Chapitre 8 - L'avenir de la multiomique

Dans ce guide, nous avons exploré l'incroyable potentiel de l'analyse multiomique pour approfondir notre compréhension des organismes, des écosystèmes, de la santé et des maladies en fournissant une vision holistique que les études mono-omiques ne peuvent pas atteindre. Au fur et à mesure que la technologie progresse, la recherche multiomique va devenir de plus en plus transformatrice dans divers domaines, de la recherche biologique fondamentale à la médecine personnalisée et de précision.

Bien que les applications de la recherche en multiomique couvrent un large éventail allant des soins de santé humaine aux pratiques agricoles, certaines des applications les plus transformatrices concernent l'avenir de la médecine. En fait, certains des plus grands mots à la mode aujourd'hui, tels que "médecine de précision" et "médecine personnalisée", dépendent de la recherche en multiomique. Dans les sections suivantes, nous examinons comment la multiomique peut conduire à la prochaine révolution de la médecine humaine.

La multiomique et l'avenir de la médecine

La génomique, la transcriptomique, la métabolomique et d'autres modalités omiques, lorsqu'elles sont appliquées individuellement, ont révélé l'énorme complexité de la santé et de la maladie ^humaines1. Un large éventail de technologies habilitantes (figure 1⁾² a introduit cette transformation dans notre compréhension de la biologie humaine et a ouvert la porte à la détection et au traitement des maladies avec plus d'exactitude et de précision que jamais.

La complexité biologique mise au jour par les différentes modalités omiques n'est pas seulement à l'origine de l'engouement pour les analyses multiomiques, elle est aussi le concept sous-jacent de la médecine de précision et de la médecine personnalisée.

Médecine personnalisée et de précision

La médecine personnalisée et la médecine de précision sont étroitement liées et ont été utilisées de manière ^{interchangeable3}. Bien qu'elles aient toutes deux pour objectif de caractériser en profondeur les individus au niveau moléculaire, leurs applications sont légèrement différentes.

La médecine de précision vise à prédire, prévenir et guérir les maladies avec plus de ^précision1 et peut être utilisée pour prédire le risque de maladie ou les meilleurs traitements pour des groupes spécifiques de patients sur la base de données omiques collectées auprès de groupes d'individus présentant les mêmes ^{caractéristiques} biologiques et cliniques3. La médecine de précision stimule et permet la médecine ^{personnalisée4}, qui prend en compte les facteurs propres à un individu, y compris son environnement, lorsqu'il s'agit de déterminer comment traiter sa maladie ^spécifique3.

Les analyses multiomiques ont déjà apporté des contributions considérables dans les domaines de la médecine de précision et de la médecine personnalisée. Par exemple, des chercheurs ont trouvé des corrélations dans une cohorte d'Égyptiens entre certaines variations génétiques et les niveaux sériques de vitamine D, qui peuvent servir de facteur de risque pour l'infarctus du ^myocarde5. Dans le domaine de la recherche en oncologie, les analyses multiomiques ont été utilisées pour identifier des sous-groupes de cancer ayant des taux de survie ^distincts6, pour relier les variations du nombre de copies de gènes aux modifications post-traductionnelles et aux résultats ^cliniques7, ainsi que pour de nombreuses autres découvertes ^{significatives2}.

Ce ne sont là que quelques exemples des découvertes avancées, précises et personnalisées rendues possibles par l'analyse multiomique. Avec les progrès technologiques et l'amélioration des méthodes informatiques d'analyse des données multiomiques (voir le chapitre 2 de ce guide), les analyses multiomiques continueront d'être le moteur de l'avenir des soins de santé de précision.

Diagnostic et pronostic des maladies

La détection de biomarqueurs est l'une des applications les plus prometteuses de l'analyse multiomique, comme nous l'avons vu au chapitre 1 du présent guide. Avec des biomarqueurs précis et solides, les chercheurs peuvent développer des ^approches diagnostiques et pronostiques8 afin d'identifier de meilleures cibles thérapeutiques pour améliorer le traitement (voir la section suivante).

