Gènes ou environnement ? Un nouveau modèle pour comprendre les facteurs de risque de maladie

Chaque maladie est influencée par une composante génétique ainsi que par des facteurs environnementaux comme la pollution atmosphérique, le climat et le statut socioéconomique. Cependant, on ne connaît pas bien l’importance du rôle de la génétique ou de l’environnement dans le risque de maladie, ni l’importance de chacun d’entre eux. Les mesures que les individus peuvent prendre pour réduire leur risque de maladie ne sont donc pas toujours claires.

Une équipe dirigée par des chercheurs du Penn State College of Medicine a trouvé un moyen de distinguer les effets génétiques et environnementaux du risque de maladie en utilisant un échantillon large et représentatif à l’échelle nationale. Ils ont découvert que dans certains cas, les évaluations précédentes surestimaient la contribution des gènes au risque de maladie et que le mode de vie et les facteurs environnementaux jouaient un rôle plus important qu’on ne le pensait auparavant. Contrairement à la génétique, les facteurs environnementaux, comme l’exposition à la pollution de l’air, peuvent être plus facilement modifiés. Cela signifie qu’il existe potentiellement plus de possibilités d’atténuer le risque de maladie.

Les chercheurs ont publié leurs travaux dans Communication sur la nature.

« Nous essayons de déterminer dans quelle mesure la génétique et l’environnement influencent le développement des maladies. Si nous comprenons plus précisément comment chacun contribue, nous pourrons mieux prédire le risque de maladie et concevoir des interventions plus efficaces, en particulier à l’ère de la médecine de précision », a déclaré Bibo Jiang, professeur adjoint de sciences de la santé publique au Penn State College of Medicine et auteur principal de l’étude.

Les chercheurs ont expliqué que par le passé, il était difficile de quantifier et de mesurer les facteurs de risque environnementaux, car ils pouvaient englober tout, de l’alimentation à l’exercice physique en passant par le climat. Cependant, si les facteurs environnementaux ne sont pas pris en compte dans les modèles de risque de maladie, les analyses peuvent attribuer à tort les risques de maladie partagés entre les membres d’une même famille à la génétique.

« Les personnes vivant dans le même quartier partagent le même niveau de pollution de l’air, le même statut socio-économique, le même accès aux prestataires de soins de santé et le même environnement alimentaire », a déclaré Dajiang Liu, professeur émérite, vice-président de la recherche, directeur de l’intelligence artificielle et de l’informatique biomédicale au Penn State College of Medicine et co-auteur principal de l’étude. « Si nous parvenons à distinguer ces environnements partagés, ce qui reste pourrait refléter plus précisément l’hérédité génétique des maladies. »

Dans cette étude, l’équipe a développé un modèle SMILE (Spatial Mixed Linear Effect) qui intègre à la fois des données génétiques et de géolocalisation. La géolocalisation (emplacement géographique approximatif d’une personne) a servi de mesure de substitution pour les facteurs de risque environnementaux au niveau de la communauté.

À l’aide des données d’IBM MarketScan, une base de données de demandes d’assurance maladie contenant des dossiers médicaux électroniques de plus de 50 millions de personnes bénéficiant de polices d’assurance maladie d’employeur aux États-Unis, l’équipe de recherche a filtré les informations de plus de 257 000 familles nucléaires et compilé les résultats de 1 083 maladies. Ils ont ensuite complété les données pour inclure des données environnementales accessibles au public, notamment des données climatiques et sociodémographiques, ainsi que des niveaux de particules fines 2,5 (PM_2.5) et du dioxyde d’azote (NO₂).

L’analyse de l’équipe a permis d’affiner les estimations des facteurs contribuant au risque de maladie. Par exemple, des études antérieures ont conclu que la génétique contribuait à hauteur de 37,7 % au risque de développer un diabète de type 2. Lorsque l’équipe de recherche a réévalué les données, son modèle, qui tient compte des effets environnementaux, a révélé que la contribution génétique estimée au risque de diabète de type 2 diminuait à 28,4 % ; une plus grande part du risque de maladie peut être attribuée aux facteurs environnementaux. De même, la contribution estimée au risque d’obésité attribuée à la génétique a diminué de 53,1 % à 46,3 % après ajustement des facteurs environnementaux.

« Des études précédentes ont conclu que la génétique jouait un rôle beaucoup plus important dans la prédiction du risque de maladie, et notre étude a réévalué ces chiffres », a déclaré Liu. « Cela signifie que les gens peuvent garder espoir même s’ils ont des proches atteints de diabète de type 2, par exemple, car ils peuvent faire beaucoup pour réduire leur propre risque. »

L’équipe de recherche a également utilisé les données pour évaluer quantitativement si deux polluants spécifiques présents dans l’air, les PM_2.5 et non₂—influencent de manière causale les risques de maladie. Les études précédentes, ont déclaré les chercheurs, regroupent les PM_2.5 et non₂ ensemble comme une mesure collective de la pollution de l’air. Cependant, ce qu’ils ont découvert dans cette étude, c’est que les deux polluants ont des relations causales différentes et distinctes avec les problèmes de santé. Par exemple, le NO₂ il est démontré qu’il provoque directement des maladies telles que l’hypercholestérolémie, le syndrome du côlon irritable et le diabète de type 1 et de type 2, mais pas le PM_2.5. PM_2.5en revanche, peut avoir un effet causal plus direct sur la fonction pulmonaire et les troubles du sommeil.

En fin de compte, les chercheurs ont déclaré que ce modèle permettra d’examiner de manière plus approfondie les questions relatives aux raisons pour lesquelles certaines maladies peuvent être plus répandues dans certaines zones géographiques.

Parmi les autres auteurs de l’étude, on trouve Havell Markus et Austin Montgomery, tous deux étudiants en double diplôme de médecine et en doctorat au Penn State College of Medicine ; Laura Carrel, professeure de biochimie et de biologie moléculaire ; Arthur Berg, professeur de sciences de la santé publique ; et Qunhua Li, professeur de statistiques. Daniel McGuire, qui était doctorant dans le programme de biostatistique au moment de la recherche, a codirigé l’étude. Les coauteurs Lina Yang et Jingyu Xu, qui étaient doctorants dans le programme de biostatistique au moment de la recherche, ont également contribué à l’étude.