Une nouvelle étude appliquant des techniques multi-omiques et l'apprentissage automatique a identifié 33 protéines plasmatiques qui diffèrent considérablement chez les patients atteints de sclérose latérale amyotrophique (SLA). Les résultats suggèrent que la SLA pourrait être détectée jusqu'à 10 ans avant que les symptômes n'apparaissent, offrant une promesse de biomarqueurs diagnostiques fiables.
L'intégration des technologies avancées de séquençage à haut débit, telles que le séquençage du génome entier (WGS) pour la détection précoce de maladies rares, telles que la SLA, pourrait donner aux cliniciens et aux patients une fenêtre critique pour l'intervention médicale, améliorant finalement les résultats.
Sommaire
Piégé dans un corps paralysé
La SLA, anciennement connue sous le nom de maladie de Lou Gehrig, est une condition neurodégénérative rare. Il attaque les cellules nerveuses dans le cerveau et la moelle épinière, volant progressivement les gens de leur capacité à marcher, à parler et finalement respirer.
La sensibilisation du public à la SLA a augmenté rapidement en 2014 avec le défi de seau à glace. C'était une campagne sur les réseaux sociaux qui est devenue un phénomène mondial où des célébrités, des politiciens, des influenceurs et des gens de tous les jours versant des seaux d'eau glacée sur eux-mêmes pour susciter l'attention pour la maladie. L'association ASL a salué la campagne pour « accélérer considérablement la lutte contre la SLA ».
Malgré les progrès de la neurophysiologie et des tests génétiques, il n'y a toujours pas de test de diagnostic définitif. Les patients attendent souvent 6 à 18 mois pour un diagnostic pendant que la maladie progresse rapidement. La plupart des patients ne survivent que 2 à 4 ans après le début des symptômes.
Le diagnostic avant l'apparition des symptômes
Des chercheurs des États-Unis National Institutes of Health (NIH) ont analysé près de 3 000 protéines plasmatiques et identifié 33 qui étaient significativement différents chez les patients atteints de SLA.
L'étude, publiée dans Médecine de la nature En août, pointe vers la détection antérieure et plus précise de la maladie.
L'une des découvertes les plus significatives a été que les changements liés à la maladie dans les muscles squelettiques, les nerfs et le métabolisme énergétique ont commencé jusqu'à 10 ans avant l'apparition des symptômes. Cela ouvre la possibilité d'un diagnostic antérieur, d'une intervention antérieure et de traitements potentiellement plus efficaces.
Les chercheurs ont également étudié les patients atteints de SLA portant un C9ORF72 Expansion des gènes, un facteur génétique commun pour la SLA chez les personnes d'ascendance européenne. Ils ont trouvé huit protéines significativement élevées dans ce groupe, notamment EIF2S2, HPCAL1, JPT2, MTIF3, PDAP1 et SMAD3. Ces protéines peuvent servir de biomarqueurs précoces de progression de la maladie.
L'apprentissage automatique soutient la prédiction des risques
Les chercheurs ont comparé 10 approches d'apprentissage automatique différentes et ont constaté qu'un modèle forestier aléatoire, un type d'algorithme qui combine de nombreux arbres de décision, fonctionnait mieux pour la détection de la SLA. Ce modèle a utilisé 20 facteurs au total, dont 17 protéines plasmatiques ainsi que l'âge, le sexe et même le type de tube de collecte de sang.
Lorsqu'il est testé, le modèle a montré de fortes performances, avec une zone sous la courbe (AUC) de 96,2% et une précision équilibrée de 89,3%. Ces chiffres signifient que le modèle était très fiable dans la séparation des cas de SLA des cas non ALS.
L'équipe a ensuite validé son modèle dans un groupe beaucoup plus important de plus de 23 000 personnes. Le modèle a maintenu une précision extrêmement élevée de plus de 99% et pourrait clairement distinguer la SLA en dehors d'autres troubles neurologiques ou musculaires. Dans les deux groupes de validation externes, le modèle a atteint une précision moyenne de 98,3%, ce qui en fait un outil potentiel pour le diagnostic.
Au-delà du diagnostic, les chercheurs ont demandé si le modèle pouvait prédire quand les symptômes de la SLA commenceraient. Les résultats ont montré un lien clair entre le « score de risque » à base de protéines plasmatiques et l'apparition éventuelle des symptômes. Remarquablement, des changements de protéines pourraient être détectés jusqu'à 10 ans avant les premiers signes de la SLA, ce qui suggère que le corps subit des changements compensatoires bien avant que les patients ne remarquent quoi que ce soit de mal.
L'équipe a noté les limites car sa plate-forme d'analyse des protéines n'a pas saisi tous les changements possibles. Ils prévoient d'étendre les études futures avec des méthodes de protéomique plus larges et des ensembles de données longitudinaux pour affiner davantage leur modèle.
WGS pour tous les nouveau-nés
Le potentiel de détection précoce s'étend au-delà de la SLA. Au Royaume-Uni, le programme de génomes du nouveau-né, soutenu par 650 millions de livres sterling de financement gouvernemental, offrira un séquençage du génome entier (WGS) à chaque nouveau-né. Le programme vise à créer un dossier de santé numérique pour la surveillance à vie.
Le WGS est également essentiel pour détecter les maladies rares et les cancers de l'enfance causés par des mutations génétiques. Des services comme les WG humains de BGI Genomics offrent une vision complète et basée par base du génome, fournissant les données nécessaires à la détection précoce des risques et aux soins personnalisés.
Pour les nouveau-nés portant des mutations génétiques telles que C9ORF72WGS pourrait potentiellement avertir des décennies de risque de la SLA avant l'apparition des symptômes. Cela permettrait aux cliniciens de planifier des interventions qui pourraient ralentir la progression de la maladie, voire la prévenir lorsque de nouvelles thérapies cibles sont disponibles.
Cette étude marque une percée importante dans la recherche sur la SLA. Les protéines plasmatiques peuvent servir de biomarqueurs précoces, et les modèles d'apprentissage automatique pourraient transformer le diagnostic de réactif à prédictif. Combinée à des progrès dans le séquençage du génome, des conditions rares peuvent être détectées plus tôt et des interventions plus efficaces peuvent être appliquées, ce qui entraîne une amélioration des résultats des patients.
