Le diabète sucré demeure l'un des défis les plus pressants en matière de santé mondiale, affectant plus de 500 millions d'adultes et imposant un lourd fardeau aux systèmes de santé dans le monde. La maladie est caractérisée par une hyperglycémie chronique résultant de défauts de sécrétion d'insuline, d'action de l'insuline ou des deux. Bien que les critères diagnostiques actuels reposent principalement sur les taux de glucose sanguin et d'hémoglobine glycolée (HbA1c), ces mesures ne détectent souvent la maladie qu'après que des dommages métaboliques importants se sont produits.

Qu'est-ce que le profilage protéomique?

Contrairement au génome statique, le protéome est très dynamique, reflétant les états cellulaires en temps réel influencés par la génétique, l'environnement, le mode de vie et la maladie. Les protéines sont les principaux effets de la fonction biologique : elles catalysent les réactions, les signaux transductibles, forment des échafaudages structurels et médient les réponses immunitaires. Par conséquent, la mesure directe des niveaux de protéines et des modifications post-traductionnelles permet de mieux comprendre les mécanismes de la maladie qui sont plus proches du phénotype que les marqueurs génomiques.

Les processus de protéomique modernes comportent généralement trois étapes principales : préparation de l'échantillon (extraction, digestion et fractionnement), séparation et détection (souvent par chromatographie liquide-spectrométrie de masse de tandem, LC-MS/MS) et analyse des données (identification des peptides, quantification et interprétation statistique). Les progrès réalisés dans les spectromètres de masse à haute résolution, tels que les instruments Orbitrap et Q-TOF, permettent maintenant aux chercheurs de quantifier systématiquement des milliers de protéines provenant d'un échantillon de sang ou de tissu unique.

Spectrométrie de masse–Protéomique basée sur la protéomique

Dans une approche typique ascendante, les protéines sont enzymatiquement digérées en peptides, séparées par chromatographie liquide, et introduites dans un spectromètre de masse. L'instrument mesure le rapport masse-charge des peptides et les fragmente pour déterminer leur séquence. En apparie ces spectres avec les bases de données de protéines, les chercheurs peuvent identifier et quantifier des milliers de protéines en un seul tour. La quantification peut être obtenue par des méthodes sans étiquette (fondées sur les nombres spectraux ou les intensités ioniques) ou par l'utilisation de techniques d'étiquetage isotopique stables telles que TMT (balises de masse tandem) ou SILAC (étiquette isotopique stable par les acides aminés dans la culture cellulaire).

Microarrays protéiques et méthodes d'affinité

Bien que la spectrométrie de masse excelle à la découverte, des approches ciblées sont souvent nécessaires pour la validation et la traduction clinique. Les microarrais protéiques peuvent simultanément détecter des centaines de protéines prédéfinies à l'aide d'anticorps immobilisés ou d'autres liants. Le test SOMAscan, qui utilise des aptamères modifiés (SOMAmers) pour lier des protéines à haute spécificité, peut mesurer jusqu'à 7 000 protéines à partir d'un petit volume d'échantillon.

Pathophysiologie du diabète et nécessité de biomarqueurs

Le diabète n'est pas une maladie unique mais un spectre de troubles métaboliques.Les deux formes les plus courantes sont le diabète de type 1 (T1D), une maladie auto-immune entraînant la destruction des cellules bêta et une déficience absolue en insuline, et le diabète de type 2 (T2D), qui implique une résistance progressive à l'insuline et une déficience relative en insuline.

Les biomarqueurs cliniques actuels pour le diabète – glucose plasmatique à jeun, glucose à 2 heures de test de tolérance au glucose oral (OGTT) et HbA[1c – sont efficaces pour diagnostiquer l'hyperglycémie établie, mais ils ont des limites notables. Ils peuvent être influencés par des facteurs tels que l'âge, la race, l'anémie et l'hémoglobinopathie. De plus, ces marqueurs fournissent peu de renseignements sur les processus pathologiques sous-jacents tels que le dysfonctionnement des cellules bêta, la résistance à l'insuline, l'inflammation ou l'auto-immunité.

Diabète de type 1 contre diabète de type 2 : signature protéomique distincte

Les études protéomiques ont commencé à découvrir des différences dans le protéome plasmatique des patients T1D et T2D. Par exemple, les personnes atteintes de T1D présentent souvent des protéines auto-anticorps élevées et des marqueurs d'activation immunitaire, comme les protéines induites par l'interféron-gamma 10 (IP-10) et d'autres chimiokines. Dans T2D, le profil protéomique tend à refléter la dysfonction tissulaire adipeuse, l'inflammation chronique de bas grade et le métabolisme lipidique altéré.

