Des recherches ont mis en évidence certaines corrélations entre la gravité de la COVID-19 et toute une série de comorbidités, et des études s'intéressent désormais au rôle de la métabolomique et du microbiome dans la détermination de la nécessité d'une hospitalisation pour COVID-19.1 Des travaux antérieurs avaient déjà relevé un lien entre la gravité de la maladie et certaines cytokines spécifiques, telles que l'interleukine (IL)-6.2–4 Ainsi, l'étude des biomarqueurs prédictifs liés à la gravité de la COVID-19 pourrait permettre d'identifier les personnes susceptibles de connaître une évolution défavorable.
Analyse métabolomique et multiomique pour prédire la gravité de la COVID-19
Une étude de cohorte rétrospective portant sur 455 patients atteints de COVID-19 a analysé divers biomarqueurs prédictifs de la gravité de la COVID-19. Par exemple, le profilage approfondi comprenait des métabolites, des lipides, des cytokines circulantes et d'autres protéines.1 L'étude a notamment examiné 1 018 métabolites, 902 lipides et 1 463 cytokines et protéines circulantes afin d'évaluer leur lien avec les cas cliniques et les cas graves.1 Metabolon l'analyse lipidomique pour cette étude. De plus, les chercheurs ont utilisé des tests d'extension de proximité et la spectrométrie de masse en tandem pour mesurer les biomarqueurs.1
En outre, cette étude a intégré l'analyse d'ensembles de données multiomiques et des algorithmes d'apprentissage automatique pour la découverte de biomarqueurs. Quelques rares études antérieures avaient déjà associé l'apprentissage automatique à la multiomique dans le cadre de recherches sur la gravité de la COVID-19, mais elles étaient limitées par des échantillons de taille plus réduite que celui de la présente étude.⁵,⁶
Un modèle de prédiction basé sur l'apprentissage automatique identifie de nouveaux biomarqueurs
Les résultats de cette étude ont montré qu'un modèle de prédiction basé sur l'apprentissage automatique permettait de prévoir avec une plus grande précision les issues cliniques et les formes graves de la COVID-19, par rapport aux méthodes traditionnelles basées sur les cytokines. Plus précisément, le modèle développé dans le cadre de cette étude a mis en évidence une corrélation avec 102 biomarqueurs prédictifs des issues cliniques et des formes graves de la COVID-19, parmi lesquels figuraient des métabolites, des lipides, de nouvelles cytokines ainsi que d'autres protéines.1 Ces biomarqueurs comprenaient notamment des quantités variables de 2-hydroxydécanoate, de CLEC6A (membre A de la famille 6 des lectines de type C) et d'éther phosphatidyléthanolamine (P-18:1/18:1).1
De plus, les données métabolomiques de l'étude ont montré que 12 des 102 biomarqueurs prédictifs de la gravité de la COVID qui présentaient des variations étaient liés aux lipides. Parmi les autres marqueurs métabolomiques non lipidiques identifiés par cette recherche figuraient l'hème et les polyamines, dont les concentrations augmentaient avec la gravité de la maladie. Par ailleurs, l'étude a combiné des marqueurs protéomiques de la tempête cytokinique avec des marqueurs métabolomiques, démontrant ainsi les avantages d'une approche multiomique complémentaire pour la découverte de biomarqueurs.
Des recherches supplémentaires devraient être menées afin de valider ces résultats, notamment en incluant une cohorte de contrôle indépendante ; toutefois, cette étude fournit des données essentielles qui confirment l'efficacité préliminaire du modèle et le rôle clé de certains biomarqueurs dans la gravité de la COVID-19.
Implications de cette étude pour la recherche multiomique
Les résultats suggèrent qu'il serait utile d'étudier la signature moléculaire multiomique des patients atteints de COVID-19 à partir de leur plasma avant leur admission à l'hôpital.1 Cela permettrait de prédire si le patient présentera ou non une forme plus grave de la maladie. De plus, l'étude corrobore l'idée selon laquelle les approches d'apprentissage automatique pourraient potentiellement fournir des informations supplémentaires utiles sur le plan clinique en les appliquant à des données de profilage complexes dans d'autres domaines thérapeutiques.1
Par rapport aux études précédentes, celle-ci disposait d'une puissance statistique particulièrement élevée, avec 455 cas et 182 témoins. L'étude a mis en évidence le rôle important du microbiome et des métabolites, comme l'a montré l'identification par les chercheurs d'un nouveau métabolite d'origine microbienne, le propionate d'imidazole, dont des taux élevés prédisposent les patients à une évolution défavorable de la COVID-19. En outre, cette étude a des implications importantes concernant les plasmalogènes, qui semblent avoir un effet protecteur dans ce contexte. En résumé, une analyse multiomique a le potentiel d'apporter de nouvelles perspectives de recherche sur la COVID-19 et d'autres maladies.
Prêt à découvrir les nouvelles perspectives que la métabolomique peut apporter à vos recherches ?
Contactez-nous dès aujourd'hui pour discuter de votre projet ou de votre étude.
Références
1. Byeon, S.K., Madugundu, A.K., Grapati, K., Ramarajan, M.G., Saraswat, M., Kumar-M, P., et al. Développement d’un modèle multiomique pour l’identification de biomarqueurs prédictifs de la gravité de la COVID-19 : une étude de cohorte rétrospective. The Lancet. 2022 ; 4(9), E632-E645. DOI :https://doi.org/10.1016/S2589-7500(22)00112-1
2. Rosas IO, Bräu N, Waters M, et al. Le tocilizumab chez les patients hospitalisés atteints d'une pneumonie grave liée à la COVID-19. N Engl J Med. 2021 ; 384 : 1503-16.
3. Horby P, Lim WS, Emberson JR, et al. La dexaméthasone chez les patients hospitalisés atteints de COVID-19. N Engl J Med. 2021 ; 384 : 693-704.
4. Groupe RC. Le tocilizumab chez les patients hospitalisés pour une COVID-19 (RECOVERY) : un essai randomisé, contrôlé, en ouvert et de type « plateforme ». Lancet. 2021 ; 397 : 1637-1645.
5. Su Y, Chen D, Yuan D, et al. L'approche multi-omique permet de mettre en évidence un changement radical de l'état pathologique entre les formes légères et modérées de la COVID-19. Cell. 2020 ; 183 : 1479-95.
6. Overmyer KA, Shishkova E, Miller IJ, et al. Analyse multi-omique à grande échelle de la gravité de la COVID-19. Cell Syst. 2021 ; 12 : 23-40.
