Aller au contenu

Score polygénique

Un article de Wikipédia, l'encyclopédie libre.
Si ce bandeau n'est plus pertinent, retirez-le. Cliquez ici pour en savoir plus.
Si ce bandeau n'est plus pertinent, retirez-le. Cliquez ici pour en savoir plus.

La mise en forme de cet article est à améliorer ().

La mise en forme du texte ne suit pas les recommandations de Wikipédia : il faut le « wikifier ».

Le score polygénique, également connu sous le nom de score de risque polygénique (ou PRS pour Polygenic Risk Score), est une valeur numérique dérivée d'une analyse génomique. Il est utilisé pour prédire la probabilité qu'un individu développe une certaine maladie ou caractéristique en fonction de son profil génétique. Le score polygénique est un nombre qui résume l'effet estimé de nombreuses variantes génétiques sur le phénotype d'un individu, généralement calculé comme une somme pondérée des allèles associés au trait[1],[2],[3]. Il reflète la prédisposition génétique estimée d'un individu pour un trait donné et peut être utilisé comme prédicteur de ce trait[4],[5],[6].

Le score polygénique est calculé en additionnant les effets de nombreux variants génétiques associés à une maladie ou un trait donné. Ces scores sont généralement basés sur les résultats d'études d'association pangénomique (GWAS) qui identifient les variants génétiques associés à un certain trait ou risque de maladie. Chaque variante est pondérée en fonction de son association avec le trait ou la maladie.

Les scores polygéniques sont couramment utilisés en génétique pour prédire les risques de maladies complexes comme les maladies cardiovasculaires, le diabète de type 2 ou la schizophrénie. Ils sont également utilisés pour estimer les caractéristiques quantitatives, telles que la taille ou le quotient intellectuel[7].

Les progrès récents en génétique ont permis la création de prédicteurs polygéniques de traits humains complexes, y compris le risque pour de nombreuses maladies complexes[8],[9], qui sont généralement affectées par de nombreux variants génétiques qui confèrent chacun un faible effet sur le risque global[10],[11]. Dans un prédicteur de risque polygénique, le risque à vie (ou dans une certaine tranche d'âge) pour la maladie est une fonction numérique capturée par le score qui dépend des états de milliers de variants génétiques individuels (c'est-à-dire, single nucleotide polymorphisms, ou SNP).

Les poids utilisés pour calculer les scores polygéniques dans de nombreuses maladies peuvent être retrouvés dans la base de données PGS Catalog[12].

Calcul d'un score de risque polygénique

[modifier | modifier le code]

Un score polygénique (PGS)[13] est construit à partir des "poids" dérivés d'une étude d'association pangénomique (GWAS). Dans une GWAS, les polymorphismes mononucléotidiques (SNP) sont testés pour une association entre les cas et les témoins. Les résultats d'une GWAS fournissent la force de l'association à chaque SNP, par exemple la taille de l'effet, et une valeur p pour la signification statistique. La taille de l'effet dérivée de GWAS pour un SNP est souvent désignée comme le 'poids'. Un score de risque polygénique typique est ensuite calculé en ajoutant le nombre d'allèles modifiant le risque à travers un grand nombre de SNP, où chaque nombre d'allèles pour chaque SNP est multiplié par le poids pour le SNP[14]. En forme mathématique, le score polygénique estimé est obtenu comme la somme à travers m nombre de SNP avec des allèles augmentant le risque pondérés par leurs poids, .

Cette idée peut être généralisée à l'étude de tout trait, et est un exemple du terme mathématique plus général analyse de régression.