Principales découvertes protéomiques dans le diabète

Au cours de la dernière décennie, de nombreuses études ont permis de mettre à profit le profilage protéomique pour identifier de nouveaux biomarqueurs du diabète.Ces découvertes couvrent des médiateurs inflammatoires, des protéines impliquées dans le métabolisme du glucose et des lipides, des marqueurs du stress bêta-cellulaire et des composants des systèmes de complément et de coagulation.

Protéines inflammatoires et résistance à l'insuline

Les analyses protéomiques ont identifié une foule de protéines inflammatoires qui sont constamment élevées dans la circulation des personnes résistant à l'insuline et des patients T2D. Par exemple, les protéines C-réactives (CRP), l'interleukine-6 (IL-6), la nécrose tumorale factor-alpha (TNF-α) et l'inhibiteur de l'activateur plasminogène-1 (PAI-1) sont couramment régulées. Plus récemment, la protéomique a révélé d'autres acteurs tels que la gallectine-3, qui favorise l'activation et la fibrose des macrophages, et la chemerine, une adipokine qui module la signalisation de l'insuline. Une étude utilisant la protéomique à base d'aptamateurs dans l'étude du coeur de Framingham a révélé que les protéines impliquées dans la cascade et la coagulation de complément, comme le complément C3 et le facteur H, étaient associées à l'incident T2D. Ces résultats soulignent le rôle multiforme de l'inflammation dans le diabète et fournissent des cibles potentielles pour une intervention précoce.

Protéines dans le métabolisme du glucose et la fonction bêta-cellule

Les enzymes impliquées dans la détection du glucose (par exemple, la glucokinase), la transformation de l'insuline (proinsuline, C-peptide et convertises telles que PC1/3 et PC2) et les machines de sécrétoire (par exemple, les protéines SNARE) ont été largement caractérisées. Dans le T2D, on a observé une expression réduite des principaux facteurs de transcription des cellules bêta et une augmentation des marqueurs du stress oxydatif et du stress du réticulum endoplasmique (ER). On a observé des concentrations plasmatiques de C-peptide et de proinsuline, mais on a identifié des fragments supplémentaires et des formes modifiées qui peuvent améliorer la précision diagnostique. Par exemple, des-31,32-proinsuline et d'autres intermédiaires de clivage de proinsuline peuvent indiquer des défauts de transformation des cellules bêta.

Candidats nouveaux issus d'études récentes

Une analyse protéomique de plus de 4 000 protéines dans l'étude sur le risque d'athérosclérose dans les communautés (ARIC) a permis de découvrir un panel de 20 protéines qui améliorent la prédiction du T2D au-delà des facteurs de risque traditionnels, dont l'angiopoietine 8 (ANGPTL8), une adipokine qui régule le métabolisme des triglycérides, la follistatine, qui module la signalisation de l'activité, et la leucocyte de la chimiotaxe 2 (LECT2), liée à la résistance à l'insuline hépatique. Une autre étude de la cohorte KORA a utilisé le profilage du SOMascan pour identifier 33 protéines associées au futur T2D, y compris la protéine 2 liée au facteur de croissance de type insuline (IGFBP-2), qui a eu un effet protecteur.

Pour plus de détails, la revue Nature Reviews Endocrinologie sur la protéomique dans le diabète fournit un aperçu complet, et l'article sur le profilage protéomique dans la recherche sur le diabète détaille des études spécifiques.

Défis dans le profilage protéomique pour la découverte de biomarqueurs

Malgré sa promesse, la traduction des découvertes protéomiques en biomarqueurs actionnables sur le plan clinique est confrontée à des obstacles considérables, qui englobent les variables préanalytiques, la variabilité technique, la complexité des données et la validation rigoureuse requise pour le déploiement clinique.

Variabilité préanalytique

Le protéome sanguin est très dynamique et influencé par le jeûne, l'heure de la journée, l'exercice, les médicaments et la manipulation des échantillons (p. ex., type de tube de collecte, vitesse de centrifugation, température de stockage). Par exemple, les protéines plasmatiques, comme les facteurs de complément, peuvent se dégrader rapidement si les échantillons ne sont pas traités rapidement.

