DU GÈNE À LA PROTÉINE : APPROCHES "MULTI-OMIQUES" EN PRATIQUE MÉDICALE

Abstract

Rapporteur : Pr. Bouabdellah Mounya Objectif : Description de douze disciplines « omiques » et présentation de la « multi-omique » comme approche d’analyse novatrice dans l’étude du cancer. Méthodes et résultats : Mise en pratique d'une méthodologie rigoureuse pour la recherche de références bibliographiques portant sur les chapitres à traiter. Celle-ci a abouti à la sélection de 433 références. Discussion et conclusion : Les progrès des technologies à haut débit ont rendu possible la mesure de plusieurs paramètres d'un système biologique, comme les données de la séquence d'ADN (génomique), les niveaux d'expression de l'ARN (transcriptomique), les protéines exprimées (protéomique) et les taux de différents métabolites (métabolomique, glycomique, lipidomique) pour ne citer que cela. Les données obtenues sont traitées via la bio-informatique afin de les interpréter de manière biologiquement significative. Ces mégadonnées « omiques » sont intégrées dans des études dites « multi-omiques » pour comprendre les fondements moléculaires de maladies complexes comme le cancer. Elles sont intégrées au moyen d'approches statistiques ou d'apprentissage automatique avancées. Néanmoins, l'analyse intégrative de ces ensembles de données se révèle complexe en raison de la quantité, de l’hétérogénéité des données et de l’absence de protocoles d’analyse normalisés. L'approche « multi-omique » traite différentes problématiques biologiques, à savoir la classification des pathologies à partir de profils « multi-omiques », la mise en évidence de biomarqueurs diagnostiques, l'identification de gènes et de molécules associés à des pathologies spécifiques et la compréhension de la physiopathologie des maladies grâce aux interactions « inter-omiques ». Ainsi, l'objectif de la « multi-omique » est d'améliorer le pronostic, le diagnostic et le traitement des maladies. De ce fait, l'approche « omique » et l'analyse bio-informatique des données biologiques permettront de mieux comprendre les pathologies complexes et, à terme, de développer la médecine personnalisée de demain.