L’apprentissage automatique des dimensions du comportement cérébral révèle quatre sous-types de troubles du spectre autistique liés à des voies moléculaires distinctes. Ici, le cube de prisme 3D représente l’apprentissage automatique des trois dimensions du comportement cérébral, gravées sur le verre du prisme. La lumière blanche ou “données” passe dans le prisme ou “algorithme d’apprentissage automatique”, se divisant en quatre chemins lumineux colorés qui représentent le spectre des personnes autistes dans les quatre sous-types d’autisme. L’arrière-plan peint d’un tableau de séquençage représente les associations moléculaires des sous-types d’autisme. Crédit : Weill Cornell Medicine ; Dr Amanda Buch
Des chercheurs de Weill Cornell Medicine ont identifié quatre sous-types distincts de
” data-gt-translate-attributes=”[{“attribute=””>troubleduspectreautistique[{“attribute=””>autismspectrumdisorder à travers
” data-gt-translate-attributes=”[{“attribute=””>apprentissageautomatique[{“attribute=””>machinelearning analyse des données de neuroimagerie, ouvrant potentiellement la voie à des traitements plus personnalisés.
Selon une étude des chercheurs de Weill Cornell Medicine, les personnes atteintes de troubles du spectre autistique peuvent être classées en quatre sous-types distincts en fonction de leur activité cérébrale et de leur comportement.
L’étude, publiée le 9 mars dans la revue Neurosciences naturelles, ont exploité l’apprentissage automatique pour analyser les données de neuroimagerie nouvellement disponibles de 299 personnes atteintes d’autisme et de 907 personnes neurotypiques. Ils ont trouvé des schémas de connexions cérébrales liés à des traits comportementaux chez les personnes autistes, tels que la capacité verbale, l’affect social et les comportements répétitifs ou stéréotypés. Ils ont confirmé que les quatre sous-groupes d’autisme pouvaient également être répliqués dans un ensemble de données distinct et ont montré que les différences d’expression régionale des gènes et les interactions protéine-protéine expliquent les différences cérébrales et comportementales.
“Comme de nombreux diagnostics neuropsychiatriques, les personnes atteintes de troubles du spectre autistique éprouvent de nombreux types de difficultés d’interaction sociale, de communication et de comportements répétitifs. Les scientifiques pensent qu’il existe probablement de nombreux types différents de troubles du spectre autistique qui pourraient nécessiter des traitements différents, mais il n’y a pas de consensus sur la façon de les définir », a déclaré le co-auteur principal, le Dr Conor Liston, professeur agrégé de psychiatrie et de neurosciences au Institut de recherche sur le cerveau et l’esprit de la famille Feil à Weill Cornell Medicine. “Notre travail met en évidence une nouvelle approche pour découvrir les sous-types d’autisme qui pourraient un jour conduire à de nouvelles approches de diagnostic et de traitement.”
Une étude précédente publiée par le Dr Liston et ses collègues dans Nature Medicine en 2017 a utilisé des méthodes d’apprentissage automatique similaires pour identifier quatre sous-types de dépression biologiquement distincts, et des travaux ultérieurs ont montré que ces sous-groupes réagissent différemment aux diverses thérapies contre la dépression.
“Si vous placez les personnes souffrant de dépression dans le bon groupe, vous pouvez leur attribuer la meilleure thérapie”, a déclaré l’auteur principal, le Dr Amanda Buch, associée postdoctorale en neurosciences en psychiatrie à Weill Cornell Medicine.
S’appuyant sur ce succès, l’équipe a entrepris de déterminer s’il existe des sous-groupes similaires parmi les personnes autistes et si différentes voies génétiques les sous-tendent. Elle a expliqué que l’autisme est une maladie hautement héréditaire associée à des centaines de gènes qui ont une présentation variée et des options thérapeutiques limitées. Pour étudier cela, le Dr Buch a lancé de nouvelles analyses pour intégrer les données de neuroimagerie aux données d’expression génique et à la protéomique, les introduisant au laboratoire et permettant de tester et de développer des hypothèses sur la façon dont les variantes de risque interagissent dans les sous-groupes d’autisme.
“L’un des obstacles au développement de thérapies pour l’autisme est que les critères de diagnostic sont larges et s’appliquent donc à un groupe important et phénotypiquement diversifié de personnes avec différents mécanismes biologiques sous-jacents”, a déclaré le Dr Buch. « Pour personnaliser les thérapies pour les personnes autistes, il sera important de comprendre et de cibler cette diversité biologique. Il est difficile d’identifier la thérapie optimale quand tout le monde est traité comme étant le même, quand chacun est unique.
Jusqu’à récemment, il n’y avait pas suffisamment de collections de données d’imagerie par résonance magnétique fonctionnelle de personnes autistes pour mener des études d’apprentissage automatique à grande échelle, a noté le Dr Buch. Mais un grand ensemble de données créé et partagé par le Dr Adriana Di Martino, directeur de recherche du Centre de l’autisme du Child Mind Institute, ainsi que d’autres collègues à travers le pays, a fourni le grand ensemble de données nécessaires à l’étude.
