Cinq à vingt protéines dans le sang, et le risque de 218 maladies

Si l'on pouvait mesurer des milliers de protéines dans une seule prise de sang, cela dirait-il, mieux que les questions et examens habituels d'un médecin, qui a des chances de développer une maladie donnée dans les dix prochaines années ? Et pour quelles maladies ? Les chercheurs ont posé cette question pour 218 maladies à la fois, courantes et rares, et ont exigé une comparaison équitable : face à ce qu'un médecin de famille sait déjà (âge, sexe, poids, tabac, antécédents familiaux) et face à 37 analyses de sang ordinaires.

La UK Biobank est un groupe d'environ un demi-million d'adultes britanniques, âgés de 40 à 69 ans à l'inclusion, suivis à travers leurs dossiers de santé. Chez un sous-ensemble de 41 931 d'entre eux, environ 3 000 protéines avaient été mesurées dans une prise de sang faite à l'inclusion, dans le cadre d'un projet financé par un consortium d'entreprises pharmaceutiques. Les chercheurs ont construit, pour chacune des 218 maladies, un modèle qui utilise une poignée de protéines (entre 5 et 20, choisies automatiquement) en plus des informations cliniques de base, et ont mesuré à quel point il classe les personnes selon leur probabilité d'un diagnostic dans les dix ans. L'étalon est le C-index : 0,5 veut dire deviner, 1 classement parfait. Chaque modèle a été entraîné sur une partie des données et testé sur une partie mise de côté. Pour six maladies, les modèles ont ensuite été essayés sur une autre cohorte britannique, EPIC-Norfolk.

Les informations cliniques de base seules donnaient un C-index médian de 0,64 à travers les maladies. Ajouter 5 à 20 protéines a amélioré le classement pour 67 des 218 maladies, de 0,07 point en médiane (de 0,02 à 0,31 selon la maladie). Les gains les plus importants concernaient les maladies du sang et du système immunitaire, comme le myélome multiple (+0,25) et la maladie cœliaque (+0,31), ainsi que la maladie du motoneurone, la fibrose pulmonaire et la cardiomyopathie dilatée. Pour 52 de ces 67 maladies, les modèles protéiques ont aussi battu les modèles ajoutant 37 analyses de sang standard. Pour la plupart des 67, cinq à dix protéines suffisaient : en ajouter davantage n'aidait pas. Les scores de risque génétique, en comparaison, n'ont amélioré la prédiction que pour sept maladies, et bien moins. Dans la seconde cohorte, l'amélioration a été confirmée pour cinq des six maladies testées. L'observation est le gain de classement ; l'interprétation proposée par les auteurs est que de petits panels de protéines pourraient devenir des examens abordables pour des maladies choisies, et que les protéines propres à une maladie renseignent sur sa biologie.

La taille du gain est facile à surestimer. Une amélioration médiane de 0,07 sur le C-index signifie que le modèle classe les personnes un peu mieux ; cela ne signifie pas qu'il prédit leur sort. Pour 151 des 218 maladies, il n'y a eu aucun gain significatif, et les auteurs disent que l'amélioration était en général plus grande pour les maladies plus rares, à la biologie plus nette, que pour les maladies courantes et complexes comme l'insuffisance cardiaque ou le diabète de type 2. L'étude ne rapporte aucun chiffre sur la calibration (si un risque prédit de 10 % signifie que 10 personnes sur 100 sont vraiment tombées malades), et aucune tentative de montrer qu'agir sur ces prédictions aide quelqu'un.

Pour la prévention, la valeur de l'étude tient au choix de l'endroit où regarder. Savoir que quelques protéines prédisent le myélome multiple ou la maladie cœliaque des années à l'avance suggère où un diagnostic plus précoce pourrait être possible ; savoir si trouver ces personnes plus tôt change leur devenir est une question distincte, qui demande ses propres essais. Pour les maladies où la prévention par le mode de vie est prouvée, comme le diabète de type 2, cette étude ne montre pas qu'une signature protéique aiderait à choisir qui traiter.

Le rapport avec le Jumeau Numérique : non pas comme donnée que le Jumeau lit aujourd'hui (ces protéines exigent une plateforme de laboratoire de recherche), mais comme carte. Elle dit quelles maladies un petit panel de protéines pourrait un jour signaler et lesquelles non, et elle fixe la barre que tout nouveau signal doit franchir : mieux que ce qu'un médecin sait déjà, et mieux que les analyses de sang ordinaires. Si de tels panels devenaient des examens cliniques disponibles, leurs résultats seraient une entrée datée de plus dans le dossier d'une personne. L'étude a mesuré chaque personne une fois ; elle ne dit rien du suivi des protéines dans le temps.

