique

Défis IA/ML

• Qualité des données et variabilité

• Modèles de boites noires

IA dans la protéomique MS

• Planification expérimentale

  • Préparation automatisée des échantillons à l’aide la robotique

• Acquisition de données

• Interprétation de données

3. Protéomique en médecine de précision

Médecine de précision = traitement adapté à chaque patient basé sur

• Profil protéique

• Modifications PTMs

• Caractéristiques individuelles

Principaux domaines d’application

• Découverte de biomarqueurs : identification de protéines associés à la maladie et la réponse aux traitements

  • Mise au point de tests diagnostiques et orientation des choix thérapeutiques

• Thérapies ciblées : identification de protéines spécifiques, de voies de signalisation = thérapies ciblées axées sur ces molécules

• Réponses personnalisées aux médicaments : l’analyse du protéome permet de prédire l’efficacité du traitement et les effets secondairs

Impact de la protéomique en médecine de précision

• Traitement du cancer : identification des marqueurs tumoraux

  • Diagnostic précis

  • Thérapies personnalisées (Anticorps monoclonaux ciblés ou inhibiteurs de checkpoints)

• Maladies rares : identifications de dérégulations protéiques = nouvelles cibles thérapeutiques

Limites de la protéomique dans la médecine de précision

• Validation clinique des biomarqueurs

• Coût élevé

• Intégration complexe avec la génomique et les données cliniques

4. Intégration de la protéomique avec d’autres technologies omics

Approche systémique = vision globale du vivant

Approches multi-omiques

Identifie les principaux facteurs moléculaires à l’origine des maladies qui s’étendent à différents niveaux d’organisation biologiques

Validation croisée des biomarqueurs

Identification et validation des marqueurs avec une plus grande fiabilité

Analyse des voies métaboliques

L’interaction entre gènes, protéines, métabolites permet d’identifier des nouvelles cibles thérapeutiques

Impact sur la médecine

• Modèle de maladies complets : vision plus complète = améliore le diagnostic, le pronostic et le traitement

• Développement de médicaments : nouvelles cibles thérapeutiques et interactions médicament- voie moléculaire de l’organisme

Limites des approches multi-omiques

• Intégration des données complexes = outils bioinformationnelles

• Normalisation des données : manque de standardisation

Workflow protéomique (MS-based)

• Préparation des échantillons

  • Extraction des protéines

  • Digestion → Peptides

• Marquage avec des isotopes stables ou label-free

• Séparation des peptides par LC

  • Colonnes à réseau de micro-pilliers

  • Systèmes à gradients performés

• Analyse par MS

  • Acquisition dépendante des données (DDA) (recherche)

  • Targeted MS (applications cliniques)

• Instruments modernes hybrides tels que

  • timsTOF ou Astral : séparation par mobilité ionique

  • Orbitrap

  • Analyseurs à temps de vol

5. La protéomique dans les essais cliniques et la stratification de patients

Essai clinique = tester un médicament sur une large population

→ Perd de son efficacité

La protéomique permet de :

• Stratifier les patients en fonction de leurs profils moléculaires

Stratification des patients

Utilisation des biomarqueurs protéiques pour sélectionner les patients les plus appropriés pour l’essai clinique

Prédiction de l’efficacité du médicament

Réduction des échecs cliniques via la sélection des profils protéiques compatibles avec le traitement

Suivi du traitement

• Analyse au cours du temps

• Permet devoir si le traitements fonctionnent et ajuster rapidement

Conséquences sur les essais cliniques

• Essais cliniques plus précis grâce à une meilleure sélection des patients, réduction des coûts, une évaluation plus précise de l’efficacité des médicaments

• Meilleure compréhension des mécanismes moléculaires de réponses

Limites

• Problèmes règlementaires

• Coûts élevés

6. Ethique en protéomiques

Les données protéomiques = données personnelles sensibles

Enjeux clés

• Confidentialité des données : caractéristiques moléculaires d’un individu qui nécessitent un stockage sécurisé et uniquement partagées avec un consentement éclairé

• Transposition clinique : nécessite que les patients comprennent les risques et les avantages d’un diagnostic ou traitement

Défis

• Cadre éthiques pour l’utilisation de protéomique dans la pratique clinique et protection et information des parties prenantes

• préoccupations liées à l’équité et l’accessibilité des traitements