Dépendance à FGFR3 et inhibiteurs en une requête
Dépendance à FGFR3 et inhibiteurs : 6 lignées DepMap sur 1178 en dépendent, 32 médicaments sont listés et le carcinome de la vessie figure parmi les maladies.
Données au 6 novembre 2026 · L’équipe BioQ

Dans DepMap, FGFR3 n'est pas essentiel de façon générale : 6 lignées cellulaires sur 1178 sont considérées comme dépendantes (0,5 %), et le gène n'est pas signalé comme essentiel commun. Les couches « médicaments » et « maladies » désignent pourtant ce gène avec netteté : 32 médicaments sont listés et le carcinome de la vessie figure parmi les principales associations d'Open Targets. Toutes les valeurs sont celles du 2026-11-06. Voici ce que donne l'analyse de la dépendance à FGFR3 et des inhibiteurs en une seule requête.
Ce que nous avons demandé
Nous avons posé une seule question sur un seul gène : que disent aujourd'hui les couches de données publiques sur FGFR3 ? Concrètement, cela revient à cinq vérifications que les chercheurs effectuent d'ordinaire dans des outils distincts :
- Les lignées de cellules cancéreuses ont-elles besoin de ce gène pour proliférer (dépendance CRISPR) ?
- Quels médicaments sont connus, et quelle est leur puissance ?
- Quelles maladies portent les preuves ?
- Dans quelles voies et avec quels partenaires ce gène s'inscrit-il ?
- Est-il surexprimé ou sous-exprimé dans les tumeurs ?
La requête était simplement FGFR3. BioQ l'a dirigée vers sept ressources et a renvoyé les blocs ci-dessous, chacun avec sa source et sa version.
Ce que BioQ a renvoyé sur la dépendance à FGFR3 et les inhibiteurs
L'exécution a nécessité 7 requêtes au moteur pour 0,75 seconde-moteur au total, en s'appuyant sur 7 ressources distinctes. Refaire la même chose à la main impliquerait d'ouvrir séparément DepMap, ChEMBL, Open Targets, ClinicalTrials.gov, CIViC, Reactome et STRING, puis de réconcilier les identifiants de gènes entre eux. Nous n'avons pas chronométré cette démarche et n'avançons donc rien à son sujet, hormis le nombre d'outils concernés.
Dépendance. Le bloc DepMap (version depmap_24q4, effet génique Chronos) couvre 1178 lignées cellulaires. L'effet génique moyen sur l'ensemble est de 0,064, proche de zéro. Le signal se concentre dans deux lignages :
| Lignée | Lignées cellulaires | Dépendante | % dépendantes | Effet génique moyen |
|---|---|---|---|---|
| Bladder/Urinary Tract | 34 | 3 | 8.8 | -0.029 |
| Lymphoid | 93 | 3 | 3.2 | 0.012 |
| Pleura | 21 | 0 | 0 | 0.031 |
| CNS/Brain | 90 | 0 | 0 | 0.041 |
| Peripheral Nervous System | 44 | 0 | 0 | 0.044 |
| Liver | 24 | 0 | 0 | 0.044 |
| Pancreas | 47 | 0 | 0 | 0.046 |
| Skin | 74 | 0 | 0 | 0.053 |

Médicaments. BioQ liste 32 médicaments pour FGFR3 et en montre ici les 8 premiers. La colonne de puissance indique la meilleure valeur pChEMBL exacte trouvée ; la colonne des essais compte les essais retrouvés par nom de médicament, et non par FGFR3.
| Médicament | Stade clinique maximal | Mécanisme | Meilleur pChEMBL exact | Type | Essais par nom |
|---|---|---|---|---|---|
| Erdafitinib | APPROVAL | Fibroblast growth factor receptor inhibitor | 10.18 | IC50 | 28 |
| Pemigatinib | APPROVAL | Fibroblast growth factor receptor 3 inhibitor | 10 | IC50 | 45 |
| Futibatinib | APPROVAL | Fibroblast growth factor receptor inhibitor | 9.49 | IC50 | 19 |
| Infigratinib | APPROVAL | Fibroblast growth factor receptor inhibitor | 9.18 | IC50 | 12 |
| Infigratinib Phosphate | APPROVAL | Fibroblast growth factor receptor inhibitor | 9.15 | IC50 | 1 |
| E-7090 | APPROVAL | Fibroblast growth factor receptor 3 inhibitor | 8.92 | IC50 | 0 |
| Ponatinib | APPROVAL | — | 8.66 | IC50 | 50 |
| Nintedanib | APPROVAL | Fibroblast growth factor receptor inhibitor | 8.23 | KI | 101 |
Preuves par maladie. Open Targets relie FGFR3 à 4677 maladies. Les six scores les plus élevés mêlent des maladies du squelette et un cancer :
| Maladie | Score d'association | Éléments de preuve |
|---|---|---|
| achondroplasia | 0.825 | 817 |
| thanatophoric dysplasia type 1 | 0.819 | 171 |
| urinary bladder carcinoma | 0.804 | 846 |
| hypochondroplasia | 0.802 | 298 |
| Crouzon syndrome-acanthosis nigricans syndrome | 0.802 | 86 |
| Muenke syndrome | 0.796 | 148 |
Les autres couches, en bref.
