Validité des scores polygéniques cardiométaboliques d’origine européenne dans les populations multi-ancestrales

Ces dernières années, les scores polygéniques (Polygenic Scores, PGS) ont suscité un large intérêt en tant qu’outil d’évaluation du risque génétique individuel. Cependant, la plupart des PGS existants sont basés sur des données d’études d’association pangénomique (Genome-Wide Association Studies, GWAS) menées sur des populations blanches d’origine européenne. Cela a remis en question la validité de ces PGS dans les populations non européennes. Cet article vise à évaluer la performance des PGS dans différents groupes ethniques, en particulier les populations d’Asie du Sud et afro-caribéennes, afin d’explorer les questions d’inégalités en matière de santé.

Contexte

Les scores polygéniques (Polygenic Scores, PGS) fournissent une évaluation du risque génétique individuel pour une maladie spécifique. Cependant, la grande majorité des PGS actuels sont basés sur des données issues d’études d’association pangénomique (GWAS) menées sur des populations d’origine européenne. Ces caractéristiques font que la validité des PGS dans d’autres groupes ethniques n’a pas encore été démontrée, en particulier pour les maladies cardiométaboliques qui affectent davantage les populations non européennes. Par conséquent, pour faire face à ces inégalités de santé, les auteurs de cet article souhaitent évaluer la performance des PGS pour les caractéristiques liées aux maladies cardiométaboliques en utilisant les données inter-ethniques de la UK Biobank.

Présentation de la source de l’article

Cet article a été rédigé par Constantin-Cristian Topriceanu, Nish Chaturvedi, Rohini Mathur et Victoria Garfield, et publié en 2024 dans l’European Journal of Human Genetics.

Processus de recherche

Sujets de l’étude et sources de données

L’étude a utilisé les données de la UK Biobank, une étude de cohorte prospective comprenant plus de 500 000 participants adultes britanniques âgés de 40 à 69 ans. Les données incluent l’appartenance ethnique autodéclarée des participants, les informations génétiques, les résultats de santé et les données d’imagerie. Selon les normes statistiques britanniques de 2001, les données d’appartenance ethnique autodéclarée étaient de 94,4 % pour les Blancs d’origine européenne, 0,2 % pour les Sud-Asiatiques, 0,2 % pour les Afro-Caribéens et 5,2 % pour les autres/ethnies inconnues.

Construction des scores polygéniques

L’étude a utilisé des PGS standard et améliorés développés par Thompson et al. Les PGS standard n’incluent que des données GWAS externes, tandis que les PGS améliorés incluent également des données GWAS de la UK Biobank elle-même. Tous les PGS sont basés sur des caractéristiques cardiométaboliques spécifiques, telles que le diabète de type 1 (T1DM), le diabète de type 2 (T2DM), l’hémoglobine glyquée (HbA1c), l’indice de masse corporelle (IMC), l’hypertension, la maladie coronarienne (CAD), l’accident vasculaire cérébral ischémique, les maladies cardiovasculaires (MCV), les lipoprotéines de haute densité (HDL), les lipoprotéines de basse densité (LDL), le cholestérol total et les triglycérides.

Analyse des résultats et validation

Tous les résultats ont été analysés initialement à l’aide de modèles de régression logistique pour les résultats binaires, comme la prédiction des maladies cardiovasculaires, en évaluant la performance prédictive du modèle à l’aide de courbes ROC et de valeurs AUC. Pour les variables continues, des modèles GLM avec distribution gamma ont été utilisés pour l’analyse de régression.

Pour garantir la précision des résultats, les modèles ont été ajustés pour l’âge, le sexe et le statut socio-économique, en plus du traitement des données brutes. Des analyses de sensibilité supplémentaires ont également été effectuées pour ajuster l’influence des médicaments antidiabétiques et hypolipémiants, afin d’assurer une estimation directe de l’impact des PGS sur les caractéristiques métaboliques.

