La multiomique révèle comment une maladie cardiaque préalable au cancer augmente le risque de décès de 13 à 33 %
Une étude portant sur 429 555 personnes issues de la UK Biobank cartographie la co-évolution des maladies cardiométaboliques et du cancer — et pourquoi l'ordre d'apparition est déterminant pour la survie.
Résumé
Des chercheurs ont suivi plus de 429 000 participants de la UK Biobank pendant 15 ans afin de comprendre comment les maladies cardiométaboliques (MCM) et le cancer se développent conjointement, et quels signaux moléculaires permettent de prédire ces trajectoires. Ils ont constaté que les personnes atteintes des deux affections présentent une mortalité jusqu'à 33 % plus élevée que les individus en bonne santé, avec une perte de plus de 5 ans de survie. De manière cruciale, le développement d'une MCM avant un cancer est associé à un risque de décès plus élevé que la séquence inverse, en particulier chez les personnes présentant une MCM sévère et des tumeurs malignes. En combinant génomique, métabolomique et protéomique, les chercheurs ont identifié des signatures biologiques clés — dont GDF15, qui s'impose comme le marqueur protéique le plus puissant pour les transitions multi-états. Les scores basés sur la protéomique ont surpassé les autres couches omiques dans la prédiction des transitions pathologiques, améliorant la discrimination jusqu'à 14 points de pourcentage au-dessus des modèles cliniques de référence.
Résumé détaillé
La multimorbidité — le fait de vivre simultanément avec deux maladies chroniques ou plus — constitue l'un des défis de santé majeurs d'une population vieillissante. Si les maladies cardiométaboliques (MCM, englobant les maladies cardiovasculaires et le diabète de type 2) et le cancer figurent individuellement parmi les principales causes de décès dans le monde, leur co-occurrence reste mal comprise, tant sur le plan des trajectoires cliniques que sur le plan moléculaire. Cette étude de l'Université Jiao Tong de Shanghai s'appuie sur une cohorte exceptionnellement large dotée de données multiomiques pour combler ce manque, révélant non seulement la fréquence de ces associations morbides, mais aussi les signatures biologiques qui prédisent chaque étape de cette progression.
L'étude a recruté 429 555 participants de la UK Biobank (âge médian 55,9 ans, 45,4 % d'hommes, 94,2 % de Blancs) et les a suivis sur une durée médiane de 14,5 ans. Durant cette période, 64 990 ont développé une MCM, 71 089 ont développé un cancer et 15 088 ont développé les deux — constituant la cohorte de multimorbidité d'intérêt principal. Un modèle multiétat à neuf états a cartographié les transitions depuis l'état de bonne santé jusqu'au décès, en passant par la monomorbidité, la multimorbidité, avec un ajustement complet sur les données démographiques, le mode de vie, l'IMC, les antécédents familiaux et la prise de médicaments. L'ampleur et la profondeur longitudinale du jeu de données confèrent une robustesse particulière aux estimations de probabilités de transition.
Le fardeau de mortalité lié à la multimorbidité est saisissant. Par rapport aux individus en bonne santé, ceux présentant une multimorbidité MCM-cancer affichaient une probabilité de décès supérieure de 28 à 33 % et perdaient 5,0 à 5,3 années de survie moyenne. Par rapport aux personnes atteintes d'une seule maladie, le groupe multimorbide présentait une probabilité de décès supérieure de 11 à 23 % et perdait 2,4 à 3,6 années. Fait important, l'ordre d'apparition des maladies importait : développer une MCM avant un cancer entraînait un risque de mortalité absolu supérieur de 1 à 2 % et une perte de 0,3 année supplémentaire par rapport au développement du cancer en premier (tous p < 0,01). Dans le sous-groupe le plus sévère — MCM sévère associée à une tumeur maligne — la trajectoire MCM en premier conférait une probabilité de décès supérieure de 9 % par rapport à la séquence cancer en premier, tandis que le groupe cancer en premier présentait une probabilité de décès similaire à celle des personnes atteintes d'une seule maladie grave.
