Thèse CD - Environnement Mécanismes Biologiques et Santé Cardiovasculaire Focus sur l'Insuffisance Cardiaque H/F

Université de Lorraine

2)Description des travaux : méthodologie

a. Cohorte
Ce projet s'appuiera principalement sur la cohorte STANISLAS22, une cohorte familiale lorraine initiée en 1993, avec un suivi longitudinal tous les 5 à 10 ans. De nombreuses données ont été collectées : des données cliniques, anthropométrique, biologique et alimentaire. Lors de la quatrième visite (2011-2016), les participants (N = 1 705) ont complété un questionnaire de fréquence alimentaire validé23 et bénéficié d'un phénotypage cardiovasculaire approfondi22. Des données protéomiques Olink sont également disponibles pour l'ensemble des participants. Le projet reposera sur les individus étant venu à la première et la quatrième visite, permettant un suivi longitudinal. Notre équipe dispose d'un accès complet à l'ensemble des données de la cohorte.
Pour l'axe 3, le projet s'appuiera également sur la cohorte UK Biobank, une cohorte britannique en population générale ayant recruté plus de 500 000 participants âgés de 40 à 69 ans entre 2006 et 2010, au sein de 22 centres en Angleterre, en Écosse et au Pays de Galles. Les participants ont complété des enquêtes alimentaires, et des données protéomiques Olink sont disponibles pour 54 306 participants. L'accès à ces données est actuellement en cours et devrait être effectif au plus tard en 2027.24
Enfin, la cohorte ARCADIA-HF, menée par le CIC-P, inclut 103 patients atteints d'insuffisance cardiaque sévère. Les participants ont complété une enquête alimentaire utilisant le même questionnaire que celui de la cohorte STANISLAS, garantissant une excellente comparabilité des données. Des biomarqueurs clés de l'insuffisance cardiaque seront dosés, notamment le suPAR, le NT-proBNP et le FGF-23. Les données chez l'insuffisant cardiaque sévère, en particulier alimentaire, sont très rares. Les données de la cohorte ARCADIA-HF seront accessibles à partir de 2027.
Grâce à la complémentarité de ces cohortes, l'axe 3 permettra d'explorer les relations entre la consommation d'aliments ultra-transformés et les biomarqueurs biologiques selon différents états de santé - de sujets exempts de pathologie cardiovasculaire à des patients atteints d'insuffisance cardiaque, y compris à un stade avancé - en s'appuyant sur trois cohortes complémentaires couvrant un large continuum de santé cardiovasculaire.
b. Environnement physique

Bien que de nombreuses bases de données environnementales publiques existent, il n'existe actuellement aucune base de données publiques concernant l'environnement alimentaire. Dans le cadre du projet LIFETRAVEL, notre équipe en collaboration avec le Bureau d'Economie Théorique Appliqué (BETA) avons obtenu un budget de maturation pour recruter un stagiaire qui travaille actuellement sur la constitution de cette base dans le grand est. Cette base sera disponible à la fin de l'année. Le/la futur/e doctorante devra ensuite croiser cette base de données, ainsi que la base de données publiques sur la proximité des espaces verts, avec les données individuelles de la cohorte STANISLAS et estimer la proximité aux différents points d'intérêt (fast-food, supermarchés, ...).
c. Analyse protéomique
La technologie OLINK sera utilisée (https://www.olink.com). Cette technologie a été utilisée dans plusieurs études accessibles au CIC-P, dont les cohortes MEDIA-DHF, KAREN, ALDO-DHF, HOMAGE, COMMANDER et ALCHEMIST. Brièvement, plusieurs panels sont disponibles. Dans notre projet, nous utiliserons 3 panels cardiovasculaires : CVD II, CVD III, Cardiometabolic, ainsi que les panels organ damage' et metabolism', ce qui représentent au total 460 protéines. Ces protéines sont quantifiées par une amplification extension proximale (PEA) comportant des paires d'anticorps visant des oligonucléotides ciblés. La technique PEA a l'avantage d'avoir une spécificité importante.
Lors d'une identification de cible oligonucléotidique, des amplicons ADN sont produits et quantifiés via une plateforme PCR Fluidigm BioMark™ HD. L'expression protéique est normalisée en unité propriétaire exprimée sur une échelle logarithmique.

