Une percée dans la génétique de la schizophrénie : 641 gènes cachés révélés par une approche réseau

Pourquoi les méthodes classiques ont laissé ces gènes dans l'ombre

Les chercheurs comparent l'approche précédente à une recherche "sous le lampadaire" – on ne regarde que là où la lumière brille . Or, l'essentiel de l'influence régulatrice d'un gène provient de variants situés à longue distance sur le chromosome. Les outils GWAS classiques ne scrutent que le voisinage immédiat des gènes, ignorant ces connexions régulatrices cruciales .

La nouvelle méthode capture ces relations longue distance, permettant ainsi de détecter 641 nouveaux gènes candidats qui étaient restés invisibles dans les analyses standard .

Comment cette découverte s'appuie sur les études génétiques antérieures

Pour comprendre toute la portée de cette avancée, il faut retracer l'évolution du domaine :

L'ère des GWAS (années 2000–2020) : De grands consortiums comme le Psychiatric Genomics Consortium ont identifié 108 loci génétiques distincts associés à la schizophrénie, établissant qu'il s'agit d'un trouble hautement polygénique, impliquant à la fois des variants courants à faible effet et des variants rares . Ces découvertes ont constitué une première étape cruciale, mais elles ont produit des signaux statistiques – pas des gènes causaux ni une explication de la manière dont les gènes collaborent entre eux .

Les premières approches réseau (années 2010–2024) : Des recherches antérieures utilisaient des réseaux de co-expression et des réseaux d'interaction protéique pour trouver des modules de gènes liés à la schizophrénie . Le Lieber Institute lui-même avait montré que les gènes de risque de schizophrénie avaient besoin d'un partenariat avec environ 20 autres gènes pour déclencher la maladie , et que les gènes voisins portaient leur propre risque par association . Mais ces tentatives étaient largement limitées aux interactions génomiques à courte distance .

L'avancée actuelle : En modélisant les réseaux de co-expression à longue distance à travers plusieurs régions cérébrales, la nouvelle méthode a transformé les "pistes" statistiques des GWAS en une carte fonctionnelle de programmes génétiques coordonnés . Cela a révélé 641 nouveaux gènes candidats et des voies biologiques spécifiques : signalisation du glutamate, communication synaptique, processus immunitaires et développement cérébral .

Implications pour une psychiatrie de précision

Ces résultats orientent résolument le domaine vers une médecine de précision basée sur les réseaux. Au lieu de considérer la schizophrénie comme une maladie unique due à un ou quelques gènes, ces données suggèrent que chaque patient pourrait présenter des dysfonctionnements dans des sous-programmes de réseaux génétiques différents. Les traitements pourraient donc être adaptés au profil réseau spécifique de chaque individu .

Comme le souligne le Dr Daniel Weinberger, PDG du Lieber Institute : "Comprendre ces programmes génétiques coordonnés nous rapproche d'une psychiatrie de précision, où les traitements pourront être adaptés au profil biologique spécifique de chaque patient" .

Les voies identifiées – en particulier la signalisation du glutamate et la fonction synaptique – pointent également vers des cibles moléculaires concrètes pour développer de nouvelles classes de médicaments . Cela fait écho à d'autres découvertes parallèles, comme les nouvelles techniques pour identifier les gènes de risque à partir de signaux statistiques plus faibles et la découverte du rôle de mutations rares comme ZNF136 et STAG1 dans le risque de schizophrénie .

Prochaines étapes

Cette approche par réseaux s'inscrit dans un changement plus large en génétique psychiatrique. Simultanément, les chercheurs utilisent la cartographie 3D de la chromatine pour comprendre comment des éléments régulateurs distants se replient physiquement pour contrôler l'expression des gènes , ainsi que l'intégration multi-omique qui combine transcriptomique, neuroimagerie et données cliniques . La percée du Lieber Institute fournit une feuille de route : transformer une liste de facteurs de risque génétiques en un schéma fonctionnel de la maladie, et finalement, en traitements personnalisés pour les patients.