La révolution génomique dans la recherche sur les maladies neurodégénératives

Les maladies neurodégénératives – dont la maladie d'Alzheimer, la maladie de Parkinson, la sclérose latérale amyotrophique (SLA) et la démence frontotemporale (DFT) – représentent certaines des conditions les plus difficiles et les plus dévastatrices de la médecine moderne.Ces troubles se caractérisent par une perte progressive de la structure et des fonctions neuronales, entraînant un déclin cognitif, une déficience motrice et, en fin de compte, la mort. Malgré des décennies de recherche, les thérapies efficaces qui modifient les maladies demeurent rares.

Des gènes candidats aux sondages à l'échelle du génome

Les premières études génétiques des maladies neurodégénératives ont porté sur des mutations rares et hautement pénétrantes identifiées par l'analyse des liens familiaux.Pour la maladie d'Alzheimer, des mutations dans APP, PSEN1[ et PSEN2[ ont été trouvées pour causer des formes familiales précoces. De même, dans la maladie de Parkinson, des mutations dans SNCA[, LRRK2[ et GBA[[ ont été liées à des cas familiaux et sporadiques.

Études de l'association à l'échelle génomique (SGE)

[L'effet de la GWAS sur les maladies complexes est devenu le cheval de bataille de la génétique complexe. En génotypant des centaines de milliers à des millions de polymorphismes nucléotidiques uniques (SNP) dans de grandes cohortes de cas et de témoins, les chercheurs peuvent identifier des variantes génétiques communes associées au risque de maladie. Pour la maladie d'Alzheimer, le signal le plus fort et le plus répété se trouve dans le gène APOE[; l'allèle ε4 augmente le risque de trois à douze fois selon la zygosité. Au-delà de l'APOE, les GWAS ont identifié plus de 70 loci à risque pour la maladie de Parkinson, qui ont mis en évidence des voies dans le métabolisme lipidique, la fonction immunitaire, l'endocytose et le traitement par l'amyloïde-β [Kunkle et al., 2019]].

Les études de cartographie fine, couplées à des données génomiques fonctionnelles (p. ex., loci quantitatifs d'expression ou eQTL), sont nécessaires pour identifier les gènes spécifiques et les éléments réglementaires qui animent chaque association. Des ressources telles que le Catalogue GWAS et la base de connaissances NIAGADS[ permettent un accès centralisé aux statistiques sommaires et aux annotations fonctionnelles.

Séquence de l'ensemble du génome et de l'exomère

Dans le cas des séquences de séquences de génomes entiers (SGE), on a ciblé les régions codantes du génome, soit environ 1 à 2 % de la séquence totale, où résident les mutations les plus connues qui causent la maladie. Le séquençage de génomes entiers (SGE) capture les régions codantes et non codantes, fournissant une image complète des variations génétiques, y compris les variantes structurelles, les modifications du nombre de copies et les mutations dans les éléments réglementaires. Les consortiums de séquençage à grande échelle comme le ]ABCA7, et PLCG2 ont identifié des mutations rares et malsaines dans des gènes comme ], ]ABCA7, et [PLCG2 qui présentent un risque pour le TAD à la fin du cycle, le TGF a découvert la plus grande cause de l'expansion génétique du TGGG dans le

Les données récentes suggèrent que les mutations somatiques s'accumulent dans le cerveau vieillissant et peuvent contribuer à la neurodégénérescence. Par exemple, des études ont révélé une augmentation des taux de variants somatiques d'un seul nucléotide (VSN) chez les neurones d'individus atteints de la maladie d'Alzheimer comparativement aux témoins, avec enrichissement dans les gènes impliqués dans la fonction synaptique. Bien que le rôle causal de ces mutations demeure à l'étude, elles représentent une nouvelle frontière passionnante dans la recherche génomique.

Transcriptomique : Capturer le cerveau dynamique

Les analyses transcriptomiques – l'étude approfondie des transcriptions des ARN – fournissent un aperçu de l'activité cellulaire au niveau moléculaire. Dans la recherche sur les maladies neurodégénératives, la transcriptomique a été appliquée aux tissus cérébraux postmortem, au liquide céphalo-rachidien (CSF) et aux neurones et glia de cellules souches pluripotentes induites (iPSC).

