Diagnostiquer le cancer de l'ovaire grâce à la technologie SpiderMass
Diagnosing ovarian cancer with the SpiderMass technology
Cancer séreux de haut grade
Diagnostic en temps réel
Cancer
Mass spectrometry
Excision margins
Tumor microenvironment
Lipidomic
Pronostic
Ovaire -- Tumeurs
Diagnostic
Pronostic (médecine)
Spectrométrie de masse
Lipidomique
Micro-environnement tumoral
Marges chirurgicales
Les cancers de l'ovaire (OC) sont les cancers gynécologiques les plus mortels, entraînant plus de 200 000 décès chaque année dans le monde. Le diagnostic de ces cancers reste difficile et un diagnostic tardif entraîne un retard de prise en charge du patient réduisant alors ses chances de survie. Pour répondre à ce besoin clinique, nous avons développé un outil de diagnostic et pronostic en temps réel : le SpiderMass. Dans un premier temps, pour permettre un diagnostic précoce et une action préventive, nous nous sommes intéressés à l'origine du sous-type d'OC le plus agressif : le cancer séreux de haut grade (HGSOC). Suite à la découverte de marqueurs lipidiques et protéiques spécifiques des lésions pré-néoplasiques de la fimbria, nous avons mis en évidence les mécanismes sous-jacents liés à ces lésions et avons confirmé qu'elles étaient à l'origine du HGSOC. Dans un second temps, nous avons étudié l'ensemble des signatures moléculaires lipidiques spécifiques des différents sous-types d'OC afin de bâtir un modèle de classification via la technologie SpiderMass. Ce modèle, associant à la fois les données moléculaires et les données morphologiques des patients, a été capable de reconnaître l'ensemble des sous-types en temps réel ex vivo. Nous avons également développé un nouveau modèle d'imagerie par spectrométrie de masse permettant la visualisation directe des différentes cellules immunitaires au sein de tissus. Cela permet de fournir un diagnostic précis des différents types de cancer de l'ovaire et d'y associer un pronostic, étant donné que la survie du patient est étroitement liée à l'infiltration de cellules immunitaires au sein de la tumeur. Nous avons démontré que ce modèle d'imagerie est applicable à plusieurs types de cancer, incluant le cancer de l'ovaire et le glioblastome. Associé à ces modèles novateurs, le SpiderMass guide le chirurgien pendant l'opération pour réduire les marges d'exérèse et apporte un diagnostic et un pronostic fiable pour proposer le meilleur traitement au patient.
Ovarian cancer (OC) is the deadliest gynecological cancer, causing over 200,000 deaths worldwide every year. Diagnosis of OC is extremely difficult and late diagnosis leads to delays in patient management thus reducing the chances of survival. Against this backdrop, we have developed a real-time diagnostic and prognostic tool: SpiderMass. Initially, to enable early diagnosis and preventive action, we focused on the origin of the most aggressive OC subtype: high-grade serous cancer (HGSOC). Following the discovery of lipid and protein markers specific to pre-neoplastic lesions of the fimbria, we highlighted the underlying mechanisms linked to these lesions and confirmed that they were at the origin of HGSOC. Secondly, we studied all the lipid molecular signatures specific to the different OC subtypes to build a classification model using SpiderMass technology for diagnostic. This model, combining both molecular and patient morphological data, was able to recognize all subtypes in real time ex vivo. We have also developed a new mass spectrometry imaging model enabling direct visualization of different immune cells within tissues. This model provides an accurate diagnosis of the different types of ovarian cancer, and can associate a prognosis with them, given that patient survival is closely linked to the infiltration of immune cells within the tumor. We have demonstrated that this imaging model is applicable to several types of cancer, including ovarian cancer and glioblastoma. Combined with these innovative models, SpiderMass guides the surgeon during the operation to reduce excision margins and provides a reliable diagnosis and prognosis to propose the best treatment to the patient.
Electronic Thesis or Dissertation
Text
fr
en
PDF
27943627
https://pepite-depot.univ-lille.fr/LIBRE/EDBSL/2023/2023ULILS121.pdf
https://theses.hal.science/tel-04621990
https://theses.hal.science/tel-04621990
https://theses.hal.science/tel-04621990
https://theses.fr/2023ULILS121/abes
https://theses.hal.science/tel-04621990
https://theses.hal.science/tel-04621990
https://theses.hal.science/tel-04621990
Fallopian tube lesions as potential precursors of early ovarian cancer: a comprehensive proteomic analysis
Maxence Wisztorski
Soulaimane Aboulouard
Lucas Roussel
Marie Duhamel
Philippe Saudemont
Tristan Cardon
Fabrice Narducci
Yves-Marie Robin
Anne-Sophie Lemaire
Delphine Bertin
Nawale Hajjaji
Firas Kobeissy
Eric Leblanc
Isabelle Fournier
Michel Salzet
Springer Nature
en
2023
Text
Real-time glioblastoma tumor microenvironment assessment by SpiderMass for improved patient management
Yanis Zirem
Léa Ledoux
Lucas Roussel
Claude Alain Maurage
Pierre Tirilly
Émilie Le Rhun
Bertrand Meresse
Gargey Yagnik
Mark J Lim
Kenneth J Rothschild
Marie Duhamel
Michel Salzet
Isabelle Fournier
PMC
en
2024
Text
Roussel
Lucas
Roussel
1997-06-01
FR
278292305
https://theses.fr/2023ULILS121
2023ULILS121
https://doi.org/10.70675/749e619fz1aeez42d3za3b3zc9d35e0c1c39
2023-12-01
Recherche clinique, innovation technologique, santé publique
Université de Lille (2022-....)
259265152
Doctorat
Docteur es
oui
oui
Fournier
Isabelle
MADS_DIRECTEUR_DE_THESE_1
137267029
Launay
David
MADS_PRESIDENT_DU_JURY
073349364
Ayciriex
Sophie
MADS_MEMBRE_DU_JURY_1
149714882
Salzet
Michel
MADS_MEMBRE_DU_JURY_2
069436940
Hopfgartner
Gérard
MADS_RAPPORTEUR_1
191694614
Charles
Laurence
MADS_RAPPORTEUR_2
133327922
École graduée Biologie-Santé (Lille ; 2000-....)
MADS_ECOLE_DOCTORALE_1
147705126
Protéomique, Réponse Inflammatoire, Spectrométrie de Masse (PRISM)
MADS_PARTENAIRE_DE_RECHERCHE_1
443423
161573533
ddc:570
Fournier
Isabelle
Launay
David
Ayciriex
Sophie
Salzet
Michel
Hopfgartner
Gérard
Charles
Laurence
École doctorale Biologie-Santé (Lille ; 2000-....)
Protéomique, Réponse Inflammatoire, Spectrométrie de Masse (PRISM)
PDF
27943627