OpenRNA : couche de coordination pour les vaccins à ARNm en oncologie

# OpenRNA : Comment une couche de coordination ouverte accélère le développement de vaccins anticancéreux à ARNm personnalisés

Les données cliniques confirment l'efficacité des vaccins à ARNm personnalisés en oncologie, mais leur adoption généralisée est entravée par le manque d'outils standardisés de gestion de flux de travail. OpenRNA est le premier projet open source qui combine des pipelines bioinformatiques, des exigences réglementaires et des protocoles cliniques en un système d'orchestration unifié.

Des données cliniques aux défis systémiques

Les études modernes démontrent un moment décisif en thérapie anticancéreuse. Les données de l'essai de phase III KEYNOTE-942 (Moderna/Merck) ont montré une réduction de 49 % du risque de récidive du mélanome avec l'utilisation du vaccin à ARNm personnalisé V940 en combinaison avec le pembrolizumab. Des résultats similaires sont observés dans les études sur le cancer du pancréas : les répondeurs présentent une survie sans récidive médiane dépassant 3,2 ans contre 13,4 mois pour les non-répondeurs. Ces chiffres indiquent une transition de l'expérimentation vers une production standardisée.

Cependant, chaque patient nécessite un cycle de production unique : séquençage de la tumeur, prédiction de néoantigènes, conception de constructs ARNm et encapsulation dans des nanoparticules lipidiques. Avec un cycle cible de 4 semaines, l'automatisation de toutes les étapes est cruciale. Les solutions existantes ne couvrent pas l'ensemble des tâches :

• Nextflow et nf-core/sarek gèrent les pipelines bioinformatiques
• pVACtools classe les néoantigènes
• LinearDesign conçoit les ARNm

En parallèle, il n'existe aucun système pour gérer le processus de bout en bout, de la réception des échantillons au suivi de la réponse immunitaire, conforme aux normes réglementaires FDA (21 CFR Part 11) et EMA (ATMP).

Architecture d'OpenRNA : Ports de domaine et adaptateurs

OpenRNA est construit sur les principes de l'architecture propre avec 17 ports de domaine isolant la logique métier des détails techniques. Les interfaces clés sont concentrées en deux couches :

Couche de flux de travail scientifique :

• IConstructDesigner pour générer les constructs
• IHlaConsensusProvider pour le consensus de typage HLA
• INeoantigenRankingEngine pour le classement des épitopes
• IWorkflowOrchestrator pour la gestion des pipelines

Couche de conformité réglementaire :

• IAuditSignatureProvider pour les pistes d'audit
• IConsentTracker pour la gestion des consentements
• IStateMachineGuard pour le contrôle des transitions d'état

Exemple d'implémentation d'un port pour la conception de constructs :

// src/ports/IConstructDesigner.ts
export interface ConstructDesignRequest {
  caseId: string;
  rankedCandidates: RankingRationale[];
  deliveryModality?: DeliveryModality;
}
export interface IConstructDesigner {
  designConstruct(request: ConstructDesignRequest): Promise<ConstructDesignPackage>;
}

Le système utilise une usine de dépendances unique, éliminant la création directe d'objets via new dans la logique métier :

export function createApp(dependencies: AppDependencies = {}) {
  const {
    modalityRegistry,
    constructDesigner,
    workflowRunner,
    store,
    // ...
  } = resolveAppDependencies(dependencies);
  // ...
}

Par défaut, des adaptateurs en mémoire sont activés pour le développement. Pour les environnements de production, des adaptateurs PostgreSQL sont connectés via des variables d'environnement, sans affecter la logique de domaine.

Gestion du cycle de vie du patient dans un environnement réglementé

Les processus cliniques exigent une modélisation explicite de tous les états possibles. OpenRNA implémente une machine à états finis avec 15 états, incluant des étapes intermédiaires et des scénarios de rollback :

INTAKING -> AWAITING_CONSENT -> READY_FOR_WORKFLOW -> WORKFLOW_REQUESTED
-> WORKFLOW_RUNNING -> WORKFLOW_COMPLETED -> QC_PASSED -> AWAITING_REVIEW
-> APPROVED_FOR_HANDOFF -> HANDOFF_PENDING
// États supplémentaires pour les erreurs :
WORKFLOW_CANCELLED, QC_FAILED, REVISION_REQUESTED

Chaque transition génère un événement de domaine avec des attributs immuables :

• correlationId pour le traçage de bout en bout
• Horodatage avec précision nanoseconde
• Contexte d'exécution (utilisateur, rôle, IP)

Cela répond aux exigences FDA 21 CFR Part 11 pour les enregistrements électroniques et permet une reconstruction complète de l'historique de traitement de chaque cas. Le port IStateMachineGuard bloque les transitions invalides — par exemple, tenter d'approuver un vaccin sans passer le contrôle QC.

Support des modalités ARN : Stratégie, pas spéculation

L'architecture d'OpenRNA supporte nativement trois modalités de délivrance :

• ARNm — modalité de base avec des données de phase III (30-100 μg/dose)
• saARN — ARN auto-amplifiant (5 μg/dose, comme dans ARCT-154)
• ARNc — ARN circulaire à stabilité renforcée

Cette décision est étayée par des perspectives cliniques : bien que seul l'ARNm ait complété la phase III à ce jour, le saARN dispose déjà de médicaments approuvés (ARCT-154 pour la COVID-19), et l'ARNc est en développement actif. Dans le système, les modalités sont gérées via IModalityRegistry, où les administrateurs peuvent activer/désactiver les options :

const sampleTypes = [
  "TUMOR_DNA", "NORMAL_DNA", "TUMOR_RNA", "FOLLOW_UP"
] as const;

Le typage Zod assure la correction des données d'entrée à toutes les étapes. La logique métier reste inchangée lors du changement de modalités — seul l'adaptateur de génération de constructs change.

Points clés

• Prêt réglementaire : OpenRNA respecte les normes FDA 21 CFR Part 11 et EMA ATMP grâce à des événements d'audit immuables et des transitions d'état contrôlées
• Flexibilité architecturale : 17 ports de domaine permettent d'échanger les composants (Nextflow → Snakemake, pVACtools → MHCflurry) sans réécrire la logique métier
• Pertinence clinique : Le support de trois modalités ARN prend en compte les données actuelles et les évolutions futures, avec l'ARNm comme fondation

Le projet montre comment une approche open source peut relever des défis auparavant verrouillés derrière des systèmes pharmaceutiques propriétaires. Avec 440 tests et 95 % de couverture de code, OpenRNA fournit aux équipes de recherche un outil pour lancer des essais cliniques initiés par des investigateurs sans budgets de plusieurs millions de dollars. Pour les développeurs, c'est un exemple d'application de l'architecture propre dans des environnements hautement réglementés — où manquer une seule étape pourrait coûter la vie à un patient.

— Editorial Team