Utilité clinique des scores polygéniques

[modifier | modifier le code]

Une étude majeure examinant le rôle des scores de risque polygénique dans la maladie cardiovasculaire a ravivé l'intérêt pour le potentiel clinique des scores polygéniques[6]. Cette étude a démontré qu'un individu ayant le score de risque polygénique le plus élevé (top 1%) avait un risque cardiovasculaire à vie >10% comparable à ceux avec des variantes génétiques rares. Cette comparaison est importante car la pratique clinique peut être influencée en sachant quels individus ont cette cause génétique rare de maladie cardiovasculaire[15]. Depuis cette étude, les scores de risque polygénique ont montré leur promesse pour la prédiction de la maladie à travers d'autres traits[2]. Les scores de risque polygénique ont été largement étudiés dans l'obésité, la maladie coronarienne, le diabète, le cancer du sein, le cancer de la prostate, la maladie d'Alzheimer et les maladies psychiatriques[3]. En 2023, des études démontrent une précision accrue par rapport à ces études précédentes.

Performance prédictive chez les humains

[modifier | modifier le code]

Même si un score polygénique peut ne pas faire de prédictions diagnostiques fiables à travers toute une population, il peut néanmoins faire des prédictions très précises pour les individus présentant un risque extrêmement élevé ou faible. L'utilité clinique peut donc encore être grande même si les mesures moyennes de performance de prédiction sont modérées[9].

Le dépistage génétique des embryons est courant avec des millions de biopsies et de tests effectués chaque année dans le monde. Des méthodes de génotypage ont été développées de sorte que le génotype de l'embryon et le score polygénique résultant puissent être déterminés avec une grande précision[16],[17],[18],[19],[20],[21].

En 2019, des scores polygéniques pour bien plus d'une centaine de phénotypes ont été développés à partir de statistiques d'association à l'échelle du génome[22]. Cela inclut des scores qui peuvent être classés comme anthropométriques, comportementaux, cardiovasculaires, de maladie non cancéreuse, psychiatriques/neurologiques, et de réponse au traitement/médicament[23].

Exemples de performance de prédiction de maladie

[modifier | modifier le code]

Lors de la prédiction du risque de maladie, un score polygénique (PGS) donne un score continu qui estime le risque d'avoir ou de contracter la maladie, dans une certaine période de temps prédéfinie. Une mesure courante pour évaluer de telles estimations continues de questions oui/non (voir Classification binaire) est l'aire sous la courbe ROC (AUC). Quelques exemples de résultats de performance des PGS, mesurés en AUC (0 ≤ AUC ≤ 1 où un nombre plus grand implique une meilleure prédiction), comprennent :

En 2018, AUC ≈ 0,64 pour la maladie coronarienne en utilisant ~120 000 individus britanniques[24],[A 1]. En 2019, AUC ≈ 0,63 pour le cancer du sein, développé à partir de ~95 000 sujets cas et ~75 000 témoins d'ascendance européenne[25].En 2019, AUC ≈ 0,71 pour l'hypothyroïdie pour ~24 000 sujets cas et ~463 000 témoins d'ascendance européenne[9].En 2020, AUC ≈ 0,71 pour la schizophrénie, en utilisant 90 cohortes comprenant ~67 000 sujets cas et ~94 000 témoins avec ~80 % d'ascendance européenne et ~20 % d'ascendance est-asiatique[26]. Notez que ces résultats utilisent uniquement des informations génétiques en entrée ; l'inclusion d'informations supplémentaires comme l'âge et le sexe améliore souvent considérablement les prédictions. Le prédicteur de maladie coronarienne et le prédicteur d'hypothyroïdie ci-dessus atteignent des AUC d'environ 0,80 et ~0,78, respectivement, lorsqu'ils incluent également l'âge et le sexe[6],[9].

Avantages chez les humains

[modifier | modifier le code]

Contrairement à de nombreuses autres méthodes de laboratoire clinique ou d'imagerie, le risque génétique de la lignée germinale d'un individu peut être calculé dès la naissance pour diverses maladies après le séquençage une seule fois de leur ADN[27],[2]. Ainsi, les scores polygéniques pourraient finalement être une mesure rentable pouvant être informative pour la gestion clinique. De plus, le score de risque polygénique peut être informatif tout au long de la vie d'un individu, aidant à quantifier le risque génétique à vie pour certaines maladies. Pour de nombreuses maladies, avoir un risque génétique fort peut entraîner un début plus précoce de la présentation (par exemple, l'hypercholestérolémie familiale)[28]. Reconnaître un fardeau génétique accru plus tôt peut permettre aux cliniciens d'intervenir plus tôt et d'éviter des diagnostics retardés. Le score polygénique peut être combiné avec des facteurs de risque traditionnels pour augmenter l'utilité clinique[29],[30],[31],[32]. Par exemple, les scores de risque polygéniques peuvent aider à améliorer le diagnostic des maladies. C'est particulièrement évident pour distinguer le diabète de type 1 du diabète de type 2.

