Nouvelles infos sur les protéines pour prédire le risque de maladies cardiaques

Les maladies Cardiovasculaires (MCV) sont la principale cause de décès dans le monde. Beaucoup de cas peuvent être évités si on se concentre sur les personnes à risque plus élevé. En ce moment, les médecins identifient ceux qui sont à risque en évaluant leurs chances d'avoir un problème cardiaque grave dans les dix prochaines années. Ils font ça en utilisant des Facteurs de risque courants, qui sont combinés dans différents systèmes de score. Cependant, ces scores ne sont pas toujours précis pour chaque personne et ne donnent pas vraiment d'idée de quand le problème pourrait survenir. À cause de ça, il y a un gros effort pour trouver de nouveaux indicateurs, ou biomarqueurs, qui pourraient améliorer ces scores de risque. De nouvelles méthodes de test de Protéines ont ouvert des possibilités intéressantes pour trouver ces biomarqueurs dans le sang.

#L'Importance des Ensembles de Protéines

Des Études récentes ont montré que certains groupes de protéines peuvent offrir de meilleures prédictions pour éviter les problèmes cardiaques lorsqu'ils sont ajoutés aux scores de risque traditionnels. C'est surtout vrai pour les gens qui ont déjà eu des problèmes cardiaques. Cependant, les résultats pour ceux qui n'ont pas encore eu de soucis sont moins clairs. Dans certaines études utilisant des tests sanguins spéciaux, prédire des événements cardiaques futurs était à peu près équivalent ou légèrement meilleur que d'utiliser les évaluations de risque standard. Pourtant, dans une autre étude utilisant une méthode différente, les résultats ont montré une grande amélioration avec les nouveaux tests de protéines par rapport aux facteurs de risque traditionnels.

#Aperçu de l'Étude Actuelle

Cette étude visait à voir si des ensembles spécifiques de protéines mesurées dans le sang pouvaient prédire des événements cardiaques graves dans un grand groupe de personnes n'ayant jamais eu de problèmes cardiaques auparavant. L'étude incluait 38,000 participants du UK Biobank, un projet de recherche sur la santé majeur. Les chercheurs ont sélectionné ces protéines parmi un plus grand groupe de près de 3,000 sur la base des tendances des données et de la connaissance existante.

#Population de l'Étude

Les participants ont été choisis au hasard dans le UK Biobank pour une Analyse des protéines sanguines lors de leur première visite. Quiconque avait des antécédents de problèmes cardiaques graves et ceux avec plus de 20% de mesures de protéines manquantes ont été retirés de l'étude. Différents systèmes de codage ont été utilisés pour suivre les problèmes de santé que ces participants avaient avant de rejoindre l'étude. Tous les processus ont été approuvés par les comités d'éthique de la recherche nécessaires.

#Comprendre les Résultats

Dans cette étude, les événements cardiovasculaires graves incluaient des incidents cardiaques fatals et non fatals comme des crises cardiaques et des AVC survenus dans les dix ans suivant le début de l'étude. Les mêmes méthodes de codage ont été utilisées pour suivre ces résultats.

#Facteurs de Risque Traditionnels

Lors de leur visite initiale, les caractéristiques de santé des participants ont été notées. Les dix principaux facteurs de risque traditionnels considérés étaient l'âge, le sexe, la pression artérielle, les habitudes de tabagisme, le statut diabétique, et les niveaux de cholestérol.

#Analyse Protéomique

Les détails sur la façon dont les protéines ont été mesurées et analysées ont été partagés dans des études précédentes. En bref, une technologie appelée le système Olink Explore a été utilisée pour mesurer plus de 2,900 protéines dans des échantillons de sang. Les protéines avec plus de 20% de données manquantes ont été exclues, et toute information manquante pour d'autres variables a été complétée à l'aide d'un algorithme spécifique.

#Approche d'Analyse des Données

Des méthodes avancées d'apprentissage automatique ont été utilisées pour former des modèles capables de prédire le risque d'événements cardiaques majeurs sur dix ans. Les données ont été divisées en un ensemble d'entraînement et un ensemble de test. Deux modèles de risque existants ont été choisis pour comparaison. Divers modèles protéiques ont été créés, y compris un qui incluait toutes les protéines, un basé sur des résultats antérieurs, un dérivé de l'analyse des données, et un modèle aléatoire avec des protéines choisies au hasard.

#Évaluation de la Performance du Modèle

La performance de chaque modèle a été évaluée par des mesures statistiques spécifiques. Des comparaisons ont été faites entre les scores de risque traditionnels et les divers modèles protéiques pour voir lequel était le meilleur pour prédire les résultats.

#Résultats de la Population de l'Étude

À partir de la sélection aléatoire, environ 46,799 individus ont eu leurs données analysées pour les protéines, et environ 45,666 d'entre eux n'avaient pas d'antécédents de problèmes cardiaques graves. Après avoir exclu ceux avec trop de données manquantes, le groupe final comprenait environ 38,380 participants. Ceux qui ont eu des événements cardiaques durant le suivi avaient un profil de facteurs de risque plus sérieux que les autres.

#Sélection des Protéines pour la Prédiction

L'étude a trouvé qu'un petit pourcentage des mesures de protéines était manquant. En utilisant la méthode appropriée, les chercheurs ont sélectionné 114 protéines pertinentes du plus grand groupe qui pourraient aider à prédire les événements cardiaques. Ils ont également identifié un ensemble séparé de 113 protéines basé sur des études antérieures. Des protéines aléatoires ont été incluses pour comparaison, mais seules celles choisies avec une méthode spécifique ont montré une réelle connexion avec la prédiction des risques cardiaques.

#Évaluation de la Performance du Modèle

La capacité prédictive de tous les modèles a été testée sur un groupe de test séparé. Les systèmes de risque existants ont fourni un niveau de prédiction de base, tandis que les modèles de protéines complets et sélectionnés offraient un peu plus de précision. Combiner les protéines sélectionnées avec des facteurs de risque traditionnels a considérablement amélioré les prédictions.

#Analyse de la Performance du Modèle

À différents seuils de risque, les modèles ont montré une efficacité variable. Les ensembles de protéines complets et sélectionnés ont amélioré la prédiction lorsqu'ils étaient combinés avec des facteurs de risque existants, mettant en avant l'importance d'utiliser des sélections basées sur les données. En revanche, le modèle de protéines aléatoires n'a pas amélioré les prédictions, ce qui souligne la valeur spécifique des protéines sélectionnées.

#Bénéfices des Protéines Supplémentaires

Les changements dans la précision des prédictions étaient petits, mais certaines personnes à risque d'événements cardiaques ont pu être identifiées plus efficacement en fusionnant les données protéiques avec des facteurs de risque traditionnels. Il semble que cette amélioration soit plus évidente à des niveaux de risque plus élevés. Donc, utiliser des tests de protéines pourrait être plus bénéfique pour les individus avec une chance plus élevée de problèmes cardiaques plutôt que pour la population générale.

#Limitations de l'Étude

Il y a des limitations à cette étude. D'abord, il n'y avait pas de groupe additionnel pour tester les résultats, ce qui rend difficile l'application des résultats de manière générale. Ensuite, les méthodes utilisées pour la mesure des protéines pourraient ne pas être reproductibles sur différentes plateformes de test. Troisièmement, bien que l'étude se soit concentrée sur la création d'un panel fiable de protéines, elle n'a pas examiné les rôles individuels des protéines dans le développement des problèmes cardiaques. Enfin, comprendre les bénéfices économiques d'utiliser ces nouvelles mesures protéiques nécessite des recherches supplémentaires, qui n'étaient pas incluses dans cette étude.

#Conclusion

En utilisant des méthodes avancées d'apprentissage automatique et un grand ensemble de données protéiques, cette étude a fait des progrès dans la prédiction des événements cardiaques majeurs à travers un panel sélectionné de 114 protéines. Des résultats similaires, bien que moins convaincants, ont été trouvés avec le groupe de 113 protéines choisies sur la base d'études antérieures. Bien que les améliorations notées étaient modestes, l'utilité clinique potentielle de ces biomarqueurs pour prévenir les problèmes cardiaques nécessite une exploration plus approfondie.