Prévoir le résultat de la greffe pulmonaire

Les scientifiques européens ont mis au point un outil mathématique clinique innovant capable d'interpréter une signature moléculaire particulière et une prévision du résultat de la greffe pulmonaire.

La greffe pulmonaire est souvent la seule option de traitement pour des patients atteints d'insuffisance respiratoire chronique. Néanmoins, les procédures de transplantation pulmonaire sont associées à un dysfonctionnement chronique d'allogreffe pulmonaire, une condition qui présente avec une ventilation obstructive et restrictive dans presque 50 % des patients ayant subi une greffe pulmonaire. Cela nécessite l'administration de médicaments immuno-suppresseurs voire une re-transplantation.

Une prévision précoce de la CLAD faciliterait la mise en œuvre des interventions innovantes pour améliorer le résultat de la maladie. Dans ce cadre, le projet SYSCLAD (Systems prediction of chronic lung allograft dysfunction), financé par l'UE, s'est engagé à identifier un profil de signature clinique et moléculaire du dysfonctionnement chronique d'allogreffe pulmonaire et un modèle computationnel des mécanismes de la maladie pour interpréter et valider les données moléculaires. Cela accélérerait le diagnostic et la permission d'une intervention précoce avant que d'importantes lésions d'organes s'ensuivent.

Plus de 400 patients avec transplantation pulmonaire ont été recrutés dont les échantillons ont été analysés par la transcriptomique, la protéomique et le séquençage à des moments sélectionnés. Les données ont été intégrées en un modèle mathématique en même temps que des informations cliniques, ce qui conduit à l'identification des signatures de chaque sous-phénotype du dysfonctionnement chronique d'allogreffe pulmonaire. Ces phénotypes se fondaient sur l'expression protéine et génique différentielle ainsi que des schémas spécifiques de la composition pulmonaire des microbiotes et de l'inflammation alvéolaire.

SYSCLAD a combiné la biologie des systèmes et des évènements cliniques pour parvenir à modeler le spectre total des mécanismes du dysfonctionnement chronique d'allogreffe pulmonaire. Leur modèle computationnel est capable d'interpréter les informations moléculaires et cliniques pour prévoir avec précisions les récepteurs de greffe pulmonaire au risque de développer la post-transplantation du dysfonctionnement chronique d'allogreffe pulmonaire sur trois ans. Étant donné les faibles taux de survie médiane au moment du diagnostic de dysfonctionnement chronique d'allogreffe pulmonaire, cet outil médical devrait accélérer l'intervention et améliorer le résultat de greffe pulmonaire avant que la fonction pulmonaire ne soit irréversiblement perdue.

publié: 2015-10-29
Commentaires


Privacy Policy