De même, une approche basée sur le score de risque polygénique peut réduire les procédures de diagnostic invasives, comme démontré dans la maladie cœliaque[33]. Les scores polygéniques peuvent également donner aux individus le pouvoir de modifier leur mode de vie pour réduire le risque de maladies. Il existe des preuves de modification du comportement en conséquence de la connaissance de sa prédisposition génétique[34],[35],[36]. Le dépistage à l'échelle de la population est une autre utilisation des scores polygéniques. Le but du dépistage à l'échelle de la population est d'identifier les patients à haut risque pour une maladie qui bénéficieraient d'un traitement existant[37]. Les scores polygéniques peuvent identifier un sous-ensemble de la population à haut risque qui pourrait bénéficier du dépistage. Plusieurs études cliniques sont en cours dans le cancer du sein[38],[39] et la maladie cardiaque est un autre domaine qui pourrait bénéficier d'un programme de dépistage basé sur le score polygénique[27].

Notes et références

[modifier | modifier le code]

Références

[modifier | modifier le code]
  1. ↑ Dudbridge F, « Power and predictive accuracy of polygenic risk scores », PLOS Genetics, vol. 9, no 3,‎ , e1003348 (PMID 23555274, PMCID 3605113, DOI 10.1371/journal.pgen.1003348)
  2. ↑ a b et c Torkamani A, Wineinger NE, Topol EJ, « The personal and clinical utility of polygenic risk scores », Nature Reviews. Genetics, vol. 19, no 9,‎ , p. 581–590 (PMID 29789686, DOI 10.1038/s41576-018-0018-x, S2CID 46893131)
  3. ↑ a et b Lambert SA, Abraham G, Inouye M, « Towards clinical utility of polygenic risk scores », Human Molecular Genetics, vol. 28, no R2,‎ , R133–R142 (PMID 31363735, DOI 10.1093/hmg/ddz187 Accès libre)
  4. ↑ de Vlaming R, Groenen PJ, « The Current and Future Use of Ridge Regression for Prediction in Quantitative Genetics », BioMed Research International, vol. 2015,‎ , p. 143712 (PMID 26273586, PMCID 4529984, DOI 10.1155/2015/143712 Accès libre)
  5. ↑ Lewis CM, Vassos E, « Prospects for using risk scores in polygenic medicine », Genome Medicine, vol. 9, no 1,‎ , p. 96 (PMID 29132412, PMCID 5683372, DOI 10.1186/s13073-017-0489-y)
  6. ↑ a b et c Khera AV, Chaffin M, Aragam KG, Haas ME, Roselli C, Choi SH, Natarajan P, Lander ES, Lubitz SA, Ellinor PT, Kathiresan S, « Genome-wide polygenic scores for common diseases identify individuals with risk equivalent to monogenic mutations », Nature Genetics, vol. 50, no 9,‎ , p. 1219–1224 (PMID 30104762, PMCID 6128408, DOI 10.1038/s41588-018-0183-z)
  7. ↑ Bertrand Jordan, « Scores polygéniques et risque de cancer - Chroniques génomiques », médecine/sciences, vol. 36, no 5,‎ , p. 535–537 (ISSN 0767-0974 et 1958-5381, DOI 10.1051/medsci/2020088, lire en ligne, consulté le )
  8. ↑ Regalado A, « 23andMe pense que les scores de risque polygénique sont prêts pour le grand public, mais les experts ne sont pas si sûrs », sur MIT Technology Review, (consulté le )
