Méthodes pour capturer les signatures protéomiques et métabolomiques du liquide céphalo-rachidien et du sérum d'individus en bonne santé

Blog

MaisonMaison / Blog / Méthodes pour capturer les signatures protéomiques et métabolomiques du liquide céphalo-rachidien et du sérum d'individus en bonne santé

Dec 12, 2023

Méthodes pour capturer les signatures protéomiques et métabolomiques du liquide céphalo-rachidien et du sérum d'individus en bonne santé

Scientific Reports volume 12, Numéro d'article : 13339 (2022) Citer cet article 1176 Accès 2 Citations 1 Détails d'Altmetric Metrics Découverte de signatures fiables pour le diagnostic empirique de

Rapports scientifiques volume 12, Numéro d'article : 13339 (2022) Citer cet article

1176 Accès

2 citations

1 Altmétrique

Détails des métriques

La découverte de signatures fiables pour le diagnostic empirique des maladies neurologiques, tant infectieuses que non infectieuses, reste à réaliser. L’un des principaux défis rencontrés dans de telles études est l’absence d’une base de données complète représentative d’une signature qui existe chez des individus en bonne santé et par rapport à laquelle un événement aberrant peut être évalué. Pour les atteintes et blessures neurologiques, il est important de comprendre le profil normal des fluides neuronal (liquide céphalo-rachidien) et systémique (par exemple, le sang). Nous présentons ici la première base de données humaine multi-omique comparative de signatures dérivées d'une population de 30 individus (15 hommes, 15 femmes, 23 à 74 ans) de sérum et de liquide céphalo-rachidien. En plus des signatures empiriques, nous avons également attribué des voies communes entre le sérum et le LCR. Ensemble, nos résultats fournissent une cohorte par rapport à laquelle les profils de signature aberrants chez les personnes atteintes de lésions/maladies neurologiques peuvent être évalués, ouvrant ainsi la voie à une découverte complète de diagnostics et de thérapies.

Les insultes ou les blessures corporelles, provoquées par diverses conditions non infectieuses telles que les maladies neurodégénératives, les accidents vasculaires cérébraux et les traumatismes crâniens contondants, modifient la fonction physiologique et biochimique normale1,2,3,4. L'identification de modèles de signature spécifiques reflétant l'insulte ou la blessure peut faciliter le développement de diagnostics empiriques et de thérapies ciblées5. Par exemple, les diagnostics actuels des traumatismes crâniens légers (TCC) reposent sur des questionnaires neuropsychologiques et des stratégies d'imagerie pour une identification qualitative6,7. L'efficacité de ces diagnostics est limitée par la présentation variée de l'état pathologique, l'apparition tardive des symptômes, les comorbidités, les antécédents cliniques et la présentation différentielle à long terme, une limitation qui peut être surmontée par la disponibilité de diagnostics empiriques.

L’élaboration de signatures diagnostiques empiriques pour un état pathologique donné nécessite une compréhension systémique des processus impliqués. La révolution «omique» a permis des analyses plus rapides, moins coûteuses et à plus haut débit des gènes, des protéines et des métabolites, facilitant ainsi l'identification de nouvelles cibles pour diverses maladies8,9. Là où le génome est relativement résistant aux influences environnementales externes, le protéome et le métabolome humains sont plus sensibles à l'environnement et aux blessures, ce qui en fait des signatures idéales pour le développement de diagnostics (Fig. 1a). Des études multi-omiques ont conduit à l'identification de plusieurs biomarqueurs associés à diverses maladies telles que le TBI10,11,12,13. Cependant, le développement généralisé de diagnostics cliniques à partir de telles études a été limité en raison de la variabilité intrinsèque des profils de biomarqueurs observés. L'une des principales limitations qui entravent la traduction clinique des observables multi-omiques est que les modèles de biomarqueurs associés à une maladie/blessure ne sont pas des cas de simple présence/absence, ils doivent être couplés à une concentration seuil dans l'échantillon d'intérêt (par exemple, sang, liquide céphalo-rachidien ou urine). Ce seuil est difficile à déterminer sans une base de référence fiable dans des conditions saines. Une telle base de référence devrait tenir compte de la variabilité d'un biomarqueur donné parmi les individus d'une population (par exemple, âge/sexe). De plus, même chez un individu, un profil de biomarqueur mesuré est un « instantané » de l’état biochimique actuel et variera avec le temps en réponse à des influences externes14. La disponibilité de profils de signature de base systématiques et fiables d'individus en bonne santé, qui tiennent compte de la variabilité inter- et intra-individuelle, est essentielle pour évaluer et caractériser l'expression de biomarqueurs spécifiques à une maladie15. Les travaux présentés ici visent à nous faire avancer un peu plus dans cette direction.

 10X) more abundant in CSF, while 110 metabolites were significantly (> 10X) more abundant in serum (Fig. 2e). Metabolomics databases are immature thus, the number of metabolites that can be positively assigned represents a small fraction of the total number of detected compounds. Figure 2f illustrates the small fraction (182) of detected metabolites that could be assigned compound identity. A complete annotated list of identified and BinBase metabolites can be found in S5./p>