Introduction :
Le diagnostic tardif et la résistance aux traitements en clinique font du Carcinome Hépatocellulaire (CHC) l’un des cancers avec une haute mortalité. Notre objectif est d’identifier l’origine même des lésions pré-néoplasiques (nodules dysplasiques composés de cellules précancéreuses) et leur comportement hétérogène (évolutif ou quiescent). La compréhension de ces aspects pourrait conduire au diagnostic et traitement précoces du CHC.

Patients et méthodes / ou matériel et méthodes :
Nous avons généré un modèle murin de CHC en surexprimant la forme sauvage du récepteur tyrosine kinase MET dans les hépatocytes, conduisant à l’apparition spontanée de tumeurs hépatiques (Alb-R26Met)1. Ce modèle récapitule l’hétérogénéité moléculaire de patients atteints de CHC, l’hétérogénéité temporelle de l’apparition des tumeurs et la résistance aux drogues utilisées en clinique. A l’aide d’un système puissant d’imagerie basé sur le Comptage de Photon par Tomographie Computationnelle2, nous suivons in vivo les lésions pré-néoplasiques dans les souris Alb-R26Met, afin de les ségréger en quiescentes ou évolutives. Nous analysons dans ces deux groupes la composante moléculaire et cellulaire des compartiments immunitaires et tumoraux par single-nuclei RNAseq et cytométrie spectrale.

Résultats :
L’analyse transcriptomique nous a permis d’identifier et quantifier les différents types cellulaires dans des lésions pré-néoplasiques évolutives et quiescentes. En intégrant ces données avec celles issues d’une cohorte de patients atteints de CHC avancé (TCGA), nous avons trouvé que le profil transcriptomique correspondant aux cellules hépatiques dans les lésions Alb-R26Met permet la ségrégation entre les échantillons contrôles et tumoraux de patients. Ces résultats indiquent que des gènes différentiellement exprimés en stade CHC avancé sont déjà présents au stade pré-néoplasique, constituant des biomarqueurs et des cibles potentielles. Des analyses bioinformatiques additionnelles des données single-nuclei RNAseq sont en cours.
L’analyse par cytométrie spectrale à l’aide d’un large panel d’anticorps nous a permis d’identifier les différents sous-types cellulaires du compartiment immunitaire ou tumoral. Par exemple, dans les lésions évolutives par rapport aux quiescentes, nous avons mis en évidence un plus haut pourcentage de: 1) cellules dendritiques (cDC1), 2) cellules tumorales (CD44+) exprimant le récepteur pseudokinase PTK7 (marqueur de mauvais pronostique), 3) lymphocytes T CD8+/PD1+ qui sont associés à une signature épuisée des lymphocytes et à la progression du CHC.

Conclusion :
Nos résultats contribuent à dévoiler des caractéristiques moléculaires et cellulaires distinguant des lésions pré-néoplasiques quiescents ou évolutives, qui pourront être pertinentes pour proposer de nouveaux marqueurs pour le diagnostic et aussi des nouvelles cibles pour le traitement aux stades précoces.

Les auteurs déclarent ne pas avoir de conflit d’intérêt

Remerciements :
Ce travail est financé par l’ITMO Cancer Aviesan dans le contexte de la Stratégie du Control du Cancer 2021-2030, nos fonds sont administrés par l’Inserm (21CD125-00) pour F.M. ; par l’AFEF (Association Française pour l’étude du Foie), Canceropôle Provence-Alpes-Côte d’Azur- Institut Cancer Immunologie, et C.S. bourse de la Fondation pour la Recherche Médicale (FRM). F.C est soutenue par le projet 80❘Prime DePIcT de la Mission pour les Initiatives Transverses et Interdisciplinaires (MITI) du CNRS.

Références :
1. Fan Y, Arechederra M, Richelme S, Daian F, Novello C, Calderaro J, Di Tommaso L, Morcrette G, Rebouissou S, Donadon M, Morenghi E, Zucman-Rossi J, Roncalli M, Dono R, Maina F. A phosphokinome-based screen uncovers new drug synergies for cancer driven by liver-specific gain of nononcogenic receptor tyrosine kinases. Hepatology. 2017 Nov;66(5):1644-1661. doi: 10.1002/hep.29304. Epub 2017 Sep 29. PMID: 28586114.
2. Cassol F, Portal L, Richelme S, Dupont M, Boursier Y, Arechederra M, Auphan-Anezin N, Chasson L, Laprie C, Fernandez S, Balasse L, Lamballe F, Dono R, Guillet B, Lawrence T, Morel C, Maina F. Tracking Dynamics of Spontaneous Tumors in Mice Using Photon-Counting Computed Tomography. iScience. 2019 Nov 22;21:68-83. doi: 10.1016/j.isci.2019.10.015. Epub 2019 Oct 9. PMID: 31655257; PMCID: PMC6820243.

Figure 1 :