- CIViC contient 73 enregistrements pour FGFR3. Les cinq affichés concernent surtout le carcinome de la vessie. FGFR3 Mutation avec infigratinib et FGFR3 Y373C sont de niveau B, FGFR3 S249C avec pazopanib est de niveau C, et les entrées de la fusion FGFR3::BAIAP2L1 et de la surexpression de FGFR3 sont de niveau D.
- Reactome recense 37 voies. Les plus spécifiques sont Signaling by FGFR3 fusions in cancer, t(4;14) translocations of FGFR3 et FGFR3 mutant receptor activation.
- STRING v12 rapporte 1529 partenaires. Les six premiers sont des ligands FGF (FGF2, FGF8, FGF9, FGF1, FGF18, FGF13), avec des scores combinés de 997 à 999.
- TCGA/GTEx Toil fournit des données tumorales et normales pour FGFR3 dans 24 types de cancer. Parmi les six affichés, Kidney Chromophobe présente la plus forte variation, avec un log2 fold de -1,34, une valeur tumorale moyenne de 4,51 contre une valeur normale moyenne de 11,39. Cervical & Endocervical Cancer est à 0,53.
Ce que cela signifie et comment le lire
Trois constats méritent d'être vérifiés avant tout.
1. La dépendance est étroite, et c'est dans la vessie qu'elle apparaît. Tous lignages confondus, seules 6 lignées dépendent de FGFR3. Trois sont Bladder/Urinary Tract (3 sur 34, 8,8 %) et trois sont Lymphoid (3 sur 93, 3,2 %). La vessie est aussi le seul lignage affiché dont l'effet génique moyen est négatif (-0,029). Un gène peut compter beaucoup dans quelques lignées et rester proche de zéro en moyenne : la moyenne globale de 0,064 ne doit donc pas se lire comme « sans importance ».
2. Les couches « maladies » et « médicaments » concordent sur le carcinome de la vessie. Open Targets attribue au carcinome urothélial de la vessie (urinary bladder carcinoma) un score de 0,804 avec 846 éléments de preuve. Les enregistrements CIViC affichés sont dominés par le carcinome de la vessie, et le signal DepMap est le plus marqué dans le lignage vésical. Trois couches indépendantes pointent donc dans la même direction. Il faut néanmoins rester prudent avec le classement d'Open Targets : l'achondroplasie (0,825 ; 817 éléments de preuve) obtient un score plus élevé, et les affections squelettiques suivantes sont très proches. Cela reflète une biologie de gain de fonction germinal, qui est une question différente de la dépendance tumorale.
3. La puissance est élevée pour les médicaments affichés, mais le nombre d'essais n'indique pas la spécificité. L'erdafitinib a une meilleure pChEMBL exacte de 10,18 (IC50) et le pemigatinib de 10,0. Le nintedanib est à 8,23 et il s'agit d'une valeur de Ki, donc non directement comparable aux lignes IC50. Le ponatinib et le nintedanib affichent 50 et 101 essais par nom, mais ce sont deux agents multikinases. Ces nombres ne disent rien de l'usage dirigé contre FGFR3. Le champ « mécanisme » est vide pour le ponatinib, ce qui rappelle qu'il faut vérifier les annotations.
Là où les couches divergent, les différences sont instructives. L'expression ne suit pas la dépendance de manière simple : les tumeurs Kidney Chromophobe montrent moins de FGFR3 que le tissu normal, tandis que le cancer du col de l'utérus en montre davantage, et aucun des deux n'apparaît parmi les lignages dépendants. La seule variation d'expression est un mauvais indicateur des tumeurs qui reposent sur ce récepteur. Les preuves au niveau des variants dans CIViC (mutations, fusions) constituent une piste plus spécifique que l'expression globale.
Comment le reproduire dans BioQ
- Ouvrez BioQ et collez la requête exactement comme indiquée ci-dessous.
- Lancez-la et attendez le chargement des blocs.
- Lisez d'abord le bloc DepMap, puis comparez les lignes par lignage avec les blocs « maladies » et CIViC.
- Ouvrez le bloc des médicaments et vérifiez le type de puissance (IC50 ou Ki) avant de comparer les valeurs.
- Servez-vous de l'étiquette de source de chaque bloc pour consulter la version et l'enregistrement d'origine.
FGFR3
Ouvrir cette requête dans BioQ
- Pour affiner la question, ajoutez à la requête une maladie ou un nom de médicament, par exemple un lignage, et observez quels blocs changent.
Limites : ce que les données ne montrent pas
- La dépendance est une mesure CRISPR en lignées cellulaires. Une lignée n'est dite dépendante qu'en dessous d'un seuil Chronos nommé, constante choisie et non propriété de la biologie. Les lignées cellulaires n'ont pas non plus de microenvironnement tumoral, et le faible nombre de lignées par lignage entraîne une grande incertitude. Avec 34 lignées de vessie dont 3 dépendantes, le chiffre de 8,8 % est une estimation sur un petit échantillon.
