Une nouvelle carte pour la santé

Un consortium international de chercheurs a rassemblé une base de données des variations génétiques humaines, créant un outil qui pourrait révolutionner la recherche de gènes qui causent de nombreuses maladies courantes. Mais sans une autorégulation minutieuse, disent les généticiens, l'information pourrait également entraîner un flot de résultats trompeurs ou non concluants.

Appelée HapMap, la base de données répertorie plus de trois millions de points de variation génétique sur la base d'échantillons de 269 personnes au Nigeria, en Chine, au Japon et en Utah. Plus de 200 scientifiques au Canada, en Chine, au Japon, au Nigéria, au Royaume-Uni et aux États-Unis ont participé au projet. La première phase du projet, rapportant plus d'un million de différences, a été publiée dans le numéro du 27 octobre de La nature , basé sur une analyse de données dirigée par Peter Donnelly de l'Université d'Oxford en Angleterre et David Altshuler, directeur du programme de génétique médicale et des populations du Broad Institute of Harvard et du MIT à Cambridge, MA.

Nous avons besoin de ces informations générales sur la variation du génome humain juste pour commencer à répondre aux questions que nous voulons poser - comme quels sont les gènes impliqués dans le cancer du sein et de la prostate et le diabète, explique Brian E. Henderson, doyen de la Keck School of Médecine à l'Université de Californie du Sud.

C'est un outil très puissant, convient Charles Langley, généticien des populations à l'Université de Californie à Davis. La génétique médicale humaine aborde enfin un problème de santé publique beaucoup plus vaste, qui est la base génétique des maladies courantes.

Environ six milliards d'unités de construction chimiques, appelées nucléotides, constituent le génome humain. Bien qu'environ 99,9% de la séquence de ces nucléotides soit identique entre deux humains, cela laisse encore des millions de différences à des points individuels de l'ADN, appelés polymorphismes nucléotidiques simples, ou SNP. Ce sont ces variations qui expliquent bon nombre des différences génétiquement déterminées entre les humains.

Les chercheurs pourraient trouver lesquels de ces changements sont liés à une maladie particulière en séquençant et en comparant des génomes entiers (et chaque SNP) parmi des milliers de personnes affectées et non affectées. Cependant, dans la pratique, cela serait coûteux et prendrait du temps.

En 2001, Mark J. Daly, alors au Whitehead Institute, maintenant membre associé du Broad Institute voisin, a découvert que de telles différences génétiques sont héritées dans de grands blocs, appelés haplotypes (d'où le terme HapMap). Bien qu'il puisse y avoir des centaines de SNP dans une région de l'ADN, tous sont liés, de sorte que tous ceux qui ont un nucléotide A plutôt qu'un G à un endroit particulier d'un chromosome auront les mêmes variantes génétiques dans d'autres SNP de cette région. . Et pour de nombreux haplotypes, seuls trois ou quatre modèles de variation existent.

Avec un catalogue de ces blocs, les généticiens pourraient identifier plus efficacement les variantes génétiques impliquées dans des maladies courantes telles que le diabète, le cancer, les maladies cardiaques et les maladies psychiatriques.

En 2002, le consortium International HapMap a entrepris d'inventorier des millions de SNP et d'identifier les modèles qui distinguent chaque haplotype. La base de données contient désormais plus de 3,5 millions de SNP. Avec ces informations, les chercheurs peuvent sélectionner des marqueurs SNP qui décrivent la variation génétique dans chaque bloc. En d'autres termes, en identifiant seulement quelques SNP qui sont caractéristiques de chaque modèle et en testant à ces emplacements, les chercheurs peuvent remplir les blancs pour chaque autre SNP dans l'haplotype. Cela leur permet de comparer les schémas génétiques des personnes atteintes d'une maladie avec ceux des personnes non affectées beaucoup plus efficacement qu'auparavant.

En effet, le consortium estime qu'avec une sélection de balises appropriée, les généticiens pourraient recueillir des informations sur les associations de gènes possibles à travers l'ensemble du génome en testant aussi peu qu'un dixième des quelque 10 millions de sites SNP communs.

Les données ont déjà été utilisées pour identifier un gène associé à la dégénérescence maculaire liée à l'âge, la principale cause de cécité chez les personnes âgées ; et plusieurs autres études sont en cours à la recherche de gènes pouvant être impliqués dans l'obésité et les maladies cardiaques.

Parallèlement aux données générées, le projet HapMap a suscité des avancées technologiques. Au début du projet, déterminer quel SNP un patient transportait sur un site coûtait près d'un dollar, et les chercheurs pouvaient en tester des centaines par jour. Aujourd'hui, le prix est tombé à moins d'un cent par SNP, et des millions peuvent être testés en une journée. La précision des tests s'est également améliorée, dit Daly.

La combinaison de ces nouvelles technologies et des données HapMap permet aux généticiens de réaliser plus facilement des études qui examinent l'ensemble du génome humain à la recherche de gènes associés à des caractéristiques particulières - qu'il s'agisse de maladies, comme l'espèrent les membres du consortium, ou d'autres traits censés avoir des composants génétiques. , comme l'intelligence ou la préférence sexuelle.

Mais il y a un piège potentiellement sérieux : la probabilité statistique de découvrir un gène qui semble être lié à un trait particulier mais qui finit par n'avoir aucun rôle dans la cause réelle du trait sera assez élevée, dit Daly.

Si vous distribuez une main de cartes, il est peu probable que vous obteniez un full, dit Daly. Mais si vous distribuez 100 000 mains de poker, statistiquement, vous obtiendrez de très belles mains.

La même chose peut se produire dans de telles études d'association à l'échelle du génome : un ou plusieurs gènes peuvent apparaître qui semblent bons. Daly met en garde : ces choses se produiront par hasard et n'ont rien à voir avec un lien de causalité.

En conséquence, les membres du consortium HapMap ont exprimé leur espoir que les données soient utilisées principalement pour rechercher des conditions médicales, par opposition aux traits non médicaux. En fait, ils ont inclus une mise en garde particulière dans le La nature papier, écriture : nous appelons au conservatisme et à la retenue dans la diffusion publique et l'interprétation de telles études, en particulier si des traits non médicaux sont explorés.

Le fait que les données HapMap soient dérivées de l'ADN de personnes au Nigeria, en Chine, au Japon et aux États-Unis apporte un danger supplémentaire : que les associations entre les variations génétiques et des traits particuliers pourraient (faussement) apparaître plus fortes dans certaines populations que dans d'autres. *

Il s'agit d'un énorme ensemble de données qui pourrait être exploité pour de nombreuses choses myopes et culturellement préjudiciables, dit Langley. Tout le monde est nerveux à ce sujet. Cela arrivera probablement, et c'est juste à la communauté scientifique de traiter chaque cas le plus rigoureusement possible.

Note de la rédaction : revenez mercredi 9 novembre pour la partie 2 de l'histoire d'Erika Jonietz sur la HapMap, qui se concentrera sur les aspects internationaux du projet.

* [Clarification, 15 novembre 2005 : Cette phrase peut donner l'impression erronée que les associations entre des gènes et des traits particuliers ne varient jamais d'une population à l'autre. Alors que la plupart des variations génétiques sont partagées entre toutes les populations, il existe des différences occasionnelles. En conséquence, des associations vraies et fausses peuvent être faites avec des variantes génétiques qui apparaissent à différentes fréquences dans différentes populations. Dans les deux cas, l'association pourrait être utilisée d'une manière préjudiciable au groupe porteur de la variante à un taux supérieur (ou inférieur). – Éditeurs.]

cacher