Cette équipe du RIKEN Center for Integrative Medical Sciences (IMS, Japon) documente ici un nouveau biomarqueur basé sur l’apprentissage automatique qui permet d’identifier les personnes à risque élevé de cancer du foie. Ce biomarqueur répond à un besoin considérable, alors que ce cancer reste souvent non diagnostiqué jusqu’à un stade avancé et que son pronostic est donc très négatif. Ces travaux, publiés dans les Actes de l’Académie des Sciences américaine, établissent ainsi que la protéine MYCN est un facteur clé de la tumorigenèse hépatique, et plus précisément du sous-type le plus mortel de cancer du foie.
Le cancer du foie, ou carcinome hépatocellulaire, est responsable de plus de 800.000 décès par an dans le monde. Ce taux de mortalité élevé s’explique par le fait que le cancer reste souvent non diagnostiqué jusqu’à un stade avancé et que le taux de récidive se situe entre 70 et 80 %. Dans l’espoir de découvrir une méthode indispensable pour prédire avec précision les foies à risque avant l’apparition de tumeurs, l’équipe se concentre sur une protéine appelée MYCN.
Cette recherche caractérise ainsi le microenvironnement des gènes permettant la surexpression de MYCN et décrit un algorithme d’apprentissage automatique qui utilise ces données pour prédire la probabilité qu’un foie sain développe la tumeur.
Le gène MYCN déjà connu comme facteur contributif au développement du cancer du foie
Le gène MYCN était déjà documenté comme impliqué dans le développement du cancer du foie à partir d’un foie endommagé, mais le mécanisme précis de tumorigenèse hépatique restait jusqu’alors incompris. Les chercheurs ont émis l’hypothèse que si la surexpression de MYCN induisait directement la tumorigenèse hépatique, MYCN constituerait alors un biomarqueur idéal. Afin de tester cette hypothèse, l’équipe a d’abord inséré MYCN (le transposon) dans le génome hépatique de souris afin d’obtenir un foie de souris surexprimant MYCN. Son analyse constate que :
- lorsque MYCN est surexprimé en présence d’un autre gène AKT toujours actif, 72 % des souris développent des tumeurs hépatiques en 50 jours ;
- ces tumeurs présentent toutes les caractéristiques du carcinome hépatocellulaire humain ;
- aucune tumeur ne se développe en cas de surexpression de l’un ou l’autre de ces gènes isolément.
Le développement d’un modèle de prédiction : comprendre comment les signaux microenvironnementaux précoces déclenchent la tumorigenèse hépatique est essentiel pour développer de nouvelles stratégies thérapeutiques. Pour caractériser le microenvironnement, les chercheurs ont eu recours à la transcriptomique spatiale. Cette technique permet d’identifier les gènes activés dans un tissu et de localiser précisément cette activité. Cette technique leur a permis de découvrir :
- un groupe de 167 gènes, nommé « niche MYCN » dont l’expression était différentielle dans les zones de foie non tumorales présentant des niveaux élevés de MYCN ;
- un modèle d’apprentissage automatique capable d’analyser les caractéristiques d’un profil d’expression génique donné et d’attribuer un score indiquant s’il correspond ou non à une niche MYCN ;
-
ce modèle atteint une précision de 93 % ;
- les patients présentant des scores de niche MYCN plus élevés présentent un risque accru de récidive tumorale et un pronostic plus défavorable ;
- cette corrélation se révèle encore plus forte lorsque le score était calculé à partir de tissu non tumoral plutôt que de tissu tumoral ;
- ce score constitue donc un biomarqueur spatial permettant de prédire le pronostic en fonction des microenvironnements favorisant la formation tumorale.
« Nous pouvons ainsi identifier les patients à haut risque en analysant l’expression génique dans le tissu hépatique non tumoral », expliquent les chercheurs : « en intégrant la transcriptomique spatiale à l’apprentissage automatique, nous avons pu établir un score de niche MYCN ou score de risque de récidive et de détection des microenvironnements précancéreux à prédisposition ».
Source : Proceedings of the National Academy of Sciences 18 Feb, 2026 DOI: 10.1073/pnas.2521923123 (In Press) via AAAS 17 Feb, 2026 Machine-learned biomarker identifies those at high risk for liver cancer
Plus sur le Cancer du Foie
Équipe de rédaction Santélog Juil 23, 2026Admin