Une nouvelle méthode d'IA améliore la prédiction du risque de maladie grâce aux marqueurs biologiques
EndoPRS combine des données génétiques avec des marqueurs biologiques pour mieux prédire le risque d'asthme infantile, surpassant les méthodes existantes.
Résumé
Des chercheurs ont développé EndoPRS, une méthode d'apprentissage automatique qui améliore la prédiction du risque de maladie en intégrant des endophénotypes — des marqueurs biologiques liés au développement des maladies. Testée sur la prédiction de l'asthme infantile à partir des taux d'éosinophiles, EndoPRS a nettement surpassé les méthodes existantes de scores de risque polygénique, tant en précision qu'en transférabilité entre populations. Cette approche comble les lacunes des méthodes multi-traits actuelles, qui ne tiennent pas compte du rôle médiateur de certains traits dans le développement des maladies.
Résumé détaillé
La prédiction du risque de maladie à partir de données génétiques est devenue de plus en plus sophistiquée, mais les méthodes actuelles passent à côté de relations biologiques importantes. La plupart des scores de risque polygénique traitent tous les traits apparentés de manière égale, ignorant que certains marqueurs biologiques jouent en réalité un rôle de médiateur dans le développement de la maladie, plutôt que de simplement lui être corrélés.
Des chercheurs de l'Université de Caroline du Nord ont développé EndoPRS, un modèle de régression lasso pondéré qui intègre des endophénotypes — des traits biologiques situés sur la voie causale entre les gènes et la maladie. Contrairement aux méthodes multi-traits existantes, EndoPRS ne présuppose pas d'architecture génétique spécifique, ce qui le rend plus robuste face à différents mécanismes pathologiques.
Pour tester EndoPRS sur la prédiction de l'asthme à début pédiatrique, l'équipe a utilisé le taux d'éosinophiles (un type de globule blanc) comme endophénotype, ces cellules étant reconnues pour contribuer au développement de l'asthme lorsqu'elles sont élevées. Ils ont validé EndoPRS à l'aide des cohortes UK Biobank et All of Us, en le comparant aux scores de risque polygénique standards ainsi qu'aux méthodes multi-traits comme MTAG et wMT-BLUP.
EndoPRS a significativement amélioré la précision de prédiction et a démontré une meilleure transférabilité entre différentes populations par rapport aux méthodes existantes. L'approche s'est révélée particulièrement robuste face à diverses architectures génétiques dans les études de simulation, ce qui suggère une applicabilité étendue au-delà de l'asthme.
Cette avancée pourrait renforcer la médecine personnalisée en fournissant des prédictions de risque de maladie plus précises, particulièrement précieuses pour les stratégies d'intervention précoce. La capacité de la méthode à intégrer les connaissances biologiques sur les voies pathologiques représente une étape significative vers des outils d'évaluation du risque génétique plus utiles en clinique.
Principales conclusions
- EndoPRS outperformed existing polygenic risk score methods for childhood asthma prediction
- Method showed superior transferability across different population datasets
- Approach remained robust across various genetic architecture scenarios in simulations
- Incorporating eosinophil count as endophenotype significantly improved asthma risk prediction
- Method doesn't require assumptions about underlying genetic relationships
Méthodologie
Modèle de régression lasso pondérée intégrant des données d'endophénotype avec des variants génétiques. Validé à l'aide des cohortes UK Biobank et All of Us avec des données sur l'asthme à début infantile et la numération des éosinophiles. Des études de simulation approfondies ont testé la robustesse du modèle selon différentes architectures génétiques.
Limites de l'étude
Étude portant spécifiquement sur l'asthme et les éosinophiles ; les applications à d'autres maladies nécessitent une validation. La méthode requiert la disponibilité de données d'endophénotypes pertinentes, qui ne sont pas toujours accessibles en milieu clinique.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :