Biomarqueurs sanguins et maladies : Nouvelles perspectives
Une étude relie des molécules sanguines à des problèmes de santé, révélant des liens potentiels avec le trouble bipolaire.
― 7 min lire
Table des matières
Des études récentes ont montré que des changements dans les molécules présentes dans notre sang peuvent entraîner des maladies complexes. Ces molécules incluent des protéines, des graisses et d'autres petites substances qui donnent des indices sur le fonctionnement de nos organes, la réponse de notre système immunitaire et la façon dont notre corps traite l'énergie. Même s'il y a plein de preuves montrant que certains biomolécules sont liées à divers problèmes de santé, on ne sait toujours pas trop comment ces liens fonctionnent, surtout pour les maladies complexes qui n'ont pas de marqueurs fiables pour guider le diagnostic et le traitement.
Par exemple, beaucoup d'études ont montré un taux plus élevé de problèmes de Glucose chez les personnes atteintes de troubles bipolaires, mais un lien direct entre les deux n'a pas été établi de manière solide. La plupart du temps, les études montrent des corrélations sans clarifier si l'un cause vraiment l'autre. Ce manque de compréhension est important car comprendre les relations causales pourrait nous aider à mieux identifier les interventions adaptées pour prévenir ou traiter les maladies.
La Randomisation Mendélienne comme Outil
La randomisation mendélienne (RM) est une méthode qui peut aider à combler ce vide. Elle utilise des données génétiques comme substituts des niveaux de Biomarqueurs, permettant aux chercheurs d'examiner les effets causaux tout en contrôlant divers facteurs confondants. Cette méthode est particulièrement utile pour étudier les lipides, comme le Cholestérol LDL et HDL, qui ont été directement liés aux maladies cardiaques et au cancer du sein respectivement. D'autres études ont également suggéré des connexions entre des substances comme l'homocystéine et les AVC, et entre des acides aminés comme la tyrosine et le diabète de type 2.
Malgré les informations tirées de la RM, beaucoup de biomolécules nécessitent encore des investigations, et les études antérieures se sont souvent concentrées sur des marqueurs ou des maladies spécifiques. La disponibilité récente d'études génomiques à grande échelle permet des analyses plus complètes. Une de ces ressources clés est le UK Biobank, qui a publié des données sur divers biomarqueurs sanguins, permettant aux chercheurs d'évaluer un large éventail de biomolécules et leur lien potentiel avec de nombreuses maladies.
Aperçu de l'Analyse
Dans notre étude, nous avons soigneusement examiné les relations entre 212 biomarqueurs sanguins différents et 99 maladies en utilisant des techniques de RM. Nous avons utilisé cinq méthodes d'analyse différentes pour garantir la fiabilité de nos résultats : variance inverse pondérée, RM Egger, mode simple, médiane pondérée et mode pondéré. Notre objectif était de nous concentrer sur des résultats significatifs et cohérents à travers plusieurs méthodes.
Grâce à cette analyse complète, nous avons découvert 21 associations significatives entre les biomarqueurs sanguins et les résultats de maladies. Nous avons affiché ces résultats visuellement, soulignant les relations les plus remarquables. La taille des flèches dans nos diagrammes indiquait la force de ces relations, avec des flèches ascendantes représentant des connexions positives (c'est-à-dire des niveaux plus élevés de biomarqueurs liés à un risque accru de maladie) et des flèches descendantes montrant des relations négatives.
Pour renforcer nos résultats, nous avons vérifié l'alignement avec des connexions déjà établies en utilisant plusieurs méthodes de RM, confirmant des relations connues comme celles entre la lipoprotéine A et les maladies cardiaques et l'urates et la goutte. Nous n'avons trouvé aucune preuve contradictoire, ce qui nous a donné encore plus confiance en nos résultats.
Résultats Clés
Parmi nos découvertes, nous avons établi une relation concrète entre le cholestérol total et la maladie coronarienne, un lien déjà soutenu par des méta-analyses précédentes. Nous avons également trouvé des connexions entre le cholestérol total et les crises cardiaques, ainsi que des liens entre les niveaux d'apolipoprotéine B et les crises cardiaques. De plus, nous avons identifié une relation entre les niveaux de créatinine sérique et la maladie rénale chronique, la créatinine étant un marqueur bien connu utilisé pour évaluer la fonction rénale.
Fait intéressant, nous avons découvert un lien fort entre des niveaux élevés de glucose et le Trouble bipolaire, ainsi qu'une association inverse entre les niveaux de Cystatine C et le trouble bipolaire. Un taux élevé de glucose est connu pour poser problème aux personnes atteintes de troubles bipolaires, car beaucoup de ces individus souffrent aussi de résistance à l'insuline ou de diabète de type 2. Bien que les études précédentes aient indiqué une connexion entre les problèmes de glucose et le trouble bipolaire, le lien spécifique que nous avons trouvé avec la cystatine C n'avait pas été rapporté auparavant.