Transcriptomique des tissus en vrac

Les premières études transcriptomiques ont utilisé des microarrays et des séquences ultérieures d'ARN (ARN-seq) pour profiler l'expression des gènes dans les homogénats de tissus en vrac provenant de régions du cerveau touchées, comme l'hippocampe et le cortex préfrontal dans l'AD. Ces études ont constamment identifié des dysrégulations des voies liées à la transmission synaptique, à la fonction mitochondriale, à la neuroinflammation et à l'homéostasie protéique. Par exemple, l'expression réduite des gènes synaptiques comme SYT1 et DLG4 est une caractéristique de l'AD, tandis que l'expression accrue des gènes giliaires et immunologiques (p. ex. ]GFAP, TREM2) reflète le composant neuroinflammatoire.

Séquence de l'ARN monocellulaire et mononucléeux

Le cerveau est un organe hautement hétérogène composé de différents types cellulaires : neurones, astrocytes, microglie, oligodendrocytes, et plus encore. Les moyennes d'ARN-séq en vrac sur ces populations, qui masquent les changements spécifiques de type cellulaire. Le séquençage d'ARN monocellulaire (scRNA-seq) et le séquençage d'ARN mononucléique (snRNA-seq) dépassent cette limite en profilant des cellules ou des noyaux individuels. Ces technologies ont transformé notre compréhension de la vulnérabilité cellulaire dans la neurodégénérescence. Par exemple, des études à cellules uniques en AD ont révélé que les neurones excitateurs du cortex entorhinal sont particulièrement sensibles à la pathologie tau, tandis que les microglia subissent une reprogrammation transcriptionnelle dramatique, passant d'un état homéostatique à un état associé à la maladie caractérisé par une régulation ascendante de APOE, , et .[Cont identifié une histologie des neuro-géno

Nouveaux multi-omiques à la résolution d'une seule cellule

Le champ va maintenant au-delà de la transcriptomique pour intégrer d'autres modalités au niveau des cellules uniques. Le monocellules ATAC-seq (essai pour la chromatine accessible à la transposase) mesure l'accessibilité à la chromatine, révélant des éléments réglementaires actifs dans des types de cellules spécifiques. Le profilage de la méthylation de l'ADN à cellules uniques capture les paysages épigénétiques.

Epigénomique : Au-delà de la séquence ADN

Les modifications épigénétiques régulent l'expression des gènes sans modifier la séquence d'ADN elle-même. Les marques épigénétiques aberrantes sont de plus en plus reconnues comme contribuant à la neurodégénérescence, pouvant être à l'origine des effets du vieillissement, des expositions environnementales et des facteurs de vie.

Méthylation par ADN dans la neurodégénérescence

Les réseaux de méthylation à l'échelle du génome (p. ex. illumina EPIC) et le séquençage de bisulfite à génome entier permettent aux chercheurs d'étudier les patrons de méthylation à une seule résolution.Dans la maladie d'Alzheimer, des études ont identifié la méthylation différentielle chez les gènes impliqués dans le traitement de l'amyloïde (p. ex. BACE1, APP[), la phosphorylation du tau et la fonction immunitaire. Un exemple notable est le gène ANK1, dont l'hypométhylation dans le cerveau de la MA a été régulièrement reproduite dans plusieurs cohortes.

Il est intéressant de noter que de nombreuses différences de méthylation associées à la MA se trouvent dans les sites CpG qui se chevauchent avec les locus à risque du GWAS, ce qui suggère que les variantes génétiques peuvent influer en partie sur le risque de maladie en agissant sur la méthylation locale.

Modifications de l'histone et remodelage de la chromatine

Dans les maladies neurodégénératives, des changements globaux dans l'acétylation de l'histone ont été observés; par exemple, une diminution de l'acétylation de l'histone H4 dans les modèles AD est en corrélation avec des déficits de mémoire. Les enzymes qui écrivent, lisent et effacent ces marques, y compris les histones désacétylases (HDAC) et les acétyltransférases (HAT), sont explorées comme cibles thérapeutiques. Cependant, comme ces enzymes sont largement exprimées et régulent de nombreux processus cellulaires, le développement de modulateurs spécifiques au cerveau reste un défi.

Des techniques avancées comme ChIP-seq (immunoprécipitation de la chromatine suivie d'un séquençage) et CUT&Tag permettent de cartographier à l'échelle du génome les marques d'histones et les sites de liaison des facteurs de transcription dans le tissu cérébral. Ces méthodes ont été appliquées pour découvrir les régions régulatrices qui stimulent l'expression génétique spécifique au type cellulaire et pour déterminer comment les variantes associées à la maladie modifient les états de la chromatine.