  9. ↑ a b c et d Lello L, Raben TG, Yong SY, Tellier LC, Hsu SD, « Prédiction génomique de 16 risques de maladies complexes comprenant l'infarctus du myocarde, le diabète, le cancer du sein et de la prostate », Scientific Reports, vol. 9, no 1,‎ , p. 15286 (PMID 31653892, PMCID 6814833, DOI 10.1038/s41598-019-51258-x Accès libre, Bibcode 2019NatSR...915286L)
  10. ↑ Visscher PM, Wray NR, Zhang Q, Sklar P, McCarthy MI, Brown MA, Yang J, « 10 ans de découverte GWAS : Biologie, fonction et traduction », American Journal of Human Genetics, vol. 101, no 1,‎ , p. 5–22 (PMID 28686856, PMCID 5501872, DOI 10.1016/j.ajhg.2017.06.005)
  11. ↑ Spiliopoulou A, Nagy R, Bermingham ML, Huffman JE, Hayward C, Vitart V, Rudan I, Campbell H, Wright AF, Wilson JF, Pong-Wong R, Agakov F, Navarro P, Haley CS, « Prédiction génomique des traits humains complexes : parenté, architecture des traits et méta-modèles prédictifs », Human Molecular Genetics, vol. 24, no 14,‎ , p. 4167–4182 (PMID 25918167, PMCID 4476450, DOI 10.1093/hmg/ddv145)
  12. ↑ (en) « PGS catalog », sur pgscatalog.org (consulté le )
  13. ↑ « Polygenic Risk Scores », sur Genome.gov (consulté le )
  14. ↑ Choi SW, Mak TS, O'Reilly PF, « Tutoriel : un guide pour réaliser des analyses de scores de risque polygénique », Nature Protocols, vol. 15, no 9,‎ , p. 2759–2772 (PMID 32709988, PMCID 7612115, DOI 10.1038/s41596-020-0353-1, S2CID 220732490)
  15. ↑ Wray NR, Lin T, Austin J, McGrath JJ, Hickie IB, Murray GK, Visscher PM, « From Basic Science to Clinical Application of Polygenic Risk Scores: A Primer », JAMA Psychiatry, vol. 78, no 1,‎ , p. 101–109 (ISSN 2168-622X, PMID 32997097, DOI 10.1001/jamapsychiatry.2020.3049, S2CID 222169651)
  16. ↑ Zeevi DA, Backenroth D, Hakam-Spector E, Renbaum P, Mann T, Zahdeh F, Segel R, Zeligson S, Eldar-Geva T, Ben-Ami I, Ben-Yehuda A, Carmi S, Altarescu G, « Expanded clinical validation of Haploseek for comprehensive preimplantation genetic testing », Genetics in Medicine, vol. 23, no 7,‎ , p. 1334–1340 (PMID 33772222, DOI 10.1038/s41436-021-01145-6 Accès libre, S2CID 232377300)
  17. ↑ Treff NR, Zimmerman R, Bechor E, Hsu J, Rana B, Jensen J, Li J, Samoilenko A, Mowrey W, Van Alstine J, Leondires M, Miller K, Paganetti E, Lello L, Avery S, Hsu S, Melchior Tellier LC, « Validation of concurrent preimplantation genetic testing for polygenic and monogenic disorders, structural rearrangements, and whole and segmental chromosome aneuploidy with a single universal platform », European Journal of Medical Genetics, vol. 62, no 8,‎ , p. 103647 (PMID 31026593, DOI 10.1016/j.ejmg.2019.04.004 Accès libre)
  18. ↑ Lázaro-Muñoz G, Pereira S, Carmi S, Lencz T, « Screening embryos for polygenic conditions and traits: ethical considerations for an emerging technology », Genetics in Medicine, vol. 23, no 3,‎ , p. 432–434 (PMID 33106616, PMCID 7936952, DOI 10.1038/s41436-020-01019-3)
  19. ↑ Munday S, Savulescu J, « Three models for the regulation of polygenic scores in reproduction », Journal of Medical Ethics, vol. 47, no 12,‎ , e91 (PMID 33462079, PMCID 8639919, DOI 10.1136/medethics-2020-106588 Accès libre)
  20. ↑ Kemper JM, Gyngell C, Savulescu J, « Subsidizing PGD: The Moral Case for Funding Genetic Selection », Journal of Bioethical Inquiry, vol. 16, no 3,‎ , p. 405–414 (PMID 31418161, PMCID 6831526, DOI 10.1007/s11673-019-09932-2 Accès libre)