Implications des Niveaux Élevés de Glucose et de Cystatine C dans le Trouble Bipolaire
La connexion entre le glucose et le trouble bipolaire soutient des recherches existantes montrant que beaucoup de personnes diagnostiquées avec un trouble bipolaire ont aussi des problèmes de sucre dans le sang. De plus, l'effet du lithium-un traitement courant pour le trouble bipolaire-sur la fonction rénale pourrait donner d'autres indications sur ces relations.
L'association avec la cystatine C ajoute une nouvelle couche de compréhension car des niveaux élevés n'avaient pas été précédemment liés au trouble bipolaire, selon la littérature disponible. Les niveaux de cystatine C sont souvent utilisés pour évaluer la fonction rénale, et la découverte d'une relation entre ce marqueur et le trouble bipolaire pourrait indiquer que la santé rénale pourrait jouer un rôle dans le trouble.
Observations à Travers D'autres Résultats
Bien que notre focus principal ait été sur les associations établies dans quatre méthodes ou plus, nous avons identifié d'autres liens intéressants qui étaient cohérents dans deux à trois méthodes. Par exemple, une connexion entre les niveaux de protéine C-réactive (PCR) et la maladie d'Alzheimer a été notée, faisant écho à des résultats d'autres études.
Limites et Directions Futures
Une limite de notre recherche est la dépendance aux données du UK Biobank. Cette source de données à grande échelle se compose principalement d'individus d'ascendance européenne, ce qui peut limiter la généralisation de nos résultats à des populations plus diversifiées. Cependant, à mesure que des biobanques plus diversifiées se développent, elles aideront à résoudre ce problème.
Les études de randomisation mendélienne font face à leurs propres défis, comme des facteurs de confusion potentiels et la complexité d'estimer des relations impliquant des résultats binaires. Malgré ces défis, notre étude a réussi à réaffirmer des connaissances existantes concernant plusieurs maladies tout en révélant également de nouveaux liens potentiels entre les marqueurs sanguins et le trouble bipolaire.
Conclusion
Notre travail met en lumière les rôles importants que les biomarqueurs sanguins peuvent jouer pour nous aider à comprendre les mécanismes des maladies. Les résultats fournissent une base pour de futures recherches qui pourraient finalement conduire à de meilleurs outils de diagnostic et à des traitements ciblés pour les maladies complexes. À l'avenir, il serait bon d'explorer des changements de mode de vie ou des interventions cliniques qui pourraient aider à réguler les niveaux de glucose dans le sang et à maintenir la fonction rénale, surtout chez les individus à risque de trouble bipolaire.
Titre: Associations of Circulating Biomarkers with Disease Risks: a Two-Sample Mendelian Randomization Study
Résumé: BackgroundCirculating biomarkers play a pivotal role in personalized medicine, offering potential for disease screening, prevention, and treatment. Despite established associations between numerous biomarkers and diseases, elucidating their causal relationships is challenging. Mendelian Randomization (MR) can address this issue by employing genetic instruments to discern causal links. Additionally, using multiple MR methods with overlapping results enhances the reliability of discovered relationships. MethodsHere we report an MR study using multiple methods, including inverse variance weighted, simple mode, weighted mode, weighted median, and MR Egger. We use the MR-base resource (v0.5.6)1 to evaluate causal relationships between 212 circulating biomarkers (curated from UK Biobank analyses by Neale lab and from Shin et al. 2014, Roederer et al. 2015, and Kettunen et al. 2016)2-4 and 99 complex diseases (curated from several consortia by MRC IEU and Biobank Japan). ResultsWe report novel causal relationships found by 4 or more MR methods between glucose and bipolar disorder (Mean Effect Size estimate across methods: 0.39) and between cystatin C and bipolar disorder (Mean Effect Size: -0.31). Based on agreement in 4 or more methods, we also identify previously known links between urate with gout and creatine with chronic kidney disease, as well as biomarkers that may be causal of cardiovascular conditions: apolipoprotein B, cholesterol, LDL, lipoprotein A, and triglycerides in coronary heart disease, as well as lipoprotein A, LDL, cholesterol, and apolipoprotein B in myocardial infarction. ConclusionsThis Mendelian Randomization study not only corroborates known causal relationships between circulating biomarkers and diseases but also uncovers two novel biomarkers associated with bipolar disorder that warrant further investigation. Our findings provide insight into understanding how biological processes reflecting circulating biomarkers and their associated effects may contribute to disease etiology, which can eventually help improve precision diagnostics and intervention.
Auteurs: Kuan-lin Huang, A. Elmas, K. Spehar, R. Do, J. Castellano
Dernière mise à jour: 2024-07-01 00:00:00
Langue: English
Source URL: https://www.medrxiv.org/content/10.1101/2024.06.30.24309729
Source PDF: https://www.medrxiv.org/content/10.1101/2024.06.30.24309729.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.