- La dépendance n'indique pas le mécanisme. DepMap ne précise pas si les lignées dépendantes portent une mutation ou une fusion de FGFR3. Utilisez les blocs CIViC et Reactome pour formuler des hypothèses, et vérifiez vous-même le génotype des lignées.
- Les scores d'association ne sont pas des tailles d'effet. Un score Open Targets agrège des types de preuves et leur nombre. Il n'indique pas dans quelle mesure FGFR3 est moteur d'une maladie.
- La puissance n'est pas un bénéfice clinique. Les valeurs pChEMBL proviennent d'essais biochimiques ou cellulaires, et le tableau ne montre qu'une valeur par médicament. Elles ne disent rien de la sélectivité, de l'exposition, de la réponse des patients ni de la sécurité, et BioQ ne fournit pas de conseil thérapeutique.
- Le nombre d'essais correspond à des concordances de noms. Il inclut des essais sans rapport avec FGFR3.
- Les comparaisons TCGA/GTEx peuvent reposer sur peu de données. Certains types de cancer ont très peu d'échantillons normaux. Les lignes affichées comptent 1 échantillon normal pour Skin Cutaneous Melanoma et 3 pour Cervical & Endocervical Cancer. Les variations y sont fragiles.
- Seules les premières lignes sont montrées. Les tableaux présentent un sous-ensemble (8 médicaments sur 32, 5 enregistrements CIViC sur 73) : consultez les listes complètes avant de tirer des conclusions.
Données et méthode
Les chiffres de cette page ont été lus dans le moteur BioQ le 2026-11-06 (7 requêtes, 0.8 s de temps moteur au total). Les tableaux sont générés par du code à partir des réponses du moteur ; le texte ne fait que les expliquer.
/civic, /depmap, /drugs, /interaction, /ot_association, /pathway, /tcga
Exécutez vous-même la même requête dans BioQ : FGFR3
À usage de recherche uniquement. Cette page résume des données publiques et ne constitue pas un avis médical.
BioQ est un moteur de recherche IA et un agent dont l'objectif est de rendre la recherche en biologie 100 fois plus rapide. Interrogez-le dans l'application web, via l'API REST ou depuis Claude, ChatGPT ou Cursor grâce à MCP.
Requêtes utilisées
Questions fréquentes
FGFR3 est-il un gène essentiel commun dans DepMap ?
Non. Dans depmap_24q4, FGFR3 n'est pas signalé comme essentiel commun. Seules 6 lignées cellulaires sur 1178 sont considérées comme dépendantes (0,5 %), et l'effet génique moyen est de 0,064.
Quels lignages montrent une dépendance CRISPR à FGFR3 ?
Bladder/Urinary Tract compte 3 lignées dépendantes sur 34 (8,8 %) et Lymphoid 3 sur 93 (3,2 %). Les autres lignages des premières lignes ont 0 lignée dépendante.
Combien de médicaments sont listés pour FGFR3 et quelle est leur puissance ?
BioQ liste 32 médicaments. Parmi les 8 affichés, l'erdafitinib a la pChEMBL exacte la plus élevée, à 10,18 (IC50), suivi du pemigatinib à 10,0 et du futibatinib à 9,49.
Quelles maladies Open Targets associe-t-il le plus à FGFR3 ?
Open Targets relie FGFR3 à 4677 maladies. Les scores les plus élevés sont l'achondroplasie à 0,825 et la dysplasie thanatophore de type 1 à 0,819 ; le carcinome urothélial de la vessie suit à 0,804 avec 846 éléments de preuve.
Combien de temps prend la requête combinée sur FGFR3 dans BioQ ?
L'exécution a utilisé 7 requêtes au moteur sur 7 ressources distinctes et a duré 0,75 seconde-moteur au total.
Sources
- Jeu de données DepMap CRISPR Chronos gene effect (24Q4)
- Jeu de données Open Targets Platform; ChEMBL; Drug Repurposing Hub
- Jeu de données TCGA pan-cancer expression (UCSC Xena Toil recompute)
- Jeu de données CIViC: Clinical Interpretation of Variants in Cancer
- Jeu de données Reactome pathway knowledgebase
- Jeu de données STRING v12 protein-protein interactions
Les résultats proviennent de bases de données publiques à la date indiquée et peuvent changer. BioQ fournit des informations de recherche, pas des conseils médicaux.
Autres articles
Nouvelle étude sur CD4 : CAR-NK et rebond du VIH
Nouvelle étude sur CD4 (CAR-NK, rebond du VIH) mise en contexte avec BioQ : dépendance DepMap, maladies Open Targets, médicaments et voies Reactome.
Étude GSTM1 : lésion rénale induite par le cisplatine
Une étude de 2026 lie la perte de GSTM1 à une lésion rénale plus sévère sous cisplatine ; BioQ résume DepMap, Open Targets, ChEMBL, Reactome et STRING.
JAK2 vs TYK2 : dépendance et médicaments
JAK2 vs TYK2 dans DepMap et les bases de médicaments : 8 lignées sur 1178 dépendent de JAK2, 11 de TYK2 ; 47 médicaments connus pour JAK2, 20 pour TYK2.