  21. ↑ Savulescu J, « Procreative beneficence: why we should select the best children », Bioethics, vol. 15, nos 5–6,‎ , p. 413–426 (ISBN 978-0-19-998187-8, PMID 12058767, DOI 10.1093/oxfordhb/9780199981878.013.26)
  22. ↑ « The Polygenic Score (PGS) Catalog », sur Polygenic Score (PGS) Catalog (consulté le ) : « An open database of polygenic scores and the relevant metadata required for accurate application and evaluation »
  23. ↑ Richardson TG, Harrison S, Hemani G, Davey Smith G, « An atlas of polygenic risk score associations to highlight putative causal relationships across the human phenome », eLife, vol. 8,‎ , e43657 (PMID 30835202, PMCID 6400585, DOI 10.7554/eLife.43657 Accès libre)
  24. ↑ (en) Amit V. Khera, Mark Chaffin, Krishna G. Aragam, C.A. Emdin, D. Klarin, Mary E. Haas, Carolina Roselli, P. Natarajan et Sekar Kathiresan, « Genome-wide polygenic scores for common diseases identify individuals with risk equivalent to monogenic mutations », Nature Genetics,‎ , p. 219–1224 (DOI 10.1038/s41588-018-0183-z).
  25. ↑ Mavaddat N, Michailidou K, Dennis J, Lush M, Fachal L, Lee A, etal, « Polygenic Risk Scores for Prediction of Breast Cancer and Breast Cancer Subtypes », American Journal of Human Genetics, vol. 104, no 1,‎ , p. 21–34 (PMID 30554720, PMCID 6323553, DOI 10.1016/j.ajhg.2018.11.002 Accès libre)
  26. ↑ Ripke S, Walters JT, O'Donovan MC, « Mapping genomic loci prioritises genes and implicates synaptic biology in schizophrenia », medRxiv, vol. preprint,‎ (DOI 10.1101/2020.09.12.20192922, S2CID 221635239)
  27. ↑ a et b Adebowale Adeyemo, Mary K. Balaconis, Deanna R. Darnes, Segun Fatumo, Palmira Granados Moreno, Chani J. Hodonsky, Michael Inouye, Masahiro Kanai, Kazuto Kato, Bartha M. Knoppers, Anna C. F. Lewis, Alicia R. Martin, Mark I. McCarthy, Michelle N. Meyer, Yukinori Okada, J. Brent Richards, Lucas Richter, Samuli Ripatti, Charles N. Rotimi, Saskia C. Sanderson, Amy C. Sturm, Ricardo A. Verdugo, Elisabeth Widen, Cristen J. Willer, Genevieve L. Wojcik et Alicia Zhou, « Utilisation responsable des scores de risque polygéniques en clinique : avantages potentiels, risques et lacunes », Nature Medicine, vol. 27, no 11,‎ , p. 1876–1884 (PMID 34782789, DOI 10.1038/s41591-021-01549-6 Accès libre, S2CID 244131258)
  28. ↑ Varghese MJ, « Hypercholestérolémie familiale : un examen », Annals of Pediatric Cardiology, vol. 7, no 2,‎ , p. 107–117 (PMID 24987256, PMCID 4070199, DOI 10.4103/0974-2069.132478)
  29. ↑ Ganna A, Magnusson PK, Pedersen NL, de Faire U, Reilly M, Arnlöv J, Sundström J, Hamsten A, Ingelsson E, « Scores de risque génétique multilocus pour la prédiction de la maladie coronarienne », Arteriosclerosis, Thrombosis, and Vascular Biology, vol. 33, no 9,‎ , p. 2267–2272 (PMID 23685553, DOI 10.1161/atvbaha.113.301218 Accès libre, S2CID 182105)
  30. ↑ Maladie coronarienne aux Pays-Bas : incidence, étiologie et prédiction du risque (thèse), Université de Maastricht, (ISBN 9789052789873, DOI 10.26481/dis.20101210am)
