Développement d'algorithmes d'analyse multi-omique pour la détection précoce et le ciblage thérapeutique du cancer de l'ovaire

Le cancer de l’ovaire se caractérise par des symptômes souvent imperceptibles à ses premiers stades, retardant ainsi son diagnostic et contribuant à un taux de mortalité élevé. En effet, une détection précoce est fortement corrélée à de meilleurs taux de survie, mais les méthodes actuelles, telles que l’imagerie médicale, restent coûteuses et difficilement accessibles à l’ensemble de la population. Il est donc crucial de développer des approches systématiques, abordables et facilement déployables, reposant sur des analyses simples d’échantillons biologiques courants. Dans ce contexte, ce projet propose une méthode de détection précoce du cancer de l’ovaire à partir de données d’expression génique issues de biopsies de patientes. Bien que ces données proviennent actuellement de tissus cancéreux, des profils transcriptomiques d’une patiente pourraient être obtenus à partir d’échantillons sanguins, ouvrant ainsi la voie à un dépistage plus accessible et moins invasif. En combinant ces données transcriptomiques à des algorithmes d’apprentissage supervisé, cette approche vise à différencier les patientes atteintes d’un cancer de l’ovaire de celles qui sont saines. Les algorithmes ayant été testés incluent Logistic Regression (LR), Linear Support Vector Classification (Linear SVC), K-Nearest Neighbors (KNN) et Random Forest (RF). À partir de l’analyse de 13 110 niveaux d’expression génique d’une base de données pour 578 patientes, les algorithmes LR et KNN ont atteint une exactitude balancée de 99,9% pour la détection du cancer de l’ovaire. Par ailleurs, en se concentrant uniquement sur les patientes saines et celles atteintes d’un cancer de l’ovaire au stade I, et en réduisant l’analyse à un sous-ensemble de 112 gènes du métabolisme central du carbone, l’algorithme RF s’est démarqué avec une exactitude balancée de 97,5%, faisant de lui le plus performant pour la détection précoce.

Abstract

Ovarian cancer is characterized by symptoms that are often imperceptible in its early stages, delaying its diagnosis and contributing to a high mortality rate. Indeed, early detection is strongly correlated with better survival rates, yet current methods, such as medical imaging, remain costly and are not easily accessible to the entire population. It is therefore crucial to develop systematic, affordable, and easily deployable approaches based on simple analyses of routine biological samples to improve screening. In this context, this project proposes a method for the early detection of ovarian cancer using gene expression data from patient biopsies. Although these data currently come from cancerous tissues, transcriptomic profiles from a patient could be obtained from blood samples, thus paving the way for a more accessible and less invasive screening approach. By combining these transcriptomic data with supervised learning algorithms, this approach aims to differentiate patients with ovarian cancer from healthy ones. The tested algorithms include Logistic Regression (LR), Linear Support Vector Classification (Linear SVC), K-Nearest Neighbors (KNN), and Random Forest (RF). Based on the analysis of 13 110 gene expression levels from 578 patients, LR and KNN achieved a balanced accuracy of 99.9% for ovarian cancer detection. Furthermore, when focusing exclusively on healthy individuals and stage I ovarian cancer patients and narrowing the analysis to a subset of 112 genes, RF emerged as the most effective algorithm for early detection, achieving a balanced accuracy of 97.5%.