Étude de l’enzyme UGT2B28 et son rôle dans le cancer de la prostate

Contexte: L’inactivation des androgènes est majoritairement régulée par des enzymes du métabolisme de la famille des UDP-glucuronosyltransferase (UGT). Ce procédé métabolique permet de contrôler la biodisponibilité des hormones stéroïdiennes systémiques et locales. Objectif : L’objectif était d’étudier la relation entre l’expression de l’enzyme UDP-glucuronosyltransferase 2B polypeptide 28 (UGT2B28), impliquée dans la biotransformation des hormones, avec les niveaux hormonaux circulants, et les caractéristiques clinico-pathologiques dans le cancer de la prostate (CaP). Conception et participants : Nous avons utilisé dans cette étude la technique d’immunohostochimie à grande échelle (tissue microarray) sur les tissus de 239 patients ayant un CaP localisé. L’étude des 51 patients additionnels ne possédant pas l’enzyme UGT2B28 dans leur génome, a été effectuée pour confirmer l’importance de cette enzyme sur les niveaux hormonaux circulants. Résultats : La surexpression de l’enzyme UGT2B28 a été associée à des niveaux d’antigène prostatique spécifique (APS) au diagnostic plus faibles, à un score de Gleason plus élevé, à des marges et statuts nodaux positifs, et fut associée de façon indépendante au risque de progression. La surexpression de l’enzyme fut également associée à des niveaux circulants de testostérone (T) et dihydrotestostérone (DHT) plus élevés. Les patients n’exprimant pas le gène UGT2B28 avaient des niveaux plus bas de T (19%), de DHT (17%), de métabolites glucuronidés (18-38%), et des niveaux plus élevés du précurseur surrénalien androsténédione (36%). Conclusion : L’enzyme UGT2B28 modifie les niveaux circulants de T et DHT, et sa surexpression est associée avec un CaP à plus haut grade. Notre étude a permis de découvrir un nouveau rôle d’UGT2B28, celui de régulateur de la stéroïdogenèse, et a souligné l’interconnexion entre les capacités de biotransformation hormonale des cellules cancéreuses, des niveaux hormonaux, des caractéristiques clinicopathologiques et du risque de progression.

La mise en registre automatique des surfaces acquises à partir d’objets déformables

La mise en registre 3D (opération parfois appelée alignement) est un processus de transformation d’ensembles de données 3D dans un même système de coordonnées afin d’en aligner les éléments communs. Deux ensembles de données alignés ensemble peuvent être les scans partiels des deux vues différentes d’un même objet. Ils peuvent aussi être deux modèles complets, générés à des moments différents, d’un même objet ou de deux objets distincts. En fonction des ensembles de données à traiter, les méthodes d’alignement sont classées en mise en registre rigide ou non-rigide. Dans le cas de la mise en registre rigide, les données sont généralement acquises à partir d’objets rigides. Le processus de mise en registre peut être accompli en trouvant une seule transformation rigide globale (rotation, translation) pour aligner l’ensemble de données source avec l’ensemble de données cible. Toutefois, dans le cas non-rigide, où les données sont acquises à partir d’objets déformables, le processus de mise en registre est plus difficile parce qu’il est important de trouver à la fois une transformation globale et des déformations locales. Dans cette thèse, trois méthodes sont proposées pour résoudre le problème de mise en registre non-rigide entre deux ensembles de données (représentées par des maillages triangulaires) acquises à partir d’objets déformables. La première méthode permet de mettre en registre deux surfaces se chevauchant partiellement. La méthode surmonte les limitations des méthodes antérieures pour trouver une grande déformation globale entre deux surfaces. Cependant, cette méthode est limitée aux petites déformations locales sur la surface afin de valider le descripteur utilisé. La seconde méthode est s’appuie sur le cadre de la première et est appliquée à des données pour lesquelles la déformation entre les deux surfaces est composée à la fois d’une grande déformation globale et de petites déformations locales. La troisième méthode, qui se base sur les deux autres méthodes, est proposée pour la mise en registre d’ensembles de données qui sont plus complexes. Bien que la qualité que elle fournit n’est pas aussi bonne que la seconde méthode, son temps de calcul est accéléré d’environ quatre fois parce que le nombre de paramètres optimisés est réduit de moitié. L’efficacité des trois méthodes repose sur des stratégies via lesquelles les correspondances sont déterminées correctement et le modèle de déformation est exploité judicieusement. Ces méthodes sont mises en oeuvre et comparées avec d’autres méthodes sur diverses données afin d’évaluer leur robustesse pour résoudre le problème de mise en registre non-rigide. Les méthodes proposées sont des solutions prometteuses qui peuvent être appliquées dans des applications telles que la mise en registre non-rigide de vues multiples, la reconstruction 3D dynamique, l’animation 3D ou la recherche de modèles 3D dans des banques de données.