Elle ne fournit pas d'examen : les panels de protéines existent comme modèles de recherche, pas comme dosages qu'une clinique peut prescrire, et les auteurs eux-mêmes citent comme première limite le besoin de validation dans des études externes, dans des populations ethniquement diverses et dans des groupes au risque de départ différent ; les participants de la UK Biobank sont en meilleure santé que la population générale. La réplication externe a couvert six maladies, pas 218. L'horizon de dix ans est celui du modèle, pas une preuve que les protéines changent dix ans avant la maladie. Rien de tout cela ne s'applique à une personne qui lit ses propres analyses de sang. Plusieurs auteurs sont employés d'une entreprise pharmaceutique qui a cofinancé les mesures protéomiques ; c'est déclaré dans l'article et cela compte pour la lecture des résultats.

Cohorte prospective (UK Biobank Pharma Proteomics Project, sous-ensemble aléatoire) avec dérivation de modèles prédictifs parcimonieux pour l'incidence à 10 ans de 218 maladies ; validation interne sur un jeu de test mis de côté ; validation externe dans EPIC-Norfolk pour six maladies.

41 931 participants (sous-ensemble aléatoire de l'UKB-PPP ; la UK Biobank a recruté des adultes de 40 à 69 ans en 2006–2010) ; 218 maladies avec > 80 cas incidents en 10 ans (81–6 038 cas) ; 193 maladies dans le sous-ensemble aléatoire, 25 en ajoutant les cas sélectionnés par le consortium. EPIC-Norfolk : cohorte de 25 639 personnes du Norfolk, Angleterre ; n = 295–1 116 et 5–236 cas incidents par maladie testée.

Plasma EDTA à l'inclusion (non à jeun) ; Olink Explore 1536 + Expansion (2 923 protéines, 2 941 dosages, expression protéique normalisée). Comparateur clinique : âge, sexe, IMC, origine ethnique autodéclarée, tabac, alcool, antécédents familiaux (15 maladies) ; second comparateur avec 37 analyses de sang cliniques. Sélection des variables par LASSO sur 200 sous-échantillons ; modèles de Cox régularisés avec validation croisée à 5 plis ; performance sur le jeu de test mis de côté avec 1 000 rééchantillonnages bootstrap (C-index, delta C-index avec IC 95 %, rapports de vraisemblance, taux de détection à 10 % de faux positifs). Scores polygéniques comparés lorsque disponibles.

Modèles cliniques : C-index médian 0,64 (EIQ 0,58–0,72). Les modèles protéiques parcimonieux (5–20 protéines) ont amélioré les modèles cliniques pour 67 maladies (delta C-index médian 0,07, étendue 0,02–0,31), par exemple myélome multiple 0,25 (IC 95 % 0,20–0,29), lymphome non hodgkinien 0,21 (0,14–0,28), maladie cœliaque 0,31 (0,21–0,38), cardiomyopathie dilatée 0,17 (0,10–0,22), fibrose pulmonaire 0,09 (0,03–0,14), maladie du motoneurone 0,11 (0,04–0,16). Les modèles avec analyses cliniques n'ont amélioré les modèles cliniques que pour 28 maladies (delta médian 0,08) ; les modèles protéiques les ont dépassés pour 52 des 67. Saturation à 5–10 protéines pour 64 % des maladies améliorées ; gain moyen de 5,4 % de C-index des signatures parcimonieuses par rapport à la meilleure protéine isolée. Scores polygéniques : amélioration significative pour 7 maladies seulement (delta médian 0,03 contre 0,08 pour les protéines). Validation externe (EPIC-Norfolk, 6 maladies) : C-index corrélés r = 0,81, améliorations r = 0,97 ; amélioration répliquée pour 5 sur 6 (BPCO seulement à 20 ans). Calibration non rapportée dans les sections lues. Résultat négatif implicite : aucun gain protéique significatif pour 151 maladies sur 218.

PROBAST (préliminaire, sur le texte intégral) : participants faible à modéré (effet du participant en bonne santé reconnu) ; prédicteurs faible (plateforme standardisée, mesurés avant le critère) ; critère faible à modéré (définitions issues de dossiers électroniques, 6 premiers mois exclus) ; analyse faible (événements suffisants par maladie par seuil de conception, sélection pénalisée, jeu de test mis de côté, bootstrap ; calibration non rapportée). Généralisabilité : ascendance majoritairement européenne ; validation externe limitée à six maladies dans une autre cohorte britannique. Rapport : méthodes détaillées ; conformité à TRIPOD non évaluée ici. Conflits d'intérêts : plusieurs auteurs employés par GSK, qui a cofinancé les mesures protéomiques (affiliations dans la notice PubMed).

