Modeling cancer drug response dynamics in single-cells to predict the emergence of drug-tolerant cells
Modélisation des dynamiques de réponse de cellules uniques aux anticancéreux pour prédire l'émergence des cellules tolérantes
Résumé
This thesis explores the initiation of apoptosis triggered by death-receptor agonist ligands, in isogenic tumoral populations, to study the emergence of drug-tolerant cells. To this end, we couple single-cell fluorescence data, from live-cell microscopy experiments, with mathematical modeling of extrinsic apoptosis signaling pathway, and machine learning techniques to achieve two aims. The first one is to better understand the dynamics of drug-tolerant cells, and the differences with respect to sensitive sister cells, that would explain the appearance of a tolerant phenotype. The second objective is to identify early signs of resistance in these clonal cells to forecast the first event leading to tolerance as early as possible. The inclusion of this prediction in our experimental protocol FATE-SEQ will allow us to obtain the molecular factors of innate cell states of resistance and sensitivity, preserving these states from the drug impact. In the long term, this protocol will allow to identify new therapeutic targets (genes, proteins, etc.) to create co-treatments, from the early pre-clinical stages of drug-development.
To develop a dynamical model for the apoptosis pathway, we first compare the role of several distinct components of this form of programmed cell death, to identify the dominant contributions. We then use single-cell experimental data to estimate the parameters of different mathematical models of extrinsic apoptosis initiation by death ligand to study the heterogeneous commitments to death, and find kinetic determinants (chemical reaction, proteins, or event specific timing) of cell decision. Finally, using these death signs as a predictive threshold, and coupling them with machine learning classifiers, we build a predictor of the future single-cell fate in response to death ligands for live-cell microscopy experiments.
La résistance des cellules aux traitements anticancéreux est la première cause d’échec thérapeutique en oncologie et sert de base pour évaluer l’efficacité des médicaments. Malgré des avancées considérables dans l’amélioration des traitements disponibles, et leur personnalisation, l’émergence de cellules tolérantes aux médicaments, et plus globalement leur dynamique, sont encore mal comprises.
Cette thèse explore l’initiation de l’apoptose déclenchée par les ligands agonistes des récepteurs de mort, dans des populations tumorales isogéniques, afin d’étudier l’émergence de cellules tolérantes aux médicaments. Dans ce but, nous couplons des données de fluorescence sur cellule unique, provenant d’expériences de microscopie sur cellules vivantes, avec la modélisation mathématique de la voie de signalisation de l’apoptose extrinsèque et des techniques d’apprentissage automatique pour atteindre deux objectifs. Le premier est de mieux comprendre la dynamique des cellules tolérantes aux médicaments et les différences par rapport aux cellules sœurs sensibles, qui pourraient expliquer l’apparition d’un phénotype tolérant. Le second objectif est d’identifier les signes précoces de résistance dans ces cellules clonales afin de prédire le plus tôt possible le premier événement menant à la tolérance. L’inclusion de cette prédiction dans notre protocole expérimental FATE-SEQ contribuera à obtenir les facteurs moléculaires des états cellulaires transitoires de résistance et de sensibilité, tout en préservant l’intégrité des cellules de l’impact du médicament. À long terme, ce protocole permettra d’identifier de nouvelles cibles thérapeutiques (gènes, protéines, etc.) pour la création de co-traitements, dès les premiers stades pré-cliniques du développement des médicaments.
Afin de développer un modèle dynamique pour la voie de l’apoptose, nous comparons d’abord le rôle de plusieurs composants de cette forme de mort cellulaire programmée, afin d’identifier les contributions dominantes. Nous utilisons ensuite des données expérimentales de cellules uniques pour estimer les paramètres de différents modèles mathématiques d’initiation de l’apoptose extrinsèque par ligands de mort, afin d’étudier les engagements hétérogènes vers la mort et de mettre en évidence les déterminants cinétiques (réaction chimique, protéines ou une chronologie spécifique) de la décision cellulaire. Enfin, en utilisant ces signes de mort comme seuil prédictif, et en les couplant avec des classificateurs d’apprentissage automatique, nous construisons un prédicteur du destin cellulaire en réponse à un ligand de mort pour les expériences de microscopie sur cellules uniques vivantes.