Des recherches importantes ont été menées en utilisant des approches multiomiques pour identifier des biomarqueurs diagnostiques et pronostiques dans le domaine de l'oncologie. Des chercheurs ont identifié des biomarqueurs métaboliques diagnostiques dans le carcinome canalaire ^{pancréatique9} et des biomarqueurs génomiques, transcriptomiques, protéomiques et métaboliques pour le diagnostic précoce du cancer de l'^ovaire10.

Des biomarqueurs diagnostiques et pronostiques pour d'autres maladies ont également été identifiés, notamment les accidents ^vasculaires cérébraux11, l'obésité et ses ^{comorbidités12}, et même le ^COVID-1913. En outre, des chercheurs ont utilisé une approche multiomique pour diagnostiquer des maladies rares et informer des changements de soins médicaux en cours dans une cohorte de plus de 200 ^{nourrissons14}.

Découverte et développement de médicaments

La suite naturelle du diagnostic d'une maladie est le traitement. Comme pour le diagnostic et le pronostic, la découverte et le développement de médicaments peuvent être éclairés et facilités par l'analyse multiomique. En révélant les mécanismes moléculaires à l'origine des réponses aux médicaments, les chercheurs peuvent identifier de nouvelles cibles thérapeutiques, qui peuvent être des gènes, des facteurs de transcription, des métabolites ou des voies métaboliques, ou d'autres signatures moléculaires. Par exemple, des chercheurs ont identifié deux modifications de l'histone H3, H3K27ac et H3K9ac, comme cibles thérapeutiques potentielles dans la maladie d'^Alzheimer15. Dans les méningiomes, un type de tumeur cérébrale bénigne, la diaphonie moléculaire entre l'ubiquitine ligase TRAF7 et le facteur de transcription KLF4 a été identifiée comme une cible potentielle pour le développement de nouveaux ^{traitements16}. Dans la cardiomyopathie hypertrophique, l'altération du métabolisme énergétique et de la fonction mitochondriale suggère que les thérapies développées pour améliorer la fonction métabolique et réduire les lésions mitochondriales peuvent contribuer à réduire la ^maladie17.

Technologies habilitantes pour l'avenir de la multiomique

Bon nombre des découvertes multiomiques à l'origine de la médecine de précision et personnalisée, du diagnostic des maladies et de la découverte de médicaments dépendront probablement de deux technologies habilitantes : la cellule unique et l'omique spatiale. Ces approches prennent en compte les complexités cellulaires et tissulaires spécifiques de la maladie, en plaçant les découvertes biologiques dans leur contexte au niveau de la cellule, du tissu et de l'organisme, ce qui permet une compréhension plus précise et plus exacte de la maladie.

L'omique unicellulaire

Les analyses de cellules ^uniques18 permettent aux chercheurs d'étudier les cellules à la résolution la plus fine possible, ce qui permet de découvrir des types de cellules rares impliquées dans des maladies ou les cellules contre lesquelles un certain traitement est efficace (ou non), par exemple. Le séquençage de l'ADN et de l'ARN sur cellule unique a été désigné "méthode de l'année 2013" par ^Nature19 et a depuis lors apporté d'importantes contributions à notre compréhension de la biologie et de divers ^mécanismes pathologiques20.

Récemment, des chercheurs ont utilisé l'analyse unicellulaire pour identifier un nouveau type de cellule appelé cellule ^SWAT21, qui partage un progéniteur avec les adipocytes, suggérant que le maintien de l'équilibre entre différents états de développement cellulaire pourrait fournir de nouvelles cibles thérapeutiques précises pour les maladies cardiométaboliques.

