Transcriptomic analysis in autism spectrum disorder suggests three molecular subtypes with distinct phenotypic profiles and functional pathways.

Contexte : Le trouble du spectre autistique (TSA) est marqué par une grande hétérogénéité clinique et biologique, rendant difficile la mise en place de stratégies thérapeutiques ciblées. L'analyse transcriptomique offre une piste prometteuse pour identifier des sous-types moléculaires liés à des mécanismes pathologiques spécifiques. Objectif : Cette étude vise à classifier le TSA en sous-types moléculaires distincts en se basant sur les données d'expression génique, afin de mieux comprendre sa diversité biologique et d'orienter des approches thérapeutiques personnalisées. Méthode : Les auteurs ont analysé les données RNA-seq de 1711 échantillons de TSA, en utilisant une factorisation matricielle non négative (NMF) pour identifier des sous-types. Les clusters ont été caractérisés par des profils phénotypiques (symptômes globaux, déficits sociaux, comportements répétitifs, fonctions cognitives) et des analyses de gènes différentiellement exprimés. Résultats : Trois sous-types moléculaires ont été identifiés : Cluster 1 (comportements répétitifs sévères, liés à des dysfonctionnements du système nerveux), Cluster 2 (symptômes atténués, fonctions cognitives meilleures, liés à des processus immunitaires), et Cluster 3 (déficits sociaux dominants, liés à la morphogenèse des structures ramifiées). Les différences génétiques et les voies fonctionnelles associées varient selon les clusters, ainsi que les caractéristiques spatio-temporelles et cellulaires. Intérêt clinique : Cette classification moléculaire permet de distinguer des sous-types biologiquement et cliniquement distincts, éclairant les mécanismes sous-jacents à l'hétérogénéité du TSA. Elle ouvre la voie à des stratégies thérapeutiques adaptées à chaque sous-type. Limites : Les résultats reposent sur des données transcriptomiques et nécessitent une validation expérimentale supplémentaire. L'analyse ne prend pas en compte d'autres facteurs (ex. : mutations génétiques rares, environnement) pouvant influencer la classification.

Identification de trois sous-types moléculaires du TSA via l'analyse transcriptomique Liens entre les sous-types et des voies biologiques spécifiques (système nerveux, immunitaire) Profil phénotypique distinct pour chaque cluster (comportements répétitifs, déficits sociaux, fonctions cognitives) Validation croisée sur deux jeux de données indépendants

Permettre une stratification des patients pour des essais thérapeutiques ciblés Guidage des approches personnalisées en fonction des mécanismes moléculaires sous-jacents Amélioration de la compréhension des bases biologiques de l'hétérogénéité du TSA

Repos sur des données d'expression génique, sans intégration de données génomiques ou épigénétiques Nécessité de valider les sous-types dans des cohortes plus diversifiées (âge, sexe, sévérité) Absence d'analyse des mécanismes fonctionnels à l'échelle cellulaire ou synaptique

Modéré