  31. ↑ Nadir MA, Struthers AD, « Antécédents familiaux de maladie coronarienne précoce et prédiction du risque », Heart, vol. 97, no 8,‎ , p. 684; author reply 684 (PMID 21367743, DOI 10.1136/hrt.2011.222265, S2CID 36394971)
  32. ↑ B. Neale, « Genomic risk prediction of coronary artery disease in 480,000 adults: implications for primary prevention. » [« Recommandation des opinions de la faculté sur la prédiction du risque génomique de la maladie des artères coronaires chez 480 000 adultes : implications pour la prévention primaire. »], Journal of the American College of Cardiology, vol. 72, no 16,‎ , p. 1883-1893 (DOI 10.3410/f.734171897.793567857 Accès libre, S2CID 212766426).
  33. ↑ Sharp SA, Jones SE, Kimmitt RA, Weedon MN, Halpin AM, Wood AR, Beaumont RN, King S, van Heel DA, Campbell PM, Hagopian WA, Turner JM, Oram RA, « A single nucleotide polymorphism genetic risk score to aid diagnosis of coeliac disease: a pilot study in clinical care », Alimentary Pharmacology & Therapeutics, vol. 52, no 7,‎ , p. 1165–1173 (PMID 32790217, DOI 10.1111/apt.15826 Accès libre, S2CID 221127365)
  34. ↑ McBride CM, Koehly LM, Sanderson SC, Kaphingst KA, « The behavioral response to personalized genetic information: will genetic risk profiles motivate individuals and families to choose more healthful behaviors? », Annual Review of Public Health, vol. 31, no 1,‎ , p. 89–103 (PMID 20070198, DOI 10.1146/annurev.publhealth.012809.103532)
  35. ↑ Saya S, McIntosh JG, Winship IM, Clendenning M, Milton S, Oberoi J, Dowty JG, Buchanan DD, Jenkins MA, Emery JD, « A Genomic Test for Colorectal Cancer Risk: Is This Acceptable and Feasible in Primary Care? », Public Health Genomics, vol. 23, nos 3–4,‎ , p. 110–121 (PMID 32688362, DOI 10.1159/000508963, S2CID 220669421)
  36. ↑ Turnwald BP, Goyer JP, Boles DZ, Silder A, Delp SL, Crum AJ, « Learning one's genetic risk changes physiology independent of actual genetic risk », Nature Human Behaviour, vol. 3, no 1,‎ , p. 48–56 (PMID 30932047, PMCID 6874306, DOI 10.1038/s41562-018-0483-4)
  37. ↑ Singh Y, « Effectiveness of Screening Programmes for Detection of Major Congenital Heart Diseases », European Journal of Pediatrics, vol. 175, no 11,‎ , p. 1582 (DOI 10.26226/morressier.57d034ced462b80292382f40)
  38. ↑ Esserman LJ, « The WISDOM Study: breaking the deadlock in the breast cancer screening debate », npj Breast Cancer, vol. 3, no 1,‎ , p. 34 (PMID 28944288, PMCID 5597574, DOI 10.1038/s41523-017-0035-5, S2CID 3313995)
  39. ↑ Farooq V, Serruys PW, ESC CardioMed, Oxford University Press, , 1371–1384 p. (ISBN 978-0-19-878490-6, DOI 10.1093/med/9780198784906.003.0335), « Risk stratification and risk scores »

Notes sur les références

[modifier | modifier le code]
  1. ↑ Preprint lists AUC for pure PRS while the published version of the paper only lists AUC for PGS combined with age, sex and genotyping array information.

Voir aussi

[modifier | modifier le code]

Liens externes

[modifier | modifier le code]
  • (en) « PGS catalog », sur pgscatalog.org (consulté le )
Ce document provient de « https://fr.wikipedia.org/w/index.php?title=Score_polygénique&oldid=214608025 ».