Les analyses de cellules uniques sont également à la base de cartes complètes telles que le Human Cell ^Atlas22 et Tabula ^Sapiens23, qui fournissent des points de référence fondamentaux de la biologie humaine. En comparant de nouveaux ensembles de données à ces points de référence, les chercheurs peuvent mieux comprendre l'origine des maladies et identifier les altérations significatives sur le plan biologique et clinique (voir figure 2).

Omique spatiale

Tout comme les techniques omiques uniques sont incapables de fournir une image complète d'un mécanisme biologique, les analyses unicellulaires sont nécessairement limitées. Les analyses spatiales placent les cellules dans le contexte les unes des autres, offrant ainsi une vision plus holistique des processus de santé et de maladie. La transcriptomique spatiale, par exemple, a déjà fourni des indices clés sur les caractéristiques spécifiques du microenvironnement tumoral qui affectent les ^réponses au traitement24-25. Elle a également permis d'identifier et de localiser dans l'espace un sous-type de neurones dopaminergiques très sensibles à la dégénérescence et enrichis pour le risque héréditaire dans la maladie de ^Parkinson26.

Remarques finales

La recherche multiomique représente un changement de paradigme dans notre approche de la compréhension de la biologie et des changements moléculaires qui se produisent lorsque les choses vont mal. Elle offre des possibilités sans précédent non seulement de comprendre la biologie à son niveau le plus fondamental, mais aussi de comprendre plus complètement les maladies, ce qui permettra à l'avenir de disposer de traitements plus efficaces, plus sûrs et mieux adaptés à un large éventail de maladies.