d. Réseaux complexes
La « Graph Kowledge Box » développée dans le cadre du projet FIGHT-HF est une base de données Neo4j contenant sous forme de graphe la plupart des protéines humaines, leurs interactions, leur appartenance à des pathways, ainsi que leurs annotations. L'ensemble des données contenues dans cet outil a été extrait automatiquement à partir d'une vingtaine de base de données publiques. Afin de mieux comprendre les relations existant entre différentes protéines, il est possible d'extraire les chemins dans le graphe qui permettent de les relier. On peut alors facilement identifier des mécanismes d'action partagés, ou des interactions communes. L'utilisation de patrons de requêtes (« query pattern ») permet d'interroger le graphe de façon systématique et progressive afin de commencer par extraire des relations simples puis aller vers des relations moins triviales. Cette force est aussi une des limites de l'outil puisque cela peut amener à produire des graphes extrêmement denses qui ont besoin d'être filtrés ou simplifiées pour être plus facilement interprétable. Pour cela, des méthodes de calculs de sur-représentation (test exact de Fisher) ou de clustering de graphe sont implémentées. Cette approche indique les voies biologiques « unifiant » le nombre parfois important de protéines identifiées lors des premières étapes d'analyse.

e. Plan d'analyse
Data-management et variables
Pour ce projet, la consommation d'AUT globale ainsi que des sous-groupes sera déterminée en utilisant la classification NOVA25.

Axe 1. Explorer l'influence des environnements physiques sur la consommation d'AUT
La préparation des données reposera sur l'utilisation conjointe de R, Python et QGIS pour le traitement, la visualisation et l'extraction des informations géographiques. Elle consistera à nettoyer, harmoniser et intégrer les différentes sources de données environnementales avant leur appariement avec les données individuelles de la cohorte STANISLAS. L'accessibilité aux commerces alimentaires et aux aménités environnementales sera évaluée à partir des adresses géocodées via des indicateurs de distance, densité et indices structurels. Des mesures d'accessibilité spatiale avancées (Two-Step Floating Catchment Area) seront mobilisées pour intégrer simultanément offre, demande et caractéristiques territoriales. Les associations avec la consommation d'AUT et la santé cardio-rénale seront étudiées par analyses statistiques, économétriques. Enfin, des approches de machine learning supervisé (notamment Random Forest et XGBoost) seront utilisées pour modéliser des relations potentiellement non linéaires, identifier les déterminants environnementaux les plus contributifs et affiner la stratification des profils d'exposition, combinant ainsi intelligence artificielle et approches issues des sciences humaines et sociales appliquées à la santé.
Axe 2. Identifier les mécanismes biologiques reliant la consommation d'AUT à la santé cardiovasculaire, en combinant lipidomique, biologie des systèmes et l'étude des composés issus des AUT (acides gras trans, PFAS).
Chez les faibles et forts consommateurs d'AUT seront identifiés A) des signatures lipidiques (à partir des concentrations sanguines d'acides gras et de sphingolipides) et leur association aux atteintes cardiovasculaires précoces (rigidité artérielle, athérosclérose, masse du ventricule gauche, dysfonction diastolique), B) des signatures protéomiques (mesuré par la technologie olink - 460 protéines) et utilisation d'analyse de réseaux complexes pour étudier les voies biologiques (voir définition et méthode dans le paragraphe 2d), C) certains composés dans le sang généré par la synthèse des AUT ou présent dans les emballages tels que les acides gras trans ou les PFAS, leur évolution sur 20 ans et leur association à la santé cardiovasculaire. Des modèles intégratifs (incluant des méthodes de sélection de variables et de machine learning) permettront d'identifier des combinaisons de marqueurs biologiques associées à la consommation d'AUT et aux phénotypes cardiovasculaires.

Axe 3. Approfondir le lien entre AUT et insuffisance cardiaque.

Des analyses d'association (régression linéaire) seront conduites entre consommation d'AUT, biomarqueurs de fibrose (PICP, PIIINP, Gal-3) et indicateurs prédictifs d'IC (Gal-9, 4EBP1, TGF-alpha, THBS2, suPAR, Nt-proBNP, FGF23, NGAL V4), ou de son aggravation (suPAR, Nt-proBNP, FGF23) aux différents stades de l'IC, depuis la population générale non malade (cohortes STANISLAS, UK Biobank), aux personnes atteintes d'IC (UK Biobank) jusqu'à l'insuffisance cardiaque avancée (ARCADIA-HF).

Ce projet permettra de mieux comprendre les déterminants environnementaux et biologiques de la consommation d'AUT et leurs effets sur la santé cardio-rénale. Il offrira des perspectives mécanistiques inédites, grâce à l'intégration de lipidomique, protéomique et d'approche de biologie des systèmes, et pourra éclairer la prévention, les recommandations nutritionnelles et les politiques de santé publique.
L'originalité de ce projet est qu'il reposera sur une approche analytique intégrée combinant statistiques, économétrie, machine learning et analyses de réseaux, afin d'identifier des signatures robustes et de hiérarchiser les facteurs explicatifs.