Complexité et reproductibilité des données

La gamme dynamique du protéome plasmatique, qui s'étend sur dix ordres de grandeur, pose un défi technique majeur. Les protéines à forte abondance comme l'albumine et les immunoglobulines peuvent masquer les biomarqueurs à faible abondance, ce qui nécessite une diminution ou une fractionnement qui peut introduire des biais. De plus, l'identification des peptides en spectrométrie de masse est intrinsèquement stochastique; les valeurs manquantes pour les protéines à faible abondance compliquent l'analyse statistique.

Validation et traduction clinique

De plus, pour qu'un biomarqueur soit adopté en pratique clinique, il doit ajouter de la valeur au-delà des outils existants (p. ex., HbA1c, glucose) en termes de prédiction des risques, de diagnostic ou d'orientation thérapeutique. Le coût, la reproductibilité des essais et l'approbation réglementaire sont des obstacles supplémentaires. L'Association américaine du diabète évalue régulièrement les biomarqueurs émergents et n'a pas encore approuvé aucun marqueur protéomique pour une utilisation clinique courante.

Orientations futures : intégrer l'omique et l'intelligence artificielle

La prochaine vague de progrès dans la découverte de biomarqueurs de diabète proteomiques proviendra probablement de l'intégration de données protéomiques avec d'autres couches omiques (génomique, transcriptomique, métabolomique, lipoomique) et de l'utilisation de méthodes informatiques avancées comme l'apprentissage automatique.

Intégration multi-omique

La génomique identifie les variantes de risque héritées, la transcriptomique reflète les changements d'expression des gènes, la métabolomique capture les intermédiaires de petites molécules et la protéomique mesure directement les effets fonctionnels. En combinant ces ensembles de données, les chercheurs peuvent cartographier les voies causales de la susceptibilité génétique à la manifestation de la maladie.Par exemple, une étude intégrant des données d'association à l'échelle du génome (SGEG) avec des données protéomiques plasmatiques de milliers d'individus identifiés comme des locus de caractères quantitatifs protéiques (LQP) qui relient les gènes à risque de diabète à des protéines spécifiques.Cette approche peut établir des priorités thérapeutiques et révéler si les changements de protéines sont causaux ou simplement réactifs.

Apprentissage automatique pour panneaux de biomarqueurs

Étant donné la grande dimensionnalité des données protéomiques, souvent des milliers de caractéristiques, les algorithmes d'apprentissage automatique sont essentiels pour identifier des panneaux de biomarqueurs robustes. Des méthodes telles que les forêts aléatoires, les machines vectorielles de soutien et les réseaux neuronaux peuvent gérer les interactions et les relations non linéaires. Cependant, il faut faire preuve de prudence pour éviter les surajustements. Des stratégies comme la validation croisée imbriquée, les cohortes d'essais indépendantes et les tests de permutation sont des normes.

Études prospectives à grande échelle

Pour valider ces résultats, il est essentiel de mener des études prospectives de cohortes importantes qui recueillent des bioéchantillons avant le début du diabète.Ces données permettent aux chercheurs de vérifier si les niveaux de protéines mesurés avant le diagnostic peuvent prédire le diabète futur.Les premiers résultats sont prometteurs : plusieurs études utilisant des données protéomiques de la Banque Bio du Royaume-Uni ont identifié des panneaux qui prédisent le T2D avec des zones sous la courbe (AUC) dépassant 0,85. Le domaine se dirige vers un paradigme de médecine de précision où le profil protéomique d'un individu, combiné à des données cliniques et génétiques, oriente les stratégies de prévention et de traitement personnalisées.

Conclusion

De l'identification des médiateurs inflammatoires de la résistance à l'insuline à la caractérisation des protéines de stress bêta-cellulaire, la protéomique a déjà découvert une multitude de biomarqueurs candidats qui approfondissent notre compréhension de la pathophysiologie du diabète. Bien que des défis subsistent en matière de normalisation, de validation et de traduction clinique, l'intégration de la protéomique à d'autres omics et l'application de l'apprentissage automatique accélèrent les progrès. À mesure que les technologies protéomiques à haut rendement deviennent plus abordables et reproductibles, on peut s'attendre à ce que les biomarqueurs protéomiques complètent bientôt les mesures glycémiques traditionnelles pour permettre une détection plus précoce, une meilleure stratification des risques et une gestion plus personnalisée du diabète.