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 Nature Neuroscience, s’est appuyée sur l’apprentissage automatique pour analyser les données de neuroimagerie nouvellement disponibles de 299 personnes autistes 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. 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.”
Dr Conor Liston, co-auteur principal, professeur agrégé de psychiatrie et de neurosciences au Feil Family Brain and Mind Research Institute de Weill Cornell Medicine
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 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 atteintes d’autisme 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 machine learning 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.
Source:
Référence de la revue :
Buch, AM, et al. (2023). Mécanismes moléculaires et au niveau du réseau expliquant les différences individuelles dans les troubles du spectre autistique. Neurosciences naturelles. doi.org/10.1038/s41593-023-01259-x.