Principaux résultats de la recherche

Performance prédictive des scores polygéniques dans différents groupes ethniques

1. Diabète de type 1 (T1DM) : Les PGS ont montré la meilleure performance prédictive chez les Blancs d’origine européenne (OR=3,09, AUC=0,84), tandis que la performance était moindre chez les Sud-Asiatiques (OR=1,52, AUC=0,63) et les Afro-Caribéens (OR=1,40, AUC=0,50).

2. Diabète de type 2 (T2DM) : Les Blancs d’origine européenne (OR=2,48, AUC=0,80) ont montré une meilleure performance des PGS pour le T2DM par rapport aux Sud-Asiatiques (OR=2,05, AUC=0,76) et aux Afro-Caribéens (OR=1,51, AUC=0,73).

3. Hémoglobine glyquée (HbA1c) : Les coefficients de régression étaient plus élevés pour les Blancs d’origine européenne et les Sud-Asiatiques (β≈1,7) par rapport aux Afro-Caribéens (β≈1,03).

4. Indice de masse corporelle (IMC) : Les PGS améliorés ont montré la meilleure performance chez les Blancs d’origine européenne (β≈1,71), tandis que la performance était relativement plus faible chez les Sud-Asiatiques et les Afro-Caribéens (β≈1,31 et β≈0,90 respectivement).

5. Maladies cardiovasculaires (MCV) et maladie coronarienne (CAD) : La performance prédictive était nettement meilleure chez les Blancs d’origine européenne (MCV OR=1,61 ; CAD OR=1,61) et les Sud-Asiatiques (MCV OR=1,58 ; CAD OR=1,58) par rapport aux Afro-Caribéens (MCV OR=1,20 ; CAD OR=1,20).

6. Accident vasculaire cérébral (AVC) : La performance des PGS dans la prédiction des AVC était similaire dans tous les groupes ethniques (AUC≈0,70, OR=1,20-1,40).

7. Lipoprotéines de haute densité (HDL) et lipoprotéines de basse densité (LDL) : Les PGS des Blancs d’origine européenne ont montré une meilleure performance prédictive pour le HDL et le LDL par rapport aux deux autres groupes ethniques.

8. Cholestérol total et triglycérides : Les PGS pour le cholestérol total ont montré la meilleure performance chez les Blancs d’origine européenne, tandis que les PGS pour les triglycérides ont montré la meilleure performance chez les Sud-Asiatiques.

Limites de l’étude

Les limites de l’étude comprennent : 1. Manque de diversité des données : La plupart des données GWAS proviennent de populations blanches d’origine européenne, avec peu de données sur les populations non blanches. 2. Validité de la construction des PGS : En raison des différences de déséquilibre de liaison (LD) entre les groupes ethniques, cela peut entraîner des différences dans la taille des effets. 3. Biais dans l’autodéclaration de l’appartenance ethnique : L’appartenance ethnique autodéclarée ne reflète pas nécessairement pleinement les informations génétiques ancestrales, bien qu’il y ait un certain chevauchement.

Conclusion de l’étude

Les scores polygéniques montrent une meilleure performance prédictive chez les Blancs d’origine européenne, tandis que la performance est relativement plus faible chez les Sud-Asiatiques et les Afro-Caribéens. Cela suggère que davantage de données sur les populations non blanches doivent être incluses dans les analyses GWAS pour produire des PGS plus représentatifs, afin d’éviter d’exacerber les inégalités de santé existantes lors de l’application clinique des PGS.

Valeur scientifique et applicative de l’étude

Cette étude souligne l’importance de la diversité ethnique dans le processus de promotion de la médecine de précision et de l’application des scores polygéniques. En augmentant les études GWAS multi-ancestrales à grande échelle sur les populations non européennes, il est possible d’améliorer la précision des scores polygéniques, de réduire les inégalités de santé et d’apporter des avantages en matière de santé plus équitables aux populations de différentes origines ethniques.