Modèles prédictifs basés sur l’apprentissage automatique et profils de sous-types dans le sang périphérique de la schizophrénie sur la base d’un cadre computationnel d’apprentissage automatique

Pourquoi le sang peut aider à déchiffrer un trouble complexe de l’esprit

La schizophrénie est une maladie mentale grave qui peut perturber la pensée, les émotions et la vie quotidienne, et pourtant les médecins s’appuient encore principalement sur l’observation du comportement pour la diagnostiquer. Cette étude pose une question simple mais puissante : un prélèvement sanguin ordinaire peut-il révéler des signatures biologiques cachées qui aideraient à détecter la schizophrénie plus tôt et à classer les patients en groupes de traitement plus adaptés ?

À la recherche d’indices dans un tube de sang

Les chercheurs ont commencé par rassembler plusieurs jeux de données existants dans lesquels le sang de personnes atteintes de schizophrénie et de volontaires sains avait déjà été analysé pour l’activité génique. Chaque gène peut être vu comme un petit interrupteur qui monte ou descend. En combinant des milliers de ces interrupteurs provenant de cinq études distinctes et en corrigeant les différences techniques, l’équipe a créé une grande carte unifiée de l’activité génique dans le sang périphérique. Ils ont ensuite cherché des gènes qui se comportaient de façon systématique et différente chez les patients par rapport aux témoins, en se concentrant sur ceux liés à l’inflammation, aux réponses immunitaires et au métabolisme des lipides et autres molécules.

Apprendre aux ordinateurs à repérer une signature cachée

Parce qu’aucun humain ne peut facilement discerner des motifs utiles à travers autant de gènes à la fois, l’équipe s’est tournée vers l’apprentissage automatique, une branche de l’informatique qui permet aux algorithmes d’apprendre à partir des données. Ils ont testé 12 méthodes différentes d’apprentissage automatique et de nombreuses façons de les combiner, pour finalement retenir un appariement qui sélectionnait les gènes les plus informatifs puis construisait un classifieur autour d’eux. Ce processus a conduit à un jeu compact de 16 gènes dont le profil d’activité combiné pouvait distinguer de manière fiable les patients atteints de schizophrénie des personnes saines à travers huit jeux de données différents. Les auteurs ont ensuite transformé cette « signature » à 16 gènes en un outil graphique de score, appelé nomogramme, qui pourrait en principe aider les cliniciens à estimer la probabilité qu’un prélèvement sanguin donné provienne d’une personne atteinte de schizophrénie.

Ce que disent les gènes clés sur l’organisme

Les 16 gènes mis en évidence par le modèle ne sont pas choisis au hasard. Beaucoup sont liés au système immunitaire, aux réponses au stress cellulaire et à la façon dont l’organisme traite les lipides et les molécules de signalisation. Un gène en particulier, appelé AZI2, s’est distingué comme central dans la signature. Son activité était fortement liée à des voies contrôlant l’inflammation et le comportement des cellules immunitaires, ainsi qu’à la façon dont les cellules répondent aux signaux qui leur indiquent de croître, se diviser ou mourir. Lorsque l’équipe a examiné les profils de cellules immunitaires inférés à partir des données sanguines, elle a observé des variations dans plusieurs types de globules blancs chez les personnes atteintes de schizophrénie, ce qui étaye l’idée d’un système immunitaire durablement altéré dans ce trouble.

Deux nuances biologiques d’un même diagnostic

Avoir une signature diagnostique est utile, mais la schizophrénie est connue pour être très variable d’une personne à l’autre. Pour explorer cette diversité, les chercheurs ont utilisé des méthodes de regroupement non supervisées, qui classent les échantillons par similarité sans connaître qui est patient ni quels sont leurs symptômes. Ces méthodes ont divisé le groupe de patients en deux principaux sous-types basés sur le sang, puis en sous-groupes plus fins. Un profil était davantage lié à des altérations du métabolisme, comme l’utilisation d’énergie et des lipides par les cellules, tandis que l’autre était davantage associé à l’inflammation et à l’activité immunitaire. Les groupes différaient aussi par des ensembles de protéines et de voies géniques liées à la coagulation sanguine, à la signalisation cérébrale et aux réponses aux infections, suggérant que des patients partageant la même étiquette clinique peuvent en réalité présenter des bases biologiques différentes.

Ce que cela pourrait signifier pour les soins futurs

Pris ensemble, ces travaux suggèrent qu’un petit panel de gènes mesurés à partir d’un prélèvement sanguin simple pourrait aider à soutenir le diagnostic de la schizophrénie et, peut-être plus important, révéler des sous-types biologiquement distincts de la maladie. Bien que des tests supplémentaires sur des cohortes plus larges et soigneusement suivies soient nécessaires avant que de tels outils puissent être utilisés en clinique, l’étude offre une feuille de route vers une psychiatrie plus personnalisée, où les décisions thérapeutiques sont guidées non seulement par les symptômes mais aussi par les signaux moléculaires du corps.

Citation: Li, Z., Sun, Q., Li, H. et al. Machine learning-based predictive models and subtypes patterns in peripheral blood of schizophrenia based on a machine learning computational framework. Schizophr 12, 46 (2026). https://doi.org/10.1038/s41537-026-00744-z

Mots-clés: schizophrénie, biomarqueurs sanguins, apprentissage automatique, expression génique, système immunitaire