Intégration de données multi-omiques pour des analyses mécanistes

L'intégration de données génomiques, transcriptomiques, épigénomiques, protéomiques et métabolomiques, appelées collectivement multiomiques, permet une compréhension de la biologie des maladies à l'échelle des systèmes. Les outils bioinformatiques pour l'intégration des données comprennent une régression partielle des moindres carrés, des approches en réseau (p. ex. fusion de réseaux de similarités) et des modèles d'apprentissage automatique qui priorisent les caractéristiques des ensembles de données. Par exemple, le Portail de connaissancesAMP-AD héberge des données multiomiques harmonisées à partir d'échantillons de cerveau humain, permettant aux chercheurs d'identifier des modules de molécules co-réglementées enrichis pour des facteurs de risque génétiques et de prédire les facteurs de causalité.

Une stratégie d'intégration puissante est l'utilisation de loci quantitatifs de caractères d'expression (eQTL) et de QTL épigénétiques (eQTL) pour lier les signaux GWAS à des gènes spécifiques. En cartographieant des variantes qui affectent l'expression ou la méthylation de gènes voisins, les chercheurs peuvent prioriser les gènes candidats à la validation fonctionnelle. Par exemple, une variante non codante dans un locus à risque AD peut être liée à une expression modifiée de BIN1 ou CD2AP dans la microglie, ce qui indique des mécanismes spécifiques à un type cellulaire.

Protéomique et métabolomique : le point d'extrémité fonctionnel

La mesure directe des protéines et des métabolites permet une approximation plus étroite du phénotype de la maladie. La protéomique basée sur la spectrométrie de masse a identifié des centaines de protéines altérées dans le tissu cérébral de la MA, y compris les isoformes du tau, les fragments de protéines précurseurs amyloïdes et les protéines synaptiques. Des approches ciblées telles que les panneaux SomaLogic et Olink permettent une quantification des protéines à haut débit dans le LCR et le plasma, facilitant ainsi la découverte de biomarqueurs. De même, le profilage métabolomique révèle une dysrégulation du métabolisme énergétique, du métabolisme des lipides et des voies des acides aminés.

Défis et orientations futures

Malgré des progrès remarquables, les approches génomiques des maladies neurodégénératives sont confrontées à plusieurs obstacles. Premièrement, l'architecture génétique de ces troubles est très hétérogène, avec de nombreuses variantes d'effet faible. De grands échantillons sont nécessaires pour une puissance statistique suffisante, et la diversité des populations reste une limite majeure; la grande majorité des études ont été menées chez des individus d'ascendance européenne.

Deuxièmement, la validation fonctionnelle des résultats génomiques est longue mais essentielle. L'édition génétique basée sur le CRISPR dans les neurones et les glias dérivés de l'iPSC, ainsi que les modèles animaux, doivent être étendues pour suivre le rythme des découvertes génétiques. Troisièmement, les implications éthiques de la prédiction du risque génomique, en particulier pour les maladies incurables, exigent une attention particulière.

Dans le cas des formes monogéniques de la maladie de Huntington, HTT dans Huntington, et C9orf72 dans la SLA, sont déjà en cours d'essais cliniques.Pour les formes complexes, l'édition d'épigénomes basée sur le CRISPR pourrait, en principe, moduler l'expression des gènes à risque sans modifier la séquence d'ADN. Entre-temps, l'intégration de l'intelligence artificielle et de l'apprentissage machine accélérera l'analyse de vastes ensembles de données, identifiant les modèles invisibles aux statistiques traditionnelles.

En fin de compte, la recherche génomique en neurodégénérescence a pour but de décoder la logique moléculaire qui transforme le vieillissement en une maladie dévastatrice. Avec un investissement continu dans des initiatives de collaboration, de partage de données et de suivi fonctionnel rigoureux, la voie de la découverte génétique vers des thérapies efficaces devient de plus en plus tangible.

Conclusion

Des approches génomiques qui ont permis de découvrir des dizaines de variantes de risque à des transcriptomiques unicellulaires qui ont cartographié la vulnérabilité cellulaire, ces technologies fournissent une feuille de route moléculaire de la maladie. L'intégration entre les couches omiques, associée aux progrès de la génomique fonctionnelle et de la biologie computationnelle, sera essentielle pour traduire ces découvertes en diagnostics et traitements.