Développement d'Approche Quantitative pour la Métabolomique à Visée Clinique

Development of Quantitative Approaches for Clinical Metabolomics

• Auteur / Autrice : Jérémy Monteiro
• Direction : Patrick Emond, Lydie Nadal-desbarats
• Type : Projet de thèse
• Discipline(s) : Sciences de la Vie et de la Santé
• Date : Inscription en doctorat le 01/11/2021
• Etablissement(s) : Tours
• Ecole(s) doctorale(s) : Santé, Sciences Biologiques et Chimie du Vivant - SSBCV
• Partenaire(s) de recherche : Laboratoire : Imaging, Brain & Neuropsychiatry
• Partenaire(s) de recherche : Equipe de recherche : Equipe 3 - Génomique et pathophysiologie des troubles du neurodéveloppement et du motoneurone

Mots clés

Mots clés libres

Métabolomique

Quantification

Dérivation

Lc-ms

Rmn

Analyse Semi-Ciblée

Metabolomics

Quantification

Derivatization

Lc-ms

Nmr

(Un)Targeted Analysis

Résumé

La médecine repose sur des critères cliniques, sur la biologie et l'imagerie pour diagnostiquer et traiter les patients. En combinant des éléments subjectifs des données mesurables, issues de tests biologiques (analyse sanguine), le praticien va émettre un diagnostic et prescrire un traitement. L'objectif est de tendre vers une médecine personnalisée, ou de précision, où les traitements sont adaptés à chaque individu en tenant compte de son phénotype, soit l'interaction entre son génome, de son mode de vie et de son environnement. Cette approche existe déjà mais son application n'est pas encore généralisée par manque de données et de connaissances spécifiques sur l'ensemble des pathologies. Pour étendre la médecine personnalisée, il est nécessaire d'enrichir les informations biologiques disponibles. Cela passe par l'intégration des sciences omiques, qui étudient les différentes échelles du système biologique. La métabolomique s'intéresse petites molécules présentes dans un système biologique (poids moléculaire < 1500 Da). Elle joue un rôle clé dans la recherche de biomarqueurs, dans l'amélioration des diagnostics et la personnalisation des traitements. En comparant des profils métaboliques entre différents états de santé (sain vs. malade), il est possible de détecter une pathologie, suivre son évolution ou étudier la réponse à un traitement. Cependant, son intégration en routine clinique rencontre des obstacles, notamment la robustesse des analyses et la couverture métabolique limitée. Les travaux de cette thèse cherchent à développer des méthodes d'analyse respectant les critères et besoin du contexte clinique, en utilisant la chromatographie liquide couplée à la spectrométrie de masse (LC-MS). Les analyses sanguines sont essentielles pour les analyses de biologie clinique. Mais ce type de prélèvement pose plusieurs problèmes : invasivité, risque de contamination ou encore celle de l'accès aux soins. L'utilisation de prélèvements de sang séché sur buvard (DBS) comme alternative présente des avantages tels qu'un coût réduit, une moindre invasivité et une meilleure accessibilité : il est réalisable en autonomie et peut être envoyé par courrier au laboratoire d'analyse. Un des projets de cette thèse a consisté à évaluer objectivement l'information données métabolique et lipidique contenues dans DBS, avec pour référentiel le sérum, un échantillon sanguin de référence, en vu de son utilisation en contexte clinique. Pour être intégré en routine clinique, les analyses doivent être quantitatives et reproductibles. Les méthodes LC-MS ciblée sont robustes mais manque de couverture alors que les analyses non-ciblée manquent de robustesse et de données quantitatives, ce qui limite leur capacité à identifier des biomarqueurs fiables. La dérivation, une réaction chimique entre une étiquette chimique et l'échantillon, comme étape pré-analytique supplémentaire, permet de réaliser des analyses semi-ciblées quantitatives en se focalisant sur les molécules ayant été dérivé. Un thématique de cette thèse a été d'améliorer la couverture du métabolome en utilisant la dérivation. Tout d'abord, en développement une méthode de quantification des acides gras à chaîne courte (SCFA), candidats comme biomarqueurs pour certaines maladies, dans l'ensemble des prélèvements biologiques humains : sérum, fèces, fluide cérébrospinal, urine salive et DBS. Dans un second temps, les capacités de marquage et les motifs de fragmentation d'une nouvelle étiquette chimique, le MzH714 ont été évalué face à des étiquettes chimiques de références. L'amélioration des méthodes de quantification en métabolomique clinique a plusieurs objectifs : étendre la couverture métabolique et garantir des résultats quantitatifs, robustes et reproductibles. Intégrer l'approche métabolomique de manière plus systématique en contexte clinique va permettre d'optimiser les diagnostics, les traitements et le suivi des patients.

Medicine relies on clinical criteria, biology, and imaging to diagnose and treat patients. By combining subjective elements (symptoms experienced) with measurable data from biological tests (blood tests, for example), clinician physicians can make a diagnosis and prescribe the most adapted treatment. The aim is to move towards personalized or precision medicine, where treatments are tailored to each individual, considering their phenotype. An individual's phenotype reflects the interaction between their genome, lifestyle and environment. This approach already exists but its application is not yet widespread due to a lack of data and specific. To develop personalized medicine, it is essential to improve the biological information available. This means integrating omics sciences into clinical practice to provide an integrative picture of biological systems. Metabolomics focuses on small molecules present in a biological system (molecular weight < 1500 Da), known as metabolites. Metabolomics has played and continues to play a key role in the discovery of biomarkers, improved diagnostics and personalized treatments. By comparing metabolic profiles between different health states (healthy vs. diseased), it become possible to detect a pathology, monitor its progression, or evaluate treatment responses. However, the integration of metabolomics into routine clinical practice faces challenges, particularly with the robustness of analyses and the limited metabolic coverage. This thesis aims to develop analytical methods to overcome these challenges, using liquid chromatography coupled with mass spectrometry (LC-MS). Blood analysis is routinely used for clinical biology, but it presents issues such as invasiveness and the need to travel to a collection center. Using dried blood spot (DBS) samples, as an alternative, offers advantages such as reduced cost, less invasiveness, and better accessibility, since they can be self-collected and sent by post to a laboratory. One of the projects in this thesis was to objectively evaluate the metabolic and lipidic data from DBS compared to serum, a reference blood sample, for potential use in clinical settings. To be integrated into clinical practices, analyses must be quantitative and reproducible. Targeted LC-MS methods are robust but have limited coverage, while non-targeted analyses lack robustness and quantitative data, limiting their ability to identify reliable biomarkers. Derivatization, a chemical reaction between a chemical tag and a sample, as an additional pre-analytical step, allows for semi-targeted quantitative analyses by focusing on derivatized molecules. A focus of this thesis was to improve metabolome coverage using derivatization. First, a quantification method was developed for short-chain fatty acids (SCFA), candidates as biomarkers for certain diseases, across various human biological samples: serum, feces, cerebrospinal fluid, urine, saliva, and DBS. Second, the labeling capacities and fragmentation patterns of a new chemical tag, BASA, were evaluated against reference chemical tags (PITC, 3NPH, DmPA-Br, Dansyl-Cl). Improving metabolomics quantification methods has several objectives: to extend metabolome coverage and ensure quantitative, robust, and reproducible results. This will enable the metabolomics approach to be integrated more systematically into the clinical context in order to optimize diagnosis, treatment and patient monitoring.