Nouvelles perspectives sur la recherche sur l'apnée du sommeil obstructive
Une étude révèle des liens génétiques et des implications pour le diagnostic et le traitement de l'OSA.
― 7 min lire
Table des matières
- Facteurs de risque pour l'AOS
- Facteurs Génétiques et Scores Polygéniques (SPG)
- Une Approche Diversifiée à la Recherche sur l'AOS
- Conception de l'Étude et Méthodologie
- L'Importance de l'Indice de Masse Corporelle (IMC)
- Résultats de la Recherche
- Analyse dans Différentes Populations
- Résultats de Cohortes Spécifiques
- Phénotypes du Sommeil et Relations avec l'AOS
- Implications pour les Résultats de Santé
- Forces de l'Étude
- Défis et Considérations
- Résumé et Directions Futures
- Source originale
- Liens de référence
L'apnée obstructive du sommeil (AOS) est un trouble du sommeil courant qui touche beaucoup de gens, surtout ceux d'âge moyen. Ça se produit quand la respiration d'une personne est interrompue pendant qu'elle dort à cause d'un blocage dans les voies respiratoires supérieures. Ça peut entraîner divers problèmes de santé, comme des maladies cardiaques, du diabète et de l'hypertension. Des recherches montrent que l'AOS touche environ 17 % des femmes et 34 % des hommes aux États-Unis. Malheureusement, beaucoup de gens avec l'AOS ne réalisent pas qu'ils l'ont, ce qui mène à un sous-diagnostic, surtout chez les femmes et ceux qui ont des symptômes moins graves.
Facteurs de risque pour l'AOS
Plusieurs facteurs peuvent augmenter les chances de développer l'AOS. Les principaux incluent :
- Obésité : Un poids en trop peut mettre de la pression sur la gorge, contribuant aux blocages des voies respiratoires.
- Sexe : Les hommes sont plus susceptibles que les femmes d'avoir l'AOS.
- Âge : Le risque d'AOS augmente avec l'âge.
Facteurs Génétiques et Scores Polygéniques (SPG)
Des recherches récentes se sont concentrées sur les aspects génétiques de l'AOS en examinant les scores polygéniques (SPG). Les SPG représentent un résumé des variants génétiques liés à un trait particulier. En considérant plusieurs marqueurs génétiques ensemble, les chercheurs peuvent mieux comprendre comment la génétique peut influencer le risque d'AOS et ses relations avec d'autres problèmes de santé.
Le développement des SPG pourrait aider à prédire les niveaux de risque, à classer les individus en différents groupes de risque et à améliorer les efforts de dépistage de l'AOS. Comprendre les contributions génétiques à l'AOS peut donner un aperçu de la nature complexe de ce trouble et de ses interactions avec d'autres maladies chroniques.
Une Approche Diversifiée à la Recherche sur l'AOS
Pour étudier le contexte génétique de l'AOS, les chercheurs ont utilisé des données de différentes biobanques et études de cohortes représentant divers horizons raciaux et ethniques. Parmi les sources de données notables, on trouve le Million Veteran Program, l'étude FinnGen, et d'autres. En incluant des populations diverses, les résultats deviennent plus applicables à un plus large éventail de personnes.
Conception de l'Étude et Méthodologie
La recherche a impliqué plusieurs étapes :
Développement des SPG : La première phase a consisté à rassembler des données génétiques de certaines études et à les analyser pour créer les SPG.
Évaluation : Après le développement des SPG, les chercheurs ont testé leur efficacité à prédire l'AOS dans différentes populations.
Validation : L'étape suivante a consisté à valider les associations trouvées en utilisant de nouvelles bases de données indépendantes.
Analyse : Enfin, les chercheurs ont examiné comment les scores génétiques étaient corrélés à l'AOS et à d'autres mesures de santé connexes.
