Une nouvelle étude dans la revue Médecine naturelle analyse les changements longitudinaux et transversaux des analytes sanguins associés aux variations de l’indice de masse corporelle (IMC).
Étude: Les signatures multiomiques de l’indice de masse corporelle identifient des phénotypes de santé hétérogènes et des réponses à une intervention sur le mode de vie. Crédit d’image : jivacore / Shutterstock.com
Sommaire
Les effets de l’obésité sur la santé
La prévalence de l’obésité a augmenté au cours des quatre dernières décennies chez les adolescents, les adultes et les enfants à travers le monde. Plusieurs études ont rapporté que l’obésité est un facteur de risque majeur pour de multiples maladies chroniques telles que le syndrome métabolique (MetS), le diabète sucré de type 2 (T2DM), les maladies cardiovasculaires (MCV) et certains types de cancer.
Même une perte de poids de 5 % chez les personnes obèses peut améliorer la santé métabolique et cardiovasculaire, ainsi que réduire le risque de maladies chroniques liées à l’obésité. Cependant, il a été rapporté que les manifestations physiologiques de l’obésité varient considérablement d’un individu à l’autre.
Comment mesure-t-on l’obésité ?
La quantification de l’obésité se fait à l’aide de l’IMC anthropométrique, qui est le poids corporel divisé par la taille au carré. L’IMC est généralement utilisé pour le diagnostic principal de l’obésité, ainsi que pour évaluer l’efficacité des interventions sur le mode de vie.
Cependant, il existe certaines limites à l’utilisation de l’IMC comme mesure de la santé. Par exemple, l’IMC peut entraîner une classification erronée des personnes ayant un rapport muscle/graisse élevé en tant que personnes obèses et mal évaluer les améliorations métaboliques de la santé après l’exercice.
Des études sur les omiques ont indiqué que les profils omiques du sang peuvent fournir des informations sur plusieurs problèmes de santé humaine. Un modèle d’apprentissage automatique qui a été formé pour prédire l’IMC via 49 métabolites sanguins associés à l’IMC a fourni de meilleures mesures cliniques liées à l’obésité par rapport à la prédisposition génétique à un IMC élevé ou à un IMC observé.
Un autre modèle d’IMC basé sur la métabolomique sanguine a également signalé des différences entre les individus avec ou sans syndrome coronarien aigu. Cela suggère que le profilage sanguin multi-omique peut aider à combler le fossé entre l’IMC et les états physiologiques hétérogènes.
À propos de l’étude
L’étude actuelle impliquait le recrutement de personnes ayant participé à un programme de bien-être par une société commerciale entre 2015 et 2019. Les individus étaient inclus dans l’étude actuelle s’ils avaient plus de 18 ans, des résidents de n’importe quel État américain à l’exception de New York, et non enceinte.
Les participants ont été inclus si leurs ensembles de données contenaient toutes les principales mesures omiques, les informations génétiques et une mesure de l’IMC dans les 1,5 mois suivant le premier prélèvement sanguin. La cohorte externe a été obtenue à partir de participants qui ont participé au registre TwinsUK et ont subi deux visites cliniques ou plus pour un échantillonnage biologique entre 1992 et 2022. Seuls les participants dont les ensembles de données contenaient toutes les mesures pour la métabolomique, les mesures cliniques standard liées à l’obésité et l’IMC ont été inclus dans le étude actuelle.
Des échantillons de sang périphérique, de salive et de selles ont été prélevés sur les participants pour l’analyse de l’ascendance génétique, la mesure des omiques du sang et la génération de données sur le microbiome intestinal. Des informations sur la taille, le poids, la tension artérielle, le tour de taille et l’activité physique quotidienne ont également été recueillies.
L’analyse de la métabolomique sanguine, de l’IMC, des données sur le microbiome intestinal et de l’IMC des visites de référence a eu lieu pour les participants de TwinsUK. Des modèles d’apprentissage automatique ont été formés pour prédire l’IMC de base pour chacune des plateformes omiques, y compris la protéomique, la métabolomique et le laboratoire clinique, ou en combinaison avec l’IMC basé sur les laboratoires cliniques (chimie) (ChemBMI), l’IMC basé sur la protéomique (ProtBMI), la métabolomique- basés sur l’IMC (MetBMI) et les modèles d’IMC combinés basés sur les omiques (CombiBMI). Dix autres modèles clairsemés ajustés ont été générés à l’aide de l’algorithme de l’opérateur de sélection et de retrait le moins absolu (LASSO) pour chaque catégorie d’omiques.
