Approche intégrative de la lipidomique pour l’étude des maladies cardiovasculaires : une perspective multimodale

Abstract

L’insuffisance cardiaque (IC) représente un défi majeur de santé publique, avec une prévalence mondiale croissante. Cette pathologie complexe se manifeste sous diverses formes cliniques, chacune ayant des causes et des traitements spécifiques. Les progrès dans la compréhension des mécanismes moléculaires de l’IC soulignent l’importance de combiner les données de différents domaines biologiques, tels que les données métabolomiques et génomiques, pour mieux comprendre les changements spécifiques à cette pathologie. Les lipides, en particulier, jouent un rôle majeur dans le pronostic des maladies cardiovasculaires. Ce projet vise à adopter une approche globale, combinant des données génétiques, lipidomiques et électrocardiographiques, afin de fournir une compréhension approfondie de l’IC. Nous avons analysé une cohorte de 278 participants provenant de la Biobanque de l’Institut de Cardiologie de Montréal. Grâce à une étude d’association pangénomique (GWAS), nous avons identifié des variants génétiques associées aux profils lipidiques sanguins, offrant des informations sur l’influence des facteurs génétiques sur la composition lipidique et leur rôle potentiel dans les mécanismes de la maladie. De plus, nous avons exploré les associations entre les variations lipidiques et les phénotypes électrocardiographiques, suggérant une relation entre l’activité électrique du coeur et la composition lipidique. Enfin, en utilisant l’apprentissage automatique, nous avons identifié une signature lipidique capable de distinguer les patients souffrant d’IC en fonction de l’abondance lipidique. Nos résultats soulignent l’importance d’une approche intégrée de données multi-omiques pour comprendre les interactions complexes entre les lipides, la génétique et la fonction cardiaque, ouvrant ainsi la voie à de nouvelles approches diagnostiques et thérapeutiques. Heart failure (HF) is a major public health challenge, with a steadily increasing prevalence worldwide. This complex condition manifests in various clinical forms, each with specific causes and treatments. Advances in understanding the molecular mechanisms of HF highlight the importance of combining data from multiple biological domains, such as metabolomic and genomic data, to better understand the changes specific to this condition. Lipids, in particular, play a major role in the prognosis of cardiovascular diseases. This project aims to adopt a comprehensive approach, combining genetic, lipidomic, and electrocardiographic data, to provide an in-depth understanding of HF. We analyzed a cohort of 278 participants from the Montreal Heart Institute Biobank. Through a genome-wide association study (GWAS), we identified genetic variants associated with blood lipid profiles, providing insights into the influence of genetic factors on lipid composition and their potential role in disease mechanisms. Additionally, we explored the associations between lipid variations and electrocardiographic phenotypes, suggesting a relationship between the electrical activity of the heart and lipid composition. Finally, using machine learning, we identified a lipid signature capable of distinguishing HF patients based on lipid abundance. Our findings emphasize the importance of an integrated multi-omic data approach to understand the complex interactions between lipids, genetics, and heart function, thereby paving the way for new diagnostic and therapeutic approaches.