Etude épidémiologique consolidée par des approches à haut débit utilisant la spectrométrie de masse à ultra haute résolution (UHRMS)

Epidemiologic study consolidated by High Rates appraoches using Ultra High Resolution Mass Spectroscopy (UHRMS)

• Auteur / Autrice : Victor Gaignard
• Direction : Sandra Alves, Alain Paris
• Type : Projet de thèse
• Discipline(s) : Chimie Moléculaire
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Chimie moléculaire de Paris Centre
• Partenaire(s) de recherche : Laboratoire : Institut parisien de chimie moléculaire (IPCM)

Mots clés

Mots clés libres

Etude épidémiologique

Spectrométrie de masse

Biomarqueur

Ft-icr

Xénobiotique

Epidemiologic study

Mass spectrometry

Biomarker

Ft-icr

Xenobiotic

Résumé

Le bras wallon de la cohorte NESCaV (Nutrition Environnement et Santé CardioVasculaire) a été constitué en 2012 en Wallonie (Belgique) afin d'étudier les Facteurs de Risques CardioVasculaires (FRCV) sur 1017 sujets dont près de la moitié ont fourni un échantillon d'urine. Au vu de la diversité des profils de la cohorte qui ont déjà été acquis , l'analyse des biofluides de ces volontaires permet d'accéder aux fluctuations du métabolome et de l'exposome, afin de pouvoir catégoriser les sujets et en faire ressortir les traits métabolomiques marqueurs de ces sous-groupes plus ou moins homogènes. Les données UHRMS à deux dimensions générées (m/z, intensité) sont volumineuses (500 sujets et plus de 15000 variables) ; elles nécessitent le recours à des analyses statistiques multivariées pour faire apparaître des marqueurs métaboliques à l'origine de la construction des composantes factorielles prioritaires qui résument l'ensemble de l'information métabolomique. Compte tenu de la connaissance des métadonnées disponibles pour chaque sujet de la cohorte, il est possible d'orienter l'analyse des données en s'appuyant sur des méthodes statistiques multivariées qui s'inspirent de l'analyse canonique. L'analyse canonique est une forme d'analyse en composantes principales (ACP) conduite simultanément sur deux tableaux de données construits à partir des mêmes individus statistiques. Les métadonnées permettent en effet de caractériser plus finement les sujets pour lesquels un facteur environnemental (alimentation, exposition professionnelle, tabagie, prise de médicaments, etc.) ou clinique (obésité, phénotype pathologique donné, consommation d'alcool, pression artérielle, etc.) favorise ou non le risque cardiovasculaire, ce qui facilitera la mise en exergue de biomarqueurs métaboliques et possiblement de marqueurs exposomiques corrélés à ce risque.

The Walloon Branch of the NESCaV cohort (Nutrition Environment and CardioVascular Health [Santé]) was created in 2012 in Wallonia (Belgium) to study Cardiovascular Risk Factors (FRCV) in 1,017 subjects, almost half of whom provided a urine sample. Given the diversity of profiles already obtained in the cohort, the analysis of biofluids from these volunteers allows access to fluctuations in the metabolome and exposome, enabling the categorization of subjects and the identification of metabolomic marker features in more or less homogeneous sub-groups. The UHRMS data generated (m/z, intensity) are extensive (500 subjects and more than 15,000 variables); they require multivariate statistical analysis to reveal metabolic markers that contribute to the construction of priority factorial components summarizing the overall metabolomic information. With the knowledge of the metadata available for each subject of the cohort, it is possible to direct data analysis backboning on multivariate statistical methods inspired by canonical analysis. Canonical analysis is a form of principal component analysis (PCA) conducted simultaneously on two data frames built with the same statistical individuals. Metadata can indeed allow a finer characterization of subjects for whom an environmental factor (diet, professional exposure, smoking, medication intake, etc.) favours or not cardiovascular risk, which will ease the revelation of metabolic biomarkers and possibly some exposomic markers correlated with that risk.