Non-independence in network-structured Mendelian randomization: a permutation framework and six failure modes

Les scientifiques cherchent depuis longtemps un moyen fiable de prédire si un médicament sera efficace avant même qu'il n'atteigne un patient. Une méthode puissante, connue sous le nom de randomisation mendélienne, utilise la randomisation naturelle pour tester les relations de cause à effet. Elle examine les variations génétiques que les individus héritent à la naissance, lesquelles agissent comme des expériences naturelles. Si une variante génétique spécifique fait qu'une personne possède des taux plus élevés d'une certaine protéine dans le sang, et que cette même personne présente également un risque plus élevé de maladie, les chercheurs peuvent en déduire que la protéine elle- l'est probablement la cause de la maladie. Cette approche est devenue un outil standard pour la nomination de nouvelles cibles thérapeutiques, particulièrement pour les maladies cardiaques. Une hypothèse courante dans ce domaine est que si une protéine (un ligand) cause une maladie, alors la protéine qui reçoit son signal (son récepteur) devrait raconter la même histoire. Si le messager est dangereux, selon la logique, le receveur doit faire partie du problème.

Cependant, une étude récente remet en question cette hypothèse, révélant que traiter ces deux mesures comme des preuves interchangeables est une erreur. Les chercheurs ont analysé des milliers de paires de protéines en interaction pour voir si leurs signaux génétiques s'accordaient sur le risque de maladie coronarienne. Ils ont découvert que les signaux du messager et du receveur divergent souvent, et lorsqu'ils sont d'accord, cela ne l'est pas plus souvent que si les protéines avaient été appariées au hasard. L'étude a également mis au jour une faille cachée dans la manière dont les scientifiques comptabilisent leurs découvertes : parce que les protéines sont connectées dans un réseau complexe, la même protéine apparaît dans de nombreuses paires, ce qui rend les corrections statistiques standards invalides. Le résultat est une vision plus claire et plus prudente de la façon dont nous identifions les cibles de médicaments, montrant que nous ne pouvons pas simplement supposer qu'une voie fonctionne de la même manière par le simple fait que deux de ses parties sont génétiquement liées.

Les chercheurs ont commencé par rassembler des données sur 660 protéines différentes mesurées dans le sang de près de 50 000 personnes. Ils se sont concentrés sur les protéines qui possédaient un interrupteur génétique clair à proximité, ce qui leur permettait d'utiliser la méthode de randomisation mendélienne avec confiance. Ils ont ensuite examiné 1 129 paires de protéines où l'une agit comme un signal et l'autre comme un receveur, une relation cartographiée dans une base de données d'interactions biologiques connues. Pour chaque paire, ils ont calculé l'effet de la protéine signal sur la maladie cardiaque et l'ont comparé à l'effet de la protéine receveuse. Si l'hypothèse commune était vraie, ces deux nombres devraient évoluer dans la même direction. Au lieu de cela, l'équipe a constaté que l'accord entre le signal et le receveur n'était pas meilleur que le hasard. Dans un large ensemble de données, les deux protéines pointaient dans la même direction seulement environ 48,5 % du temps, un résultat indiscernable d'un appariement aléatoire de protéines. Dans un second ensemble de données, plus vaste, l'accord était encore plus faible, à 4 de 47 %.

Ce manque d'accord suggère que mesurer le signal et mesurer le receveur revient en réalité à poser deux questions différentes. L'étude a montré que lorsque les chercheurs cherchaient des paires où les deux protéines divergeaient de manière significative, le nombre de « découvertes » triplait lorsqu'ils utilisaient un ensemble de données plus large avec plus de cas de maladies cardiaques, passant de 10 à 31. Crucialement, l'attente statistique pour le bruit aléatoire augmentait également proportionnellement, passant de 9 à 30, ce qui signifie que l'augmentation était cohérente avec le hasard plutôt qu'avec un signal biologique. Les chercheurs ont démontré que les méthodes standard pour corriger ces erreurs échouaient car elles traitaient chaque paire de protéines comme un test indépendant. En réalité, les protéines sont connectées dans un réseau ; une seule protéine peut faire partie de dizaines de paires. Lorsque la même protéine apparaît dans de multiples tests, les données ne sont pas indépendantes, et les corrections standard surestiment le nombre de véritables découvertes.

Pour remédier à cela, l'équipe a développé une nouvelle façon de tester leurs résultats qui respecte la structure du réseau. Ils ont essayé deux approches : l'une qui mélangeait les connexions entre les protéines tout en gardant les protéines elles-mêmes et leur nombre de connexions exactement les mêmes, et une autre qui déplaçait les valeurs statistiques vers d'autres protéines. Ils ont constaté que déplacer les valeurs vers d'autres protéines n'était pas approprié car cela ignorait le fait que les protéines hautement connectées ont tendance à avoir des effets plus importants. Cependant, la méthode qui maintenait les protéines et les connexions fixes, en ne mélangeant que les appariements, a montré que les désaccords apparemment « significatifs » trouvés par les méthodes standard étaient probablement de simples artefacts de la forme du réseau. Lorsqu'ils ont appliqué ce test plus strict, le nombre de désaccords observés n'était pas significativement différent de ce qui serait attendu par le simple hasard. L'étude a également examiné si les protéines connues pour être causales pour les maladies cardiaques, telles que PCSK9, présentaient un schéma d'accord particulier. Bien que PCSK9 ait été correctement identifiée comme un facteur de risque, le schéma global d'accord entre les signaux et les receveurs ne tenait pas la route. Même lorsque les chercheurs ont vérifié leurs résultats par rapport à une technologie de mesure différente pour s'assurer que les résultats n'étaient pas dus à des erreurs d'équipement de laboratoire, l'absence d'accord entre les signaux et les receveurs persistait.

Les implications de ces découvertes sont significatives pour la manière dont les futures cibles thérapeutiques seront choisies. L'étude a identifié six façons spécifiques dont les pratiques actuelles peuvent égarer les chercheurs, incluant le défaut de prise en compte des connexions de réseau et la dépendance à des signaux génétiques uniques dans des régions complexes du génome. Un problème majeur est que de nombreuses protéines se situent dans des zones du génome où plusieurs signaux génétiques se chevauchent, ce qui rend difficile de déterminer lequel est réellement le moteur de la maladie. Les chercheurs ont constaté que lorsqu'ils changeaient l'ensemble de données utilisé pour définir la maladie cardiaque, les conclusions sur le partage d'une cause génétique entre une protéine et une maladie s'inversaient souvent. Cette instabilité suggère que de nombreuses affirmations antérieures sur les voies partagées pourraient ne pas être robustes. L'étude conclut que, bien que la randomisation mendélienne reste un outil précieux, l'hypothèse selon laquelle un ligand et son récepteur fournissent des preuves interchangeables sur une voie biologique n'est pas soutenue par les données. Les scientifiques doivent désormais traiter ces deux mesures comme des pièces de preuves distinctes plutôt que comme une histoire unique et unifiée.