Protéomique plasmatique pour la maladie de Parkinson : classification diagnostique, association à la gravité et hypotheses thérapeutiques

Contexte : La maladie de Parkinson manque de diagnostics précoces fiables et de traitements modifiant l'évolution de la maladie. Les biomarqueurs basés sur le sang peuvent faciliter la détection précoce, le suivi des symptômes et la thérapie ciblée. Méthodes : Nous avons intégré des données d'expression génique et de protéomique plasmatique provenant de deux cohortes de patients atteints de la maladie de Parkinson. Des modèles d'apprentissage automatique ont été formés pour classifier le statut de la maladie en utilisant des niveaux de protéines, d'expression génique et des ensembles de données combinés. Un score de gravité a été dérivé en régressant les niveaux de protéines sur les évaluations cliniques motrices et testé longitudinalement. Des analyses d'enrichissement et de réseau ont identifié le contexte biologique, et des bases de données de perturbation médicamenteuse ont été interrogées pour des thérapies candidates. Résultats : Les modèles protéomiques ont surpassé les approches basées sur les gènes et se sont bien généralisés aux données externes. Le score de gravité était corrélé avec le fardeau clinique et prédisait la progression future. Les voies enrichies impliquaient la signalisation extracellulaire, la réponse immunitaire et la régulation post-traductionnelle. Plusieurs composés ont été identifiés comme candidats thérapeutiques potentiels sur la base du ciblage du réseau et du potentiel de renversement. Conclusions : Les signatures protéomiques périphériques offrent des informations sur la classification, la progression et les thérapies dans la maladie de Parkinson, soutenant leur pertinence biologique.