Maladies génétiques : une IA pour sortir du déterminisme des prédispositions familiales

Évaluer le risque de développer une maladie génétique est crucial, car il permet d’adapter les dépistages et les traitement éventuels, lorsque le risque est élevé. Lorsqu'une personne apprend qu'elle est génétiquement prédisposée à une maladie, sa vie peut changer radicalement. Mais ces types de prédictions de maladies sont compliqués, car tous les porteurs d'un même gène prédisposant à une maladie ne développent pas cette maladie dans leur vie. Il est donc important de réussir à identifier pourcentages de risques les plus élevés et les plus bas. Des chercheurs du Broad Institute of MIT et de Harvard, du Massachusetts General Hospital (MGH) et de la Harvard Medical School, en partenariat avec IBM Research et la société de technologie de la santé Color, ont travaillé sur cette question à l’aide d’une intelligence artificielle, pour mieux évaluer le risque de développer une maladie.

Même avec une prédisposition génétique, le risque peut être très faible

Pour améliorer le calcul de ces pourcentages de risque, l’étude, publiée dans Nature Communications,  a analysé les données génétiques, cliniques, et les biomarqueurs de plus de 80.000 personnes. Le résultat est sans appel: la prédisposition génétique à une maladie n’est pas une fatalité, et l’apparition de la maladie au cours de la vie est fortement influencée par d'autres facteurs.

Les chercheurs ont étudié si les variantes et les facteurs du génome d'un individu (score polygénique) pouvaient influencer l’apparition de maladies dans des conditions génomiques telles que l'hypercholestérolémie familiale, le cancer héréditaire du sein et des ovaires et le syndrome de Lynch. L'équipe a constaté que pour un petit sous-ensemble de personnes présentant une variante à un seul gène ou “monogénique” à haut risque pour la maladie, un score polygénique élevé a plus que doublé leur risque global de maladie, passant d'une moyenne estimée de 35 à 41% de risque à 80%.

Selon Kenney Ng, scientifique principal et co-auteur d'IBM Research, même si un individu est porteur d'une mutation génétique associée à l'une de ces maladies, son risque absolu pourrait ne pas être aussi élevé. C’est même l’inverse: son risque absolu pourrait être presque équivalent à celui d'un individu qui ne porte pas du tout la mutation.

Évaluer le besoin d’un dépistage plus fréquent ou pas

Akl Fahed, co-auteur de l'étude explique comment cette étude peut changer l'approche clinique. L’approche traditionnelle consiste à se concentrer sur une seule mutation liée à la maladie (une variante à haut risque pour une paire de base) alors qu’il y a 3 milliards de paires de bases dans le génome. Cette recherche valide l'hypothèse que le reste du génome aider à expliquer les différents taux de maladie chez les patients.
Le protocole suivi par cette étude permet un conseil génétique plus éclairé, pour identifier plus précisément les patients qui devraient subir des dépistages plus fréquents.
Concrètement pour le cancer du sein, connaître plus précisément si le risque d’une femme est de 13% ou de 76% pourrait  déterminer si la patiente subira une mastectomie ou un dépistage.

D’autres facteurs, comme l’hygiène de vie, doivent être pris en compte

Selon les auteurs de l'étude, au-delà des facteurs génétiques, des modèles tenant compte de facteurs non génétiques supplémentaires qui sont également associés au risque de maladie, sont indispensables.
"Nous avons étudié l'interaction du risque de maladie monogénique et polygénique", a déclaré Fahed, mais la génétique n'est qu'une partie de l'histoire. Pour les maladies cardiaques, le risque implique d'autres facteurs tels que la pression artérielle et les risques liés au mode de vie tels que le tabagisme. Il est important d'en tenir également compte et de développer des modèles de risque plus pleinement intégrés. "

Les algorithmes aident à prédire le risque de développer des maladies

Cette étude montre aussi les possibilités de l'entraînement des algorithmes à identifier avec précision une prédisposition à un problème de santé et calculer le risque de maladie d'un individu en fonction des variantes d'un génome.