Identification de biomarqueurs protéiques prédictifs et diagnostiques des maladies coronariennes pour une population de souche canadienne-française

Abstract

Les biomarqueurs plasmatiques constituent des outils essentiels, mais rares, utilisés pour diagnostiquer les maladies, comme les maladies cardiovasculaires (MCV), et stratifier le niveau de risque associé. L’identification de nouveaux biomarqueurs plasmatiques susceptibles d’améliorer le dépistage et le suivi des MCV représente ainsi un enjeu majeur en termes d’économie et de santé publique.

Le projet vise à identifier de nouveaux biomarqueurs plasmatiques prédictifs ou diagnostiques des MCV, à déterminer le profil protéomique plasmatique de patients atteints de MCV et à développer des méthodes innovantes d’analyse d’échantillon plasmatique.

L’étude a été effectuée sur une large banque de plasma provenant de 1006 individus de souche Canadienne-Française recrutés à différents stades de la MCV et qui ont été suivis sur une période de 5 ans. Des séries de déplétions ont été réalisées afin de dépléter les 14 protéines majoritaires (colonne IgY14TM) de l’échantillon avant son analyse par trois approches effectuées en parallèle: 1) Une chromatographie liquide (LC) en 2 dimensions qui fractionne les protéines selon le point isoélectrique puis selon le degré d’hydrophobicité, via le système PF2D, suivie par une chromatographie liquide couplée avec une spectrométrie de masse en tandem (LC-MS/MS). 2) Une séparation classique sur gel 1D-SDS-PAGE suivie d’une LC-MS/MS; 3) Par une déplétion plus poussée du plasma avec l’utilisation en tandem avec la colonne IgY14TM d’une colonne SupermixTM permettant de dépléter également les protéines de moyenne abondance, suivie d’une séparation sur gel 1D-SDS-PAGE et d’une analyse LC-MS/MS de la portion déplétée (3a) et de la portion liée à la SupermixTM (3b).

Les résultats montrent que le système PF2D permet d’identifier plusieurs profils protéiques spécifiques au groupe MCV. Sur un total de 1156 fractions (équivalent à 1172 pics protéiques pour le groupe contrôle et 926 pics pour le groupe MCV) recueillies, 15 fractions (23 pics protéiques) présentaient des différences quantitativement significatives (p<0,05) entre les 2 groupes. De plus, 6 fractions (9 pics) sont uniquement présentes dans un groupe, représentant d’autres signatures protéomiques et biomarqueurs potentiellement intéressants. Les méthodes 2, 3a et 3b ont permis l’identification de 108, 125 et 91 protéines respectivement avec des chevauchements partiels (31% entre la méthode 2 et 3a, 61% entre 2 et 3b et 19% entre 3a et 3b). Les méthodes 2 et 3 ont permis l’identification de 12 protéines qui présentaient des différences quantitatives significatives entre les 2 groupes.

L’utilisation de plusieurs approches protéomiques complémentaires nous ont d’ores et déjà permis d’identifier des candidats biomarqueurs des angines instables avec récidive d’infarctus du myocarde (IM).

Coronary artery disease (CAD) is a major cause of mortality in Canada. Biomarkers are precious tools to diagnosis and risk stratification, and the identification of new candidates may substantially impact on public health and health economics. Due to its complexity, the human blood proteome remains challenging to explore. Our study aims at combining various complementary methods to determine the plasma proteome signature of patients at various stages of CAD.

The total cohort includes 1006 French-Canadian, 500 controls with a normal coronary angiography, and 506 patients with documented CAD. Two pools were reconstituted to represent the extremes of our population: 1) patients with a previous myocardial infarction (MI) and a recurrent MI over a 5 years follow-up and 2) controls without CAD and no events during follow-up matched for age and sex to the CAD pool (N=18). After a depletion of highly abundant proteins, pools were analyzed using 3 different proteomic methods: i) PF2D system followed by a liquid chromatography tandem mass spectrometry analysis (LC-MS/MS); ii) 1D-SDS-PAGE followed by LC-MS/MS; iii) Further depletion of proteins followed by 1D-SDS-PAGE and LC-MS/MS analysis of both flow through (3a) and retained fractions (3b).

Methods 2, 3a, and 3b allowed identification of 108, 125 and 91 proteins respectively. Overlapping proteins (31% between methods 2 and 3a, 61% between 2 and 3b and 19% between 3a and 3b) showed significant absolute and relative expressions with various methods. A total of 12 proteins were significantly (p<0.05) different in amounts (number of peptides identified) between the 2 pools. Analyses with the PF2D elution spectra (method 1) displayed numerous different profiles between the two groups. Over a total of 1156 fractions (control: 1172 peaks ACS: 926 peaks) generated, 370 fractions (674 peaks) overlapped between the two pools. 15 fractions (23 peaks) differed significantly (p<0,05) in amounts while some other peaks were uniquely present in one pool, representing biomarkers of potential interest.

We conclude that plasma proteome signatures are significantly modeled by the methods serving their recognition. Cost of analyses can be reduced with the PF2D method by performing a pre-selection before MS analysis. Detection of less abundant proteins can be improved by using further depletion.

Taking profit of these finding, we are now testing in our population the hypothesis that a combination of methods will sharpen our ability to detect clinically relevant proteins tailored to various clinical situations and to disease staging.