Les analyses de sous-groupes par type de cancer et de MCM ont apporté une granularité clinique supplémentaire. Le cancer du pancréas affichait une probabilité de mortalité directe de 72 %, tandis que les hommes ayant survécu à un cancer de la prostate présentaient une probabilité de 18 % de développer ultérieurement une MCM — supérieure à celle observée chez les survivantes d'un cancer du sein ou chez les survivants d'un cancer cutané. Les cancers à faible taux de survie, considérés comme groupe, avaient 6 % plus de chances de conduire à une MCM ultérieure que les cancers à taux de survie élevé. Parmi les sous-types de MCM, les patients victimes d'un AVC ou d'une insuffisance cardiaque faisaient face à un risque de mortalité directe plus élevé, tandis que la probabilité de développer ultérieurement un cancer était similaire dans tous les sous-types de MCM. Une augmentation rapide de la probabilité de multimorbidité a été observée environ 5 ans après le diagnostic initial de l'une ou l'autre des maladies, mettant en évidence une fenêtre d'intervention critique.
Pour la composante multiomique, des données génomiques (N = 375 239), métabolomiques (N = 234 452) et protéomiques (N = 44 816) ont été analysées à l'aide de modèles multiétats avec correction FDR. GDF15 s'est révélé être la protéine présentant les associations positives les plus fortes sur le plus grand nombre de transitions entre maladies. PRAP1 était fortement associé à la morbidité MCM et à la progression MCM vers cancer, tandis que KLK3 était associé à la morbidité cancéreuse et au développement de la multimorbidité cancer vers MCM. Sur le plan de la métabolomique, les phospholipides, les triglycérides et les acétyles de glycoprotéines présentaient de fortes associations positives à travers les transitions, tandis que les esters de cholestérol montraient des associations négatives constantes. Les scores protéomiques surpassaient les scores métabolomiques et génomiques dans la prédiction des trajectoires de maladie, améliorant la statistique C de 0,03 à 0,14 au-delà des modèles de base cliniques. Ces résultats soutiennent la protéomique comme couche mono-omique la plus informative pour la prédiction des trajectoires et suggèrent que des protéines telles que GDF15 pourraient servir de signaux d'alerte précoce couvrant à la fois la pathogenèse des MCM et celle du cancer.
Principales conclusions
- Multimorbidity (CMD + cancer) was associated with 28–33% higher probability of death versus healthy individuals, with 5.0–5.3 years of mean survival time lost.
- Multimorbidity raised death probability by 11–23% compared to single morbidity, with 2.4–3.6 years of additional survival time lost.
- Developing CMD before cancer carried a 1–2% higher absolute mortality risk and 0.3 fewer years of survival versus developing cancer first (all p < 0.01).
- In the severe CMD + malignant tumor subgroup, CMD-first multimorbidity had a 9% higher probability of death than cancer-first multimorbidity.
- GDF15 protein showed the strongest positive associations across the most disease transition types; PRAP1 was specifically linked to CMD-to-cancer progression.
- Proteomics-based scores improved C-statistic by 0.03–0.14 over clinical base models — outperforming metabolomics and genomics scores in predicting disease trajectories.
- A rapid rise in multimorbidity probability was observed approximately 5 years after initial single-disease diagnosis, identifying a critical prevention window.
Méthodologie
Cette étude de cohorte prospective a inclus 429 555 participants du UK Biobank, suivis pendant une durée médiane de 14,5 ans (IQR 13,5–15,3). Un modèle multi-états à neuf états a suivi les transitions depuis un état de bonne santé jusqu'aux maladies cardiométaboliques (CMD), au cancer, à la multimorbidité et au décès, avec ajustement pour l'âge, le sexe, l'origine ethnique, le statut socioéconomique, les facteurs de mode de vie, l'IMC, les antécédents familiaux et l'utilisation de médicaments. Les analyses multi-omiques ont intégré des données de génomique (N=375 239), de métabolomique (N=234 452) et de protéomique (N=44 816), avec correction FDR dans les ensembles de découverte et valeurs p brutes dans les ensembles de réplication ; une méthode d'appariement par score de propension a été utilisée pour améliorer la comparabilité entre les états pathologiques lors des analyses en sous-groupes.
Limites de l'étude
La population étudiée était composée principalement de participants blancs du UK Biobank (94,2 %), ce qui limite la généralisabilité des résultats à d'autres groupes ethniques et à des populations présentant des schémas de prévalence des maladies différents. Le sous-échantillon de protéomique était nettement plus petit (N=44 816) que les jeux de données de génomique ou de métabolomique, ce qui a pu réduire la puissance statistique pour certaines associations protéiques spécifiques aux transitions. Les auteurs soulignent qu'une validation externe de leurs modèles de prédiction est nécessaire avant que ces outils puissent être appliqués en pratique clinique.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :