Le consortium PsychEncode livre un aperçu inédit des influences du génome sur les maladies neuropsychiatriques

Mieux caractériser les mécanismes épigénomiques sous-jacents des maladies neuropsychiatriques : tel est le projet du consortium PsychEncode, fondé en 2015, qui livre fin mai de nouvelles données sur différents troubles neuropsychiatriques.

Parmi les principales découvertes, publiées dans Science, les chercheurs ont ainsi identifié des relations causales entre certains types cellulaires et différentes maladies neuropsychiatriques. La maladie d’Alzheimer serait liée à la perte de cellules endothéliales, l’autisme serait associé à une augmentation de la microglie et la schizophrénie est conjuguée à une diminution des oligodendrocytes. Dans le cadre de la schizophrénie, de l’autisme et des troubles bipolaires, une des études démontre une plus haute fréquence de dysfonction transcriptomique et une plus grande variabilité de connectivité chez les femmes.

Prédire la maladie grâce à l’IA

Si l’influence de la génétique est certaine dans le cadre des troubles neurodéveloppementaux, hautement héritables, la caractérisation des gènes et des processus moléculaires et cellulaires impliqués reste épineuse. L’architecture du cerveau est complexe, la majorité des variants génétiques associés aux troubles psychiatriques sont dans des régions non codantes. Des milliers de loci ont pu être identifiés dans certaines pathologies neuropsychiatriques, mais sans que leur place dans le développement du cerveau ne soit pleinement comprise.

D’où l’intérêt de ce programme collaboratif multi-institutions : les chercheurs sont parvenus à caractériser à partir de cerveaux humains post-mortem le génome, l’épigénome, le transcriptome et l’épissage au niveau de la cellule individuelle pour différentes conditions neuropsychiatriques. Ils les ont ensuite comparées à des cerveaux neurotypiques grâce à de nouvelles technologies.

Les recherches du consortium ont par ailleurs permis de cartographier les réseaux génétiques régulateurs et les réseaux de communication intercellulaires. Ces données ont servi à entraîner un algorithme de machine learning qui ouvre la voie, par exemple, à la prédiction d’un probable trouble bipolaire chez un individu portant un variant génétique corrélé. Cela pourrait à terme constituer une aide pour les neuropsychiatres dans leurs diagnostics, notamment pour identifier les personnes à risque.