Références

1. Hasin Y, Seldin M, et Lusis A. Multi-omics approaches to disease. Genome Biol. 2017;18:83.
2. Babu M et Snyder M. Multi-Omics Profiling for Health. Mol Cell Proteomics. 2023 ; 22(6):100561. doi : 10.1016/j.mcpro.2023.100561
3. Delpierre C et Lefèvre T. Médecine de précision et médecine personnalisée : Ce que leur définition actuelle dit et tait sur le modèle de santé qu'elles promeuvent. Implication pour le développement de la santé personnalisée. Front Sociol. 2023 ; 8:1112159. doi : 10.3389/fsoc.2023.1112159
4. Ahmed Z. Chapitre quatre - Médecine de précision avec des stratégies multi-omiques, un phénotypage approfondi et une analyse prédictive. In : Teplow DB, ed. Progress in Molecular Biology and Translational Science. Academic Press. 2022;190(1):101-125. 10.1016/bs.pmbts.2022.02.002
5. Sedky NK, Abdel Rahman MF, Hassanein SI, et al. Genetic variants of CYP2R1 are key regulators of serum vitamin D levels and incidence of myocardial infarction in middle-aged Egyptians. Curr Pharm Biotechnol. 2018;19(3):265-73.
6. Liu G., Dong C., Liu L. Integrated multiple "-omics" data reveal subtypes of hepatocellular carcinoma. PLoS One. 2016;11
7. Zhang H., Liu T., Zhang Z., Payne S.H., Zhang B., McDermott J.E., et al. Integrated proteogenomic characterization of human high-grade serous ovarian cancer. Cell. 2016;166:755-765.
8. Groupe de travail sur les définitions des biomarqueurs . Biomarqueurs et critères de substitution : définitions préférées et cadre conceptuel. Clin Pharmacol Ther. 2001;69(3):89-95.
9. Mayerle J, Kalthoff H, Reszka R, et al. Metabolic biomarker signature to differentiate pancreatic ductal adenocarcinoma from chronic pancreatitis. Gut. 2018;67(1):128-137. doi : 10.1136/gutjnl-2016-312432
10. Xiao Y, Bi M, Guo H, et al. Multi-omics approaches for biomarker discovery in early ovarian cancer diagnosis. BioMedicine. 2022;79:104001. doi : 10.1016/j.ebiom.2022.104001
11. Montaner J, Ramiro L, Simats A, et al. Multilevel omics for the discovery of biomarkers and therapeutic targets for stroke. Nat Rev Neurol. 2020;16(5):247-264. doi : 10.1038/s41582-020-0350-6
12. Aleksandrova K, Rodrigues CE, Floegel A, et al. Omics Biomarkers in Obesity : Novel Etiological Insights and Targets for Precision Prevention. Curr Obes Rep. 2020;9(3):219-230. doi : 10.1007/s13679-020-00393-y
13. Byeon SK, Madugundu AK, Garapati K, et al. Development of a multiomics model for identification of predictive biomarkers for COVID-19 severity : a retrospective cohort study. Lancet Digit Health. 2022 ; 4(9) : e632-e645. doi : 10.1016/S2589-7500(22)00112-1
14. Lunke S, Bouffler SE, Patel CV, et al. Integrated multi-omics for rapid rare disease diagnosis on a national scale. Nat Med. 2023;29(7):1681-1691. doi : 10.1038/s41591-023-02401-9
15. Nativio R, Lan Y, Donahue G, et al. Une approche multi-omique intégrée identifie les altérations épigénétiques associées à la maladie d'Alzheimer. Nat Genet. 2020;52(10):1024-1035. doi : 10.1038/s41588-020-0696-0
16. Najm P, Zhao P, Steklov M, et al. Loss-of-Function Mutations in TRAF7 and KLF4 Cooperatively Activate RAS-Like GTPase Signaling and Promote Meningioma Development. Cancer Res. 2021;81(16):4218-4229. doi : 10.1158/0008-5472.CAN-20-3669
17. Ranjbarvaziri S, Kookier KB, Ellenberger M, et al. Altered Cardiac Energetics and Mitochondrial Dysfunction in Hypertrophic Cardiomyopathy. Circulation. 2021;144(21):1714-1731. doi: 10.1161/CIRCULATIONAHA.121.053575
18. Lähnemann D, Köster J, Szczurek E, et al. Eleven grand challenges in single-cell data science. Genome Biol. 2020;21(1):31. doi : 10.1186/s13059-020-1926-6
19. Méthode de l'année 2013. Nat Methods. 2014;11(1):1. doi : 10.1038/nmeth.2801
20. Wang S, Sun S-T, Zhang X-Y, et al. The Evolution of Single-Cell RNA Sequencing Technology and Application : Progress and Perspectives.Int J Mol Sci. 2023;24(3):2943. doi : 10.3390/ijms24032943
21. Palani NP, Horvath C, Timshel PN, et al. Adipogenic and SWAT cells separate from a common progenitor in human brown and white adipose depots. Nat Metab. 2023;5:996-1013.
22. Rood JE, Maartens A, Hupalowska A, et al. Impact de l'atlas des cellules humaines sur la médecine. Nat Med. 2022;28:2486-2496.
23. Le consortium Tabula Sapiens. La Tabula Sapiens : un atlas transcriptomique de l'homme à organe multiple et à cellule unique. Science. 2022;376(6594):eabl4896. doi : 10.1126/science.abl4896
24. Larroquette M, Guegan J-P, Besse B, et al. Spatial transcriptomics of macrophage infiltration in non-small cell lung cancer reveals determinants of sensitivity and resistance to anti-PD1/PD-L1 antibodies. J Immunother Cancer. 2022;10(5):e003890. doi : 10.1136/jitc-2021-003890
25. Peng Z, Ye M, Ding H, et al. Spatial transcriptomics atlas reveals the crosstalk between cancer-associated fibroblasts and tumor microenvironment components in colorectal cancer. J Transl Med. 2022;20(1):302. doi : 10.1186/s12967-022-03510-8
26. Kamath T, Abdulraouf A, Burris SJ, et al. Le profilage génomique unicellulaire des neurones dopaminergiques humains identifie une population qui dégénère sélectivement dans la maladie de Parkinson. Nat Neurosci. 2022;25(5):588-595. doi : 10.1038/s41593-022-01061-1