Signatures transcriptomiques robustes de la progression de la maladie d’Alzheimer : approche validée d’IA explicable

Pourquoi cette recherche compte pour les familles et les patients

La maladie d’Alzheimer prive progressivement les personnes de leur mémoire et de leur autonomie, mais les médecins disposent encore de peu d’outils simples pour évaluer précisément l’avancement de la maladie dans le cerveau. Cette étude examine directement le tissu cérébral pour identifier quels gènes s’activent ou se désactivent à différents stades de la maladie, en utilisant une intelligence artificielle transparente pour découvrir des motifs qui pourraient un jour aider les cliniciens à suivre la maladie avec plus de précision et à adapter les traitements à chaque stade.

Regarder à l’intérieur du cerveau vieillissant

Les chercheurs ont analysé des échantillons cérébraux provenant de 125 personnes dans une vaste étude post-mortem. Chaque cerveau avait déjà été noté selon une échelle standard appelée stadification de Braak, qui suit la propagation des enchevêtrements d’Alzheimer depuis les centres profonds de la mémoire vers des régions plus larges impliquées dans le raisonnement. Plutôt que de considérer la maladie d’Alzheimer comme simplement présente ou absente, l’équipe a regroupé les échantillons en stades Précoce, Intermédiaire et Avancé, puis a examiné l’activité génique dans onze régions cérébrales clés impliquées dans la mémoire, les émotions et la cognition, telles que l’hippocampe, les lobes temporaux et les régions frontales.

Comment des algorithmes intelligents lisent l’activité génique

L’équipe a travaillé avec des données de séquençage de l’ARN, qui reflètent l’activité de milliers de gènes dans chaque région cérébrale. Ils ont nettoyé et standardisé ces données, puis utilisé une méthode d’apprentissage automatique appelée XGBoost pour apprendre des motifs distinguant les stades Précoce, Intermédiaire et Avancé à partir de ces profils d’expression génique. Pour corriger les déséquilibres du nombre d’échantillons par stade, ils ont employé une technique de rééchantillonnage afin que le modèle informatique voie un ensemble d’exemples plus équilibré. De manière cruciale, ils ont combiné cela avec une méthode d’IA explicable appelée SHAP, qui attribue à chaque gène un score clair montrant dans quelle mesure il oriente un échantillon vers un stade plutôt qu’un autre.

Trouver les empreintes digitales spécifiques aux stades dans le cerveau

À travers les régions cérébrales, le modèle a pu différencier les stades mieux que le hasard, la cortex cingulaire postérieur et certaines zones frontales et temporales portant des signaux particulièrement forts. Les chercheurs ont ensuite posé une question plus approfondie : quels gènes importent le plus, et restent-ils les mêmes au cours de la maladie ? Ils ont constaté que les gènes les plus importants étaient fortement spécifiques aux stades, avec seulement environ 1,7 % de recoupement entre les signatures Précoce, Intermédiaire et Avancé. Les stades précoces étaient liés à des gènes impliqués dans l’utilisation d’énergie et la machinerie cellulaire de base, les stades intermédiaires à des réponses immunitaires et au stress, et les stades avancés à la fonction mitochondriale et aux connexions synaptiques