“De nouvelles méthodes d’apprentissage automatique capables de traiter des milliers de gènes, des différences d’activité cérébrale et de multiples variations de comportement ont rendu l’étude possible”, a déclaré le co-auteur principal, le Dr Logan Grosenick, professeur adjoint de neurosciences en psychiatrie à Weill Cornell Medicine, qui a été le pionnier des techniques d’apprentissage automatique utilisées pour le sous-typage biologique dans les études sur l’autisme et la dépression.
Ces avancées ont permis à l’équipe d’identifier quatre groupes cliniquement distincts de personnes autistes. Deux des groupes avaient une intelligence verbale supérieure à la moyenne. Un groupe présentait également de graves déficits de communication sociale mais des comportements moins répétitifs, tandis que l’autre avait des comportements plus répétitifs et moins de déficience sociale. Les connexions entre les parties du cerveau qui traitent les informations visuelles et aident le cerveau à identifier les informations entrantes les plus saillantes étaient hyperactives dans le sous-groupe avec plus de déficience sociale. Ces mêmes connexions étaient faibles dans le groupe avec des comportements plus répétitifs.
“Il était intéressant au niveau des circuits cérébraux qu’il y ait des réseaux cérébraux similaires impliqués dans ces deux sous-types, mais les connexions dans ces mêmes réseaux étaient atypiques dans des directions opposées”, a déclaré le Dr Buch, qui a terminé son doctorat à la Weill Cornell Graduate School. des sciences médicales dans le laboratoire du Dr Liston et travaille maintenant dans le laboratoire du Dr Grosenick.
Les deux autres groupes avaient de graves déficiences sociales et des comportements répétitifs, mais avaient des capacités verbales aux extrémités opposées du spectre. Malgré certaines similitudes comportementales, les chercheurs ont découvert des schémas de connexion cérébrale complètement distincts dans ces deux sous-groupes.
L’équipe a analysé l’expression des gènes qui expliquait les connexions cérébrales atypiques présentes dans chaque sous-groupe afin de mieux comprendre ce qui causait les différences et a découvert que de nombreux gènes étaient auparavant liés à l’autisme. Ils ont également analysé les interactions de réseau entre les protéines associées aux connexions cérébrales atypiques et ont recherché des protéines qui pourraient servir de plaque tournante. L’ocytocine, une protéine précédemment liée à des interactions sociales positives, était une protéine centrale dans le sous-groupe d’individus ayant plus de déficience sociale mais des comportements répétitifs relativement limités. Des études ont examiné l’utilisation de l’ocytocine intranasale comme thérapie pour les personnes autistes avec des résultats mitigés, a déclaré le Dr Buch. Elle a dit qu’il serait intéressant de tester si la thérapie à l’ocytocine est plus efficace dans ce sous-groupe.
“Vous pourriez avoir un traitement qui fonctionne dans un sous-groupe de personnes autistes, mais cet avantage disparaît dans l’essai plus large parce que vous ne faites pas attention aux sous-groupes”, a déclaré le Dr Grosenick.
L’équipe a confirmé ses résultats sur un deuxième ensemble de données humaines, trouvant les mêmes quatre sous-groupes. En guise de vérification finale des résultats de l’équipe, le Dr Buch a mené une analyse d’exploration de texte impartiale qu’elle a développée sur la littérature biomédicale qui a montré que d’autres études avaient indépendamment connecté les gènes liés à l’autisme avec les mêmes traits de comportement associés aux sous-groupes.
L’équipe étudiera ensuite ces sous-groupes et les traitements potentiels ciblés sur les sous-groupes chez la souris. Des collaborations avec plusieurs autres équipes de recherche disposant de grands ensembles de données humaines sont également en cours. L’équipe travaille également à affiner ses techniques d’apprentissage automatique.
“Nous essayons de rendre notre apprentissage automatique plus sensible aux clusters”, a déclaré le Dr Grosenick.
Entre-temps, le Dr Buch a déclaré avoir reçu des commentaires encourageants de personnes autistes sur leur travail. Un neuroscientifique autiste a parlé au Dr Buch après une présentation et a déclaré que son diagnostic était déroutant parce que son autisme était si différent des autres, mais que ses données aidaient à expliquer son expérience.
“Être diagnostiqué avec un sous-type d’autisme aurait pu lui être utile”, a déclaré le Dr Buch.
Référence : “Mécanismes moléculaires et au niveau du réseau expliquant les différences individuelles dans les troubles du spectre autistique” par Amanda M. Buch, Petra E. Vértes, Jakob Seidlitz, So Hyun Kim, Logan Grosenick et Conor Liston, 9 mars 2023, Neurosciences naturelles.
DOI : 10.1038/s41593-023-01259-x
