Une recherche collaborative décrypte le code de l’autisme et rend visible le cerveau neurodivergent

Une équipe de recherche multi-universitaire codirigée par le professeur d’ingénierie de l’Université de Virginie, Gustavo K. Rohde, a développé un système capable de repérer les marqueurs génétiques de l’autisme sur les images cérébrales avec une précision de 89 à 95 %.

Leurs résultats suggèrent que les médecins pourraient un jour détecter, classer et traiter l’autisme et les troubles neurologiques associés grâce à cette méthode, sans avoir à se fier aux signaux comportementaux ou à les attendre. Cela signifie que cette médecine véritablement personnalisée pourrait donner lieu à des interventions plus précoces.

« L’autisme est traditionnellement diagnostiqué sur la base du comportement, mais il a une forte base génétique. Une approche axée sur la génétique pourrait transformer la compréhension et le traitement de l’autisme », ont écrit les chercheurs dans un article publié dans la revue Progrès scientifiques.

Rohde, professeur de génie biomédical, électrique et informatique, a collaboré avec des chercheurs de l’Université de Californie à San Francisco et de la faculté de médecine de l’Université Johns Hopkins, dont Shinjini Kundu, ancien doctorant de Rohde et premier auteur de l’article.

Alors qu’il travaillait dans le laboratoire de Rohde, Kundu, aujourd’hui médecin à l’hôpital Johns Hopkins, a contribué à développer une technique de modélisation informatique générative appelée morphométrie basée sur le transport, ou TBM, qui est au cœur de l’approche de l’équipe.

Grâce à une nouvelle technique de modélisation mathématique, leur système révèle des modèles de structure cérébrale qui prédisent des variations dans certaines régions du code génétique d’un individu, un phénomène appelé « variations du nombre de copies », dans lequel des segments du code sont supprimés ou dupliqués. Ces variations sont liées à l’autisme.

La TBM permet aux chercheurs de distinguer les variations biologiques normales dans la structure du cerveau de celles associées aux délétions ou aux duplications.

« On sait que certaines variations du nombre de copies sont associées à l’autisme, mais leur lien avec la morphologie cérébrale – autrement dit, la manière dont les différents types de tissus cérébraux, comme la matière grise ou blanche, sont disposés dans notre cerveau – n’est pas bien connu », a déclaré Rohde. « Découvrir comment la CNV est liée à la morphologie des tissus cérébraux est une première étape importante pour comprendre les bases biologiques de l’autisme. »

Comment TBM déchiffre le code

La morphométrie basée sur le transport diffère des autres modèles d’analyse d’images basés sur l’apprentissage automatique, car les modèles mathématiques sont basés sur le transport de masse, c’est-à-dire le mouvement de molécules telles que les protéines, les nutriments et les gaz à l’intérieur et à l’extérieur des cellules et des tissus. La « morphométrie » fait référence à la mesure et à la quantification des formes biologiques créées par ces processus.

Selon Rohde, la plupart des méthodes d’apprentissage automatique n’ont que peu ou pas de rapport avec les processus biophysiques qui génèrent les données. Elles s’appuient plutôt sur la reconnaissance de modèles pour identifier les anomalies.

Mais l’approche de Rohde utilise des équations mathématiques pour extraire les informations de transport de masse des images médicales, créant de nouvelles images pour la visualisation et une analyse plus approfondie.

Ensuite, en utilisant un ensemble différent de méthodes mathématiques, le système analyse les informations associées aux variations CNV liées à l’autisme par rapport à d’autres variations génétiques « normales » qui n’entraînent pas de maladie ou de troubles neurologiques, ce que les chercheurs appellent des « sources de variabilité confondantes ».

Ces sources empêchaient auparavant les chercheurs de comprendre la relation « gène-cerveau-comportement », limitant ainsi les prestataires de soins aux diagnostics et traitements basés sur le comportement.

Selon le magazine Forbes, 90 % des données médicales se présentent sous forme d’imagerie, que nous n’avons pas les moyens d’exploiter. Rohde estime que TBM en est la clé.

« De telles découvertes majeures à partir de quantités aussi vastes de données pourraient être réalisées si nous utilisons des modèles mathématiques plus appropriés pour extraire ces informations. »

Les chercheurs ont utilisé les données des participants au Simons Variation in Individuals Project, un groupe de sujets présentant une variation génétique liée à l’autisme.

Les sujets du groupe témoin ont été recrutés dans d’autres contextes cliniques et appariés selon l’âge, le sexe, la latéralité et le QI non verbal, tout en excluant ceux présentant des troubles neurologiques ou des antécédents familiaux associés.

« Nous espérons que les résultats, la capacité d’identifier les changements localisés dans la morphologie du cerveau liés aux variations du nombre de copies, pourraient indiquer des régions du cerveau et éventuellement des mécanismes qui peuvent être exploités pour les thérapies », a déclaré Rohde.

Les co-auteurs supplémentaires sont Haris Sair de la Johns Hopkins School of Medicine et Elliott H. Sherr et Pratik Mukherjee du département de radiologie de l’université de Californie à San Francisco.