IMC)
L'Importance de l'Indice de Masse Corporelle (L'IMC, qui est une mesure de la graisse corporelle basée sur la taille et le poids, joue un rôle crucial dans la compréhension de l'AOS. Il est souvent considéré comme le facteur de risque le plus fort pour développer ce trouble. La recherche souligne la nécessité d'explorer comment l'IMC est lié à d'autres problèmes de santé comme les maladies cardiovasculaires.
Résultats de la Recherche
Les scientifiques ont découvert que les SPG développés en utilisant à la fois des méthodes ajustées et non ajustées à l'IMC montraient de fortes associations avec l'AOS. Les différences notées entre les deux types de scores ont révélé la complexité de la relation de l'AOS avec d'autres Résultats de santé.
Analyse dans Différentes Populations
L'étude a inclus des participants de divers horizons, permettant aux chercheurs d'analyser les risques d'AOS dans différentes circonstances. Les résultats clés ont souligné que le risque génétique d'AOS varie selon des facteurs comme le sexe, l'ethnicité et l'âge.
Population de l'Étude TOPMed
Dans l'un des principaux ensembles de données, appelé l'étude TOPMed, les participants venaient de quatre groupes raciaux/ethniques : Blancs, Noirs, Hispaniques/Latinos et Asiatiques. L'étude a identifié des différences significatives dans les caractéristiques parmi ces groupes concernant l'âge, la distribution des sexes et l'IMC.
Le Rôle des Données Génétiques
En utilisant des méthodes statistiques avancées, les chercheurs ont pu évaluer la relation entre les SPG et la gravité de l'AOS dans différentes populations. Les résultats ont montré que des valeurs plus élevées de SPG étaient associées à une plus grande probabilité d'AOS, peu importe la race ou l'ethnicité.
Résultats de Cohortes Spécifiques
Dans le projet MyCode de Geisinger, qui a impliqué un nombre important de participants, les chercheurs ont observé une association constante entre le SPG développé et la classification de l'AOS. Les résultats ont montré que les modèles ajustés à l'IMC étaient efficaces pour déterminer le risque d'AOS.
Phénotypes du Sommeil et Relations avec l'AOS
Pour bien comprendre l'AOS, les chercheurs ont aussi examiné les mesures de sommeil connexes. Ils ont analysé divers facteurs tels que l'indice d'apnée-hypopnée (IAH) et les niveaux d'oxygène pendant le sommeil. Notamment, les associations étaient plus fortes pendant le sommeil à mouvements oculaires non rapides (NREM) par rapport au sommeil à mouvements oculaires rapides (REM).
Implications pour les Résultats de Santé
La recherche a démontré comment les SPG de l'AOS sont liés à plusieurs résultats de santé. Par exemple, les SPG basés sur l'IMC pourraient mettre en lumière les associations entre l'AOS et d'autres conditions comme l'hypertension et le diabète de type 2. Comprendre ces liens peut aider les professionnels de la santé à mieux gérer l'AOS.
Forces de l'Étude
Le jeu de données divers et plusieurs cohortes indépendantes ont rendu cette étude solide. L'utilisation des deux types de SPG a permis une enquête approfondie sur les facteurs génétiques influençant l'AOS. Les résultats fournissent des informations précieuses pour les études futures visant à déchiffrer les complexités de ce trouble.
Défis et Considérations
Malgré ses forces, des défis persistent pour diagnostiquer l'AOS. L'étude a souligné la nécessité de meilleures méthodes de dépistage, surtout parmi les groupes sous-représentés. Le sous-diagnostic de l'AOS est un problème significatif, qui peut mener à des options de traitement et de gestion insuffisantes.
Résumé et Directions Futures
En conclusion, cette recherche a considérablement contribué à notre compréhension de l'AOS en intégrant des facteurs génétiques dans l'analyse. Le développement de SPG ajustés et non ajustés à l'IMC a ouvert de nouvelles voies pour prédire le risque d'AOS et les résultats de santé associés. Les futures études devraient continuer à se concentrer sur des populations diverses et à améliorer les techniques de dépistage pour réduire le sous-diagnostic de ce trouble commun.
