L’identification des personnes les plus à risque de développer des maladies chroniques courantes telles que les maladies cardiaques, le diabète, la maladie d’Alzheimer et le cancer est une priorité fondamentale de la médecine préventive. En détectant tôt les risques élevés, les médecins peuvent mettre en œuvre des interventions liées au mode de vie, une surveillance plus étroite et des thérapies ciblées pour potentiellement retarder, voire prévenir l’apparition et la progression de la maladie.
Les modèles traditionnels d’évaluation des risques basés uniquement sur des facteurs tels que l’âge, les antécédents familiaux et les mesures cliniques standard ne parviennent souvent pas à saisir toute l’étendue de la susceptibilité héréditaire et biologique d’un individu.
Une nouvelle étude démontre la puissance de l’intégration d’une analyse de pointe du microbiome dans des modèles de prévision des risques de maladie, ouvrant la voie à des stratégies préventives plus personnalisées et plus efficaces.
Université d’État de l’Arizona Qiyun Zhu fait partie d’une équipe de recherche internationale, dirigée par Yang Liu de l’Université de Cambridge, qui étudie la manière dont la microbiomique peut affiner les mesures du risque de maladie.
La microbiomique examine les relations complexes entre un hôte et ses micro-organismes, notamment les bactéries, les virus et les champignons, afin de discerner leurs effets sur la santé, la progression de la maladie et le bien-être général.
Qiyun Zhu
Zhu est chercheur au Centre de biodesign pour la microbiomique fondamentale et appliquée et un professeur adjoint avec l’ASU École des sciences de la vie.
L’étude était le fruit d’un effort collaboratif impliquant des experts d’institutions du monde entier, notamment l’Université de Cambridge, le Baker Heart and Diabetes Institute, l’Institut finlandais pour la santé et le bien-être social et l’Université de Californie à San Diego. Cette équipe diversifiée a combiné son expertise en génomique, microbiomique, épidémiologie et biologie computationnelle pour faire avancer la recherche innovante.
L’étude apparaît dans le numéro actuel de la revue Nature Aging.
Défis diagnostiques
La détection précoce de nombreuses maladies reste cruciale pour une thérapie réussie. Malgré des progrès significatifs dans la découverte des maladies, le diagnostic précoce de nombreuses affections courantes reste une science inexacte. Mais la recherche sur la vaste composition de cultures microbiennes intestinales du corps offre de nouvelles informations sur la susceptibilité aux maladies.
Le microbiome intestinal constitue un énorme réservoir de vie microbienne. Ces communautés complexes de micro-organismes peuvent agir en synergie, effectuant diverses tâches allant des activités digestives et de la gestion du poids aux changements cérébraux censés influencer le comportement.
En combinant trois composants complémentaires – facteurs de risque cliniques, score de risque polygénique (un nombre qui indique le risque héréditaire d’une personne de développer une maladie particulière) et analyse du microbiome intestinal – les chercheurs ont pu développer des modèles prédictifs intégrés qui ont surpassé n’importe quel composant seul dans prévoir le risque de maladie sur un suivi à long terme.
La nouvelle étude rassemble des données sur la santé de plus de 5 670 adultes, menées en collaboration par le Baker Heart and Diabetes Institute, l’Université de Cambridge et l’Institut finlandais de la santé et du bien-être.
L’évaluation conventionnelle des risques de maladie repose généralement sur des facteurs tels que l’âge, le sexe, l’indice de masse corporelle, la tension artérielle, les taux de cholestérol et les mesures de glycémie. En exploitant de nouveaux flux de données puissants combinant des scores de risque polygénique avec l’analyse de la composition microbienne intestinale, les modèles prédictifs sont améliorés, améliorant ainsi la capacité des médecins à identifier les personnes présentant un risque élevé et à adapter les stratégies de prévention à leur profil biologique unique.
Dans cette étude, les chercheurs ont étudié les performances prédictives individuelles et combinées des scores de risque polygénique, du microbiome intestinal et des facteurs de risque traditionnels pour le développement d’une future maladie coronarienne, du diabète de type 2, de la maladie d’Alzheimer et du cancer de la prostate sur une période médiane d’environ 18 ans. -à l’aide d’une enquête de population connue sous le nom de FINRISK.
Analyse à plusieurs volets
La multi-omique fait référence à l’intégration et à l’analyse de données provenant de plusieurs domaines pour acquérir une compréhension plus complète des systèmes et processus biologiques. Cette approche vise à fournir une vision holistique de la manière dont les niveaux génétiques, transcriptomiques, protéomiques et métabolomiques interagissent au sein d’un organisme, offrant ainsi un aperçu de questions biologiques complexes et de maladies qui ne peuvent être comprises par les seules études mono-omiques.
Les technologies multi-omiques ont découvert de nouveaux biomarqueurs pour diverses maladies courantes liées à l’âge. Si les personnes présentant un risque élevé de ces maladies chroniques répandues peuvent être signalées précocement grâce à une modélisation prédictive intégrant des biomarqueurs multi-omiques, des interventions préventives pourraient alors être appliquées aux groupes à haut risque avant l’apparition ou la progression de la maladie.
Des stratégies préventives précoces telles que des modifications du mode de vie, une surveillance accrue, des médicaments préventifs ou des thérapies ciblant des mécanismes biologiques spécifiques pourraient potentiellement retarder, voire éviter la manifestation des symptômes et des complications de la maladie.
À mesure que les technologies multi-omiques continuent de progresser, leur intégration dans des modèles prédictifs robustes est prometteuse pour ouvrir la voie à une ère de prévention de précision où des plans de prévention personnalisés peuvent être adaptés en fonction du profil biomoléculaire et du paysage des risques uniques de chaque individu.
« La combinaison de la multiomique et de l’apprentissage automatique révolutionne la façon dont nous diagnostiquons les maladies et prévoyons les risques de maladie », déclare Zhu. « La microbiomique est l’une des « omiques » essentielles parmi celles-ci. »
La nouvelle étude démontre le potentiel de l’intégration de diverses données multi-omiques, notamment la composition microbienne intestinale, pour faire progresser la compréhension du développement et de la prévision des maladies. Il reste des défis à relever pour intégrer correctement les diverses données afin de fournir les meilleures analyses de risque et d’améliorer les options de traitement.
2024-03-27 02:02:14
1711495626
#Étude #combinant #des #informations #sur #les #gènes #les #bactéries #intestinales #améliore #détection #précoce #des #maladies