Comprendre la fonction et la maladie rénales

L'insuffisance rénale chronique (IRC) se caractérise par une perte progressive de la fonction rénale. L'IRC peut finalement conduire à une insuffisance rénale, qui ne peut être traitée que par dialyse ou greffe de rein. La glomérulosclérose segmentaire focale (FSGS), l'uropathie obstructive (OU), l'aplasie/dysplasie/hypoplasie (A/D/H) et la néphropathie de reflux (RN) sont des affections cliniques courantes qui peuvent être à l'origine de l'IRC pédiatrique. Des anomalies congénitales des reins ou des voies urinaires peuvent être à l'origine de ces états cliniques. Cependant, les voies de signalisation qui conduisent à une hétérogénéité substantielle entre ces conditions n'ont pas été largement explorées. Le profilage métabolomique à grande échelle pourrait permettre de découvrir des profils métaboliques qui élargiront notre compréhension des causes de l'IRC pédiatrique.

Figure 1. Les diagrammes à barres illustrent les performances des modèles ML avec la classification par machine à vecteur de support (SVM) sans sélection des caractéristiques (842 métabolites ; à gauche), avec sélection des caractéristiques vers l'avant (122 métabolites ; au milieu) et avec sélection des caractéristiques Lasso (56 métabolites ; à droite).Le SVM avec la sélection Lasso est plus performant que les modèles sans sélection et avec sélection directe.

Dans cette étude, la modélisation par apprentissage automatique a été utilisée en complément de la biostatistique traditionnelle pour détecter les signatures métabolomiques associées à chaque diagnostic de maladie rénale chronique. L'équipe de recherche a déterminé que le dysmétabolisme de la sphingomyéline-céramide et du plasmalogène est associé à la FSGS. OU est associé aux métabolites de l'histidine dérivés du microbiome intestinal et à la sous-pathologie de l'histidine. A/D/H était associé à des métabolites individuels du céramide et du cycle de l'urée, ainsi qu'à leurs sous-voies. RN était associé à des métabolites individuels du tryptophane, du benzoate et des acides gras à chaîne moyenne, ainsi qu'à leurs sous-voies.

Cette étude met en lumière les métabolites et les voies métaboliques associés à l'IRC pédiatrique. Les données métabolomiques plasmatiques non ciblées de cette étude sur la santé de la population représentent une opportunité passionnante de mieux comprendre les différences biochimiques basées sur les causes sous-jacentes de l'IRC pédiatrique. L'identification de ces différences peut améliorer notre capacité à prédire la progression de la maladie et la morbidité associée et peut identifier des cibles thérapeutiques potentielles.Les ensembles affinés de biomarqueurs métaboliques prédictifs peuvent être exploités pour le développement de nouveaux tests cliniques permettant une prédiction et une prise en charge plus rapides et plus précises de l'IRC pédiatrique.

Lee AM, Hu J, Xu Y, et al. Using Machine Learning to Identify Metabolomic Signatures of Pediatric Chronic Kidney Disease Etiology. J Am Soc Nephrol. 2022;33(2):375-386. doi:10.1681/ASN.2021040538