Les idées obtenues pourraient ouvrir la voie à des options de traitement plus personnalisées et à de meilleures stratégies de gestion pour les personnes vivant avec l'AOS, améliorant finalement les résultats de santé dans diverses populations.
Titre: Polygenic scores for obstructive sleep apnea based on BMI- adjusted and - unadjusted genetic associations reveal pathways contributing to cardiovascular disease
Résumé: BackgroundObstructive sleep apnea (OSA) is a heterogeneous disease, with obesity a significant risk factor via increased airway collapsibility, reduced lung volumes, and possibly body fat distribution. MethodsUsing race/ethnic diverse samples from the Million Veteran Program, FinnGen, TOPMed, All of Us (AoU), Geisingers MyCode, MGB Biobank, and the Human Phenotype Project (HPP), we developed, selected, and assessed polygenic scores (PGSs) for OSA, relying on genome-wide association studies both adjusted and unadjusted for BMI: BMIadjOSA- and BMIunadjOSA-PGS. We tested their associations with CVD in AoU. ResultsAdjusted odds ratios (ORs) for OSA per 1 standard deviation of the PGSs ranged from 1.38 to 2.75. The associations of BMIadjOSA- and BMIunadjOSA-PGSs with CVD outcomes in AoU shared both common and distinct patterns. For example, BMIunadjOSA-PGS was associated with type 2 diabetes, heart failure, and coronary artery disease, but the associations of BMIadjOSA-PGS with these outcomes were statistically insignificant with estimated OR close to 1. In contrast, both BMIadjOSA- and BMIunadjOSA-PGSs were associated with hypertension and stroke. Sex stratified analyses revealed that BMIadjOSA-PGS association with hypertension was driven by data from OR=1.1, p-value=0.002, OR=1.01 p-value=0.2 in males). OSA PGSs were also associated with dual-energy X-ray absorptiometry (DXA) body fat measures with some sex-specific associations. ConclusionsDistinct components of OSA genetic risk are related to obesity and body fat distribution, and may influence clinical outcomes. These may explain differing OSA risks and associations with cardiometabolic morbidities between sex groups.
Auteurs: Tamar Sofer, N. Kurniansyah, S. Strausz, G. Chittoor, S. Gupta, A. E. Justice, Y. Hrytsenko, B. T. Keenan, B. E. Cade, B. W. Spitzer, H. Wang, J. E. Huffman, M. Moll, B. Haring, S. Y. Jung, L. M. Raffield, R. C. Kaplan, J. Rotter, S. S. Rich, S. A. Gharib, T. M. Bartz, P. Y. Liu, H. Chen, M. Fornage, L. Hou, D. Levy, A. Morrison, H. M. Ochs-Balcom, B. M. Psaty, P. W. Wilson, K. Cho, A. I. Pack, H. M. Ollila, S. Redline, D. J. Gottlieb, FinnGen, the Trans-Omics in Precision Medicine Consortium, the VA Million Veteran Program
Dernière mise à jour: 2024-10-21 00:00:00
Langue: English
Source URL: https://www.medrxiv.org/content/10.1101/2024.10.20.24315783
Source PDF: https://www.medrxiv.org/content/10.1101/2024.10.20.24315783.full.pdf
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.
Liens de référence
- https://github.com/FINNGEN/regenie-pipelines
- https://www.discovehrshare.com/
- https://support.researchallofus.org/hc/en-us/categories/4537007565204-Genomics
- https://site.fingenious.fi/en/
- https://finbb.fi/en/
- https://figshare.com/
- https://analysis.bio-x.cn/gwas/
- https://github.com/nkurniansyah/OSA_PRS
- https://www.researchallofus.org/register/
- https://humanphenotypeproject.org/data-access
- https://allofus.nih.gov/about/who-we-are/institutional-review-board-irb-of-all-of-us-research-program