Gènes permettant de diagnostiquer potentiellement la maladie de Lyme à long terme identifiés


Des chercheurs de la Icahn School of Medicine de Mount Sinai à New York ont ​​identifié 35 gènes particulièrement exprimés chez les personnes atteintes de la maladie de Lyme à long terme. Ces gènes pourraient potentiellement être utilisés comme biomarqueurs pour diagnostiquer les patients atteints de la maladie, qui est autrement difficile à diagnostiquer et à traiter.

Les conclusions, publiées le 15 novembre dans la revue Cellule Rapports Médecine, peut également déboucher sur de nouvelles cibles thérapeutiques. L’étude est la première à utiliser la transcriptomique comme test sanguin pour mesurer les niveaux d’ARN chez les patients atteints de la maladie de Lyme à long terme.

La maladie de Lyme est une maladie transmise par les tiques qui n’est pas bien comprise. Environ 30 000 cas diagnostiqués sont signalés au CDC chaque année, mais le nombre réel estimé est plus proche de 476 000 cas, entraînant un coût annuel des soins de santé d’environ 1 milliard de dollars aux États-Unis. Alors que la plupart des patients sont diagnostiqués et traités avec des antibiotiques aux premiers stades de la maladie de Lyme, environ 20 % des patients développent des complications à long terme, qui peuvent inclure de l’arthrite, des symptômes neurologiques et/ou des problèmes cardiaques.

« Nous voulions comprendre s’il existe une réponse immunitaire spécifique qui peut être détectée dans le sang des patients atteints de la maladie de Lyme à long terme afin de développer de meilleurs diagnostics pour cette maladie débilitante. Il reste encore un besoin critique non satisfait, car cette maladie va si souvent non diagnostiqué ou mal diagnostiqué », a déclaré Avi Ma’ayan, PhD, professeur de sciences pharmacologiques et directeur du Mount Sinai Center for Bioinformatics à Icahn Mount Sinai, et auteur principal de l’article. « On ne comprend pas assez les mécanismes moléculaires de la maladie de Lyme à long terme. »

Dans le cadre de l’étude, le séquençage de l’ARN a été réalisé à l’aide d’échantillons de sang de 152 patients présentant des symptômes de la maladie de Lyme après le traitement pour mesurer leur réponse immunitaire. Combinés aux données de séquençage de l’ARN de 72 patients atteints de la maladie de Lyme aiguë et de 44 témoins non infectés, les chercheurs ont observé des différences dans l’expression des gènes et ont découvert que la plupart des patients atteints de la maladie de Lyme après le traitement avaient une signature inflammatoire distinctive par rapport au groupe de la maladie de Lyme aiguë.

De plus, en analysant les gènes différentiellement exprimés dans cette étude ainsi que les gènes différentiellement exprimés en raison d’autres infections provenant d’autres études publiées, les chercheurs ont identifié un sous-ensemble de gènes hautement exprimés, qui n’avaient pas été établis auparavant pour ce Lyme- réponse inflammatoire associée.

En utilisant un type d’intelligence artificielle appelé apprentissage automatique, les chercheurs ont encore réduit le groupe de gènes pour établir un ensemble de biomarqueurs d’ARNm capable de distinguer les patients en bonne santé de ceux atteints de la maladie de Lyme aiguë ou post-traitement. Un panel de gènes qui mesure l’expression des gènes identifiés par les chercheurs pourrait être développé comme diagnostic pour tester Lyme.

« Nous ne devons pas sous-estimer la valeur de l’utilisation des technologies omiques, y compris la transcriptomique, pour mesurer les niveaux d’ARN afin de détecter la présence de nombreuses maladies complexes, comme la maladie de Lyme. Un diagnostic de la maladie de Lyme n’est peut-être pas une panacée, mais pourrait représenter un progrès significatif vers une plus un diagnostic fiable et, par conséquent, une meilleure prise en charge potentielle de cette maladie », a déclaré le Dr Ma’ayan.

Ensuite, les chercheurs prévoient de répéter l’étude en utilisant des données de transcriptomique unicellulaire et de sang total, d’appliquer l’approche d’apprentissage automatique à d’autres maladies complexes difficiles à diagnostiquer, de développer le panel de gènes diagnostiques et de le tester sur des échantillons de patients.

Le projet a été partiellement soutenu par des fonds de la Cohen Lyme & Tickborne Disease Initiative et de la subvention P30AR070254 des National Institutes of Health.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*