Potentielle, non démontrée : des métriques de dépistage (taux de détection à faux positifs fixés) sont rapportées, mais aucune analyse de courbe de décision, aucune étude d'impact et aucun dosage clinique. Les auteurs présentent le résultat comme la base de panels parcimonieux abordables pour des maladies choisies, à valider.

B — guide sur les maladies et les protéines ; intégrable seulement après validation pour l'usage spécifique et avec des dosages ciblés, pas avec toute la plateforme. Données nécessaires : un panel protéique ciblé de laboratoire, plus les variables cliniques du comparateur.

Notice PubMed et texte intégral de l'article publié (PubMed Central), lu en entier le 5 novembre 2026. Tableaux supplémentaires (listes des 67 et 52 maladies, composants protéiques par maladie) non consultés.

Pour de nombreuses maladies, le diagnostic est retardé par l'absence de biomarqueurs objectifs de l'apparition de la maladie. Ici, chez 41 931 personnes du United Kingdom Biobank Pharma Proteomics Project, nous avons intégré les mesures d'environ 3 000 protéines plasmatiques aux informations cliniques pour dériver des modèles prédictifs parcimonieux de l'incidence à 10 ans de 218 maladies courantes et rares (81–6 038 cas). Nous avons ensuite comparé les modèles développés à partir des données protéomiques à des modèles développés à partir des seules informations cliniques de base ou des informations cliniques combinées aux données de 37 analyses cliniques. La performance prédictive de modèles parcimonieux ne comprenant que 5 à 20 protéines était supérieure à celle des modèles fondés sur les informations cliniques de base pour 67 maladies pathologiquement diverses (delta C-index médian = 0,07 ; étendue = 0,02–0,31). Les modèles protéiques parcimonieux ont en outre surpassé les modèles fondés sur les informations de base combinées aux analyses cliniques pour 52 maladies, dont le myélome multiple, le lymphome non hodgkinien, la maladie du motoneurone, la fibrose pulmonaire et la cardiomyopathie dilatée. Pour le myélome multiple, le séquençage de l'ARN en cellule unique de moelle osseuse chez des patients nouvellement diagnostiqués a montré que quatre des cinq protéines prédictives sont exprimées spécifiquement dans les plasmocytes, en cohérence avec le fort pouvoir prédictif de ces protéines. La réplication externe des modèles protéiques parcimonieux dans l'étude EPIC-Norfolk a montré une bonne généralisabilité pour la prédiction des six maladies testées. Ces résultats montrent que les signatures protéiques plasmatiques parcimonieuses, comprenant à la fois des protéines spécifiques d'une maladie et des prédicteurs protéiques partagés entre plusieurs maladies, offrent une prédiction cliniquement utile des maladies courantes et rares.

Texte original (anglais)

For many diseases there are delays in diagnosis due to a lack of objective biomarkers for disease onset. Here, in 41,931 individuals from the United Kingdom Biobank Pharma Proteomics Project, we integrated measurements of ~3,000 plasma proteins with clinical information to derive sparse prediction models for the 10-year incidence of 218 common and rare diseases (81-6,038 cases). We then compared prediction models developed using proteomic data with models developed using either basic clinical information alone or clinical information combined with data from 37 clinical assays. The predictive performance of sparse models including as few as 5 to 20 proteins was superior to the performance of models developed using basic clinical information for 67 pathologically diverse diseases (median delta C-index = 0.07; range = 0.02-0.31). Sparse protein models further outperformed models developed using basic information combined with clinical assay data for 52 diseases, including multiple myeloma, non-Hodgkin lymphoma, motor neuron disease, pulmonary fibrosis and dilated cardiomyopathy. For multiple myeloma, single-cell RNA sequencing from bone marrow in newly diagnosed patients showed that four of the five predictor proteins were expressed specifically in plasma cells, consistent with the strong predictive power of these proteins. External replication of sparse protein models in the EPIC-Norfolk study showed good generalizability for prediction of the six diseases tested. These findings show that sparse plasma protein signatures, including both disease-specific proteins and protein predictors shared across several diseases, offer clinically useful prediction of common and rare diseases.