Cela a été suivi par la classification de la santé de chaque participant sur la base des normes internationales de l’Organisation mondiale de la santé (OMS) pour les seuils d’IMC. Des modèles de microbiome intestinal ont également été générés pour la classification de l’obésité. Des évaluations des changements longitudinaux ont eu lieu dans les IMC mesurés et déduits par les omiques. Enfin, une analyse du réseau de corrélation plasma analyte a été réalisée.
Résultats de l’étude
Au total, 1 277 adultes ont participé à l’étude, dont la plupart étaient des Blancs, des femmes et d’âge moyen. La prévalence de l’IMC au départ était similaire dans les classes normale, en surpoids et obèse.
Les modèles ont retenu 30 protéines, 62 métabolites, 20 tests de laboratoire clinique, ainsi que 132 analytes. Le modèle CombiBMI s’est avéré être le meilleur pour la prédiction de l’IMC.
L’enquête sur la cohorte TwinsUK a indiqué que la métabolomique sanguine capture mieux l’IMC par rapport aux mesures cliniques standard. Notamment, l’IMC induit par les omiques a conservé les caractéristiques de l’IMC classique.
Les protéines étaient les prédicteurs les plus puissants du modèle CombiBMI. Plus précisément, la protéine de liaison aux acides gras 4 (FABP4), l’adrénomédulline (ADM) et la leptine (LEP) étaient des régulateurs positifs, tandis que le récepteur spécifique du produit final de glycosylation avancée (AGER) et la protéine de liaison au facteur de croissance analogue à l’insuline 1 ( IGFBP1) étaient des régulateurs négatifs.
Le taux d’erreur de classification de l’IMC induit par les omiques était d’environ 30 % dans toutes les classes d’IMC et les catégories d’omiques. Les groupes non appariés de la classe d’IMC normal ont montré des valeurs plus élevées des marqueurs positivement associés à l’IMC et des valeurs plus faibles des marqueurs négativement associés à l’IMC, alors que l’inverse a été observé pour le groupe non apparié de la classe d’IMC obèse. Le modèle d’IMC basé sur les omiques a également capturé les caractéristiques de l’obésité, y compris l’obésité abdominale.
La classe MetBMI reflétait mieux la diversité bactérienne que la classe standard d’IMC et avait des associations plus fortes avec les caractéristiques du microbiome intestinal. Les interventions sur le mode de vie ont diminué l’estimation globale de l’IMC de l’ensemble de la cohorte, où la diminution du MetBMI était la plus élevée et celle du ProtBMI était la plus faible.
Un total de 100 paires de corrélations analyte-analyte ont été significativement modifiées par le MetBMI de base. Parmi eux, 27 paires de corrélation analyte-analyte ont été modifiées de manière significative par les jours dans le programme et ont été principalement dérivées de métabolites.
Une de ces paires variant dans le temps était l’homoarginine et le phényllactate (PLA). Une association positive entre l’homoarginine et le PLA a été observée dans la classe MetBMI obèse au départ, qui s’est affaiblie au cours de l’intervention.
conclusion
La présente étude démontre l’importance du profilage sanguin multi-omique pour la médecine préventive et prédictive. De plus, ces résultats démontrent que la caractérisation multi-omique de l’obésité peut être utile pour caractériser la santé métabolique, ainsi que pour identifier des cibles pour la gestion de la santé.
Limites
L’étude comporte certaines limites. Premièrement, les analytes retenus dans les modèles basés sur les omiques pourraient ne pas avoir de relations causales avec les phénotypes d’obésité. Deuxièmement, l’étude n’a pas mesuré toutes les biomolécules dans le sang.
Une limitation supplémentaire est que l’étude actuelle n’a pas été en mesure d’évaluer l’efficacité de l’intervention sur le mode de vie. Les résultats de l’étude ne sont pas non plus généralisables.
