Les chercheurs recommandent des stratégies pour améliorer l’exactitude des scores de risque polygéniques

Alors que l’industrie de la génétique grand public se développe rapidement, de plus en plus de personnes se tournent vers les services basés sur l’ADN pour connaître leur risque de développer un large éventail de maladies.

Cependant, les scores de risque de ces tests génétiques ne sont pas toujours aussi précis qu’ils pourraient l’être, selon une nouvelle étude de Scripps Research. Les scientifiques, dont les recherches apparaissent dans la revue Médecine génomique, examinez de nombreuses approches pour calculer les scores et recommandez aux organisations personnelles de génomique d’adopter des normes qui rehausseront la barre de l’exactitude.

Les scores de risque polygénique peuvent être des outils incroyablement utiles et abordables pour guider les décisions préventives en matière de santé. Étant donné l’utilité croissante de ces scores, il est important d’éliminer autant que possible la variabilité et de s’assurer que les données sont mises à jour régulièrement pour refléter les nouvelles connaissances issues des études génomiques. « 

Ali Torkamani, PhD, auteur principal de l’étude, directeur de la génomique et de l’informatique du génome au Scripps Research Translational Institute et professeur agrégé de biologie structurale et computationnelle intégrative à Scripps Research

Des entreprises comme 23andMe et Ancestry – ainsi que des dizaines d’autres – n’ont besoin que d’un petit échantillon de la salive d’une personne pour générer des estimations appelées «scores de risque polygénique», qui sont déterminées en comparant des extraits d’ADN d’un individu avec des résultats de grande taille. études génomiques à l’échelle. L’examen de ces petits segments de variation génomique, connus sous le nom de SNP, est plus rapide et beaucoup plus économique que le séquençage du génome entier d’une personne. Mais un inconvénient est que les résultats peuvent parfois varier de manière inattendue.

Torkamani note que dans la plupart des cas, le degré de fluctuation d’un score de risque est faible et ne change pas l’interprétation globale du résultat; la plupart des individus restent dans la même catégorie de risque. De plus, les fluctuations sont particulièrement mineures aux extrêmes de la distribution des risques, là où les implications du risque de maladie sont les plus critiques. Pourtant, toute variation peut entraîner une perte de confiance des consommateurs dans ces scores importants, et cela peut nuire à la santé préventive. Et dans certains cas rares, les scores peuvent fluctuer considérablement.

Pour leur étude, Torkamani et son équipe ont utilisé diverses méthodes de calcul des scores de risque polygénique pour des affections telles que la maladie coronarienne, la fibrillation auriculaire, le diabète de type 2, la maladie d’Alzheimer, le glaucome et le cancer du sein. Ils ont constaté que quelle que soit la méthode utilisée, les algorithmes de calcul sont susceptibles d’introduire une variabilité aléatoire pour les individus en raison de la manière dont les calculs intègrent les données d’études génétiques au niveau de la population.

Pour réduire la variabilité des scores de risque polygéniques individuels, l’équipe recommande d’exécuter les algorithmes plusieurs fois, ce qui aiderait à lisser les imperfections aléatoires. En prêtant attention aux éléments variables dans un calcul de score, des mesures peuvent être prises pour éliminer ces éléments ou créer une moyenne, explique Torkamani.

«Bien que nous ayons identifié certains défis clairs dans l’application des outils de génétique des populations à l’analyse génétique au niveau individuel, nous voyons également des moyens de surmonter ces problèmes pour produire des résultats qui inspireront confiance», dit-il.

Lui et son équipe ont décidé de poursuivre l’étude après avoir mis à jour un projet différent qu’ils ont développé appelé MyGeneRank, qui prédit le risque de maladie cardiaque et d’autres conditions en examinant des marqueurs génétiques spécifiques. Ils ont cherché à identifier un processus de calcul qui conduirait au plus haut degré de stabilité et de précision face à un score qui devrait évoluer avec le temps à mesure que de nouvelles données deviennent disponibles.

Les recommandations formulées dans la nouvelle étude pourraient aider les entreprises de génomique personnelle à améliorer la qualité des scores qu’elles délivrent aux clients – et, en fin de compte, encourager davantage de personnes à prendre des mesures de santé préventives intelligentes en fonction de ce qu’elles apprennent dans les rapports de génotypage.