L'apprentissage automatique révèle de nouveaux gènes associés à la SLA

Les gènes concernent la fonction mitochondriale, le métabolisme des lipides et du fer, ainsi que la formation de vésicules.

Selon une étude, une analyse par apprentissage automatique de l'activité des gènes dans des échantillons de moelle épinière de patients atteints de SLA a révélé de nouveaux gènes associés à cette maladie neurodégénérative.

Les gènes nouvellement identifiés comprenaient ceux impliqués dans la fonction des mitochondries productrices d'énergie, dans le métabolisme des lipides (graisses) et du fer, et dans la formation de vésicules, c'est-à-dire de minuscules sacs membranaires qui transportent des substances à l'intérieur et à l'extérieur des cellules.

« Ces gènes sont particulièrement intéressants parce qu'ils indiquent de nouveaux domaines d'investigation dans la recherche sur la SLA », écrivent les chercheurs dans l'étude “Machine learning identified novel players in lipid metabolism, endosomal trafficking, and iron metabolism of the spinal cord” (L'apprentissage automatique a identifié de nouveaux acteurs dans le métabolisme des lipides, le trafic endosomal et le métabolisme du fer dans la moelle épinière), publiée dans Scientific Reports.

La SLA se caractérise par la détérioration progressive des neurones moteurs, les cellules nerveuses du cerveau et de la moelle épinière qui contrôlent les mouvements volontaires et permettent à une personne de bouger, de parler, de respirer et d'avaler. Bien que la maladie ait été associée à des mutations dans certains gènes, la plupart des personnes atteintes de SLA sporadique qui n'ont pas d'antécédents familiaux de la maladie n'ont pas de cause génétique claire.

« Bien que les gènes responsables des cas familiaux aient été identifiés, ceux de la SLA sporadique, qui concerne la majorité des patients, restent insaisissables », écrivent les chercheurs de Taïwan, qui ont analysé les données d'activité génique d'échantillons de moelle épinière provenant de 199 patients SLA décédés et de 41 personnes sans maladie neurologique afin d'approfondir l'étude de la génétique sous-jacente à la SLA.

Identification de nouveaux gènes liés à la SLA

Pour leurs analyses, les chercheurs ont utilisé l'apprentissage automatique, un type d'intelligence artificielle qui utilise des algorithmes pour apprendre à partir de données et identifier et prédire des modèles. Les données ont servi d'entrée pour créer des classificateurs binaires capables de faire la distinction entre les échantillons de SLA et les échantillons de contrôle.

Après l'application de quatre algorithmes d'apprentissage automatique différents, la précision globale de ces classificateurs binaires pour différencier les échantillons de SLA et de contrôle était supérieure à 80 %. Un algorithme appelé modèle linéaire généralisé (GLM) a atteint une précision de 91,7 %.

Pour valider ces résultats, l'équipe a appliqué les classificateurs formés à des données d'activité génique inédites provenant de 222 échantillons de moelle épinière de patients atteints de SLA et de témoins. Les échantillons ont été prélevés dans la partie lombaire, ou inférieure, de la moelle épinière, tandis que les échantillons de l'ensemble de données de formation ont été prélevés dans la partie cervicale, ou supérieure.

Pour les quatre algorithmes, les classificateurs ont maintenu un niveau de précision élevé, supérieur à 77 % dans tous les cas, le GLM atteignant une précision de 89,6 %. La capacité des classificateurs à identifier les échantillons de contrôle seuls a varié, allant de 34 % à 83 %, en fonction de l'algorithme.

Les chercheurs ont suggéré que les modèles génétiques présents dans la moelle épinière cervicale des patients atteints de SLA semblaient également présents dans la moelle épinière lombaire, ce qui faciliterait la détection de la SLA par les algorithmes, quelle que soit la région de la moelle épinière. D'autre part, la précision plus faible des échantillons de contrôle suggère qu'il peut y avoir de légères différences dans la génétique des contrôles entre les régions cervicale et lombaire.

Les quatre algorithmes ont collectivement identifié 114 gènes représentant des caractéristiques distinctives entre les échantillons de moelle épinière de la SLA et les échantillons de moelle épinière de contrôle. Selon les chercheurs, 41 d'entre eux avaient déjà été identifiés comme liés à la SLA. Cela prouve que « l'approche d'apprentissage automatique a permis de repérer avec succès des marqueurs génétiques clés déjà associés à la maladie. »

Parmi les 73 gènes nouvellement identifiés liés à la SLA, huit ont été associés à d'autres maladies neurologiques, notamment la maladie de Parkinson et la maladie d'Alzheimer. En outre, 21 gènes qui n'avaient pas été associés à la SLA ont été identifiés comme étant impliqués dans le transport des lipides, la fonction des canaux ioniques et la formation des vésicules, ce qui suggère qu'ils jouent un rôle inconnu dans le développement de la SLA.

Un algorithme a prédit la SLA en raison d'une activité plus faible du gène mt-ND2, qui est vital pour la fonction des mitochondries, les organites cellulaires qui génèrent de l'énergie. Un autre algorithme a montré qu'une activité plus faible d'un gène impliqué dans le métabolisme du fer, PACC1, permettait de prédire la SLA. La faible activité de ce gène « pourrait favoriser la neurodégénérescence par la médiation d'une accumulation anormale de fer dans la moelle épinière », rapportent les chercheurs.

« Les classificateurs binaires construits par apprentissage automatique sur les données de la moelle épinière différencient avec succès les échantillons de SLA et les échantillons de contrôle », écrivent les scientifiques. « Cette étude a permis d'identifier de nouveaux gènes dans la respiration mitochondriale, le métabolisme des lipides, le trafic des vésicules et le métabolisme du fer, qui pourraient favoriser la progression de la SLA.

Traduction: E.S. au nom de VUB agence de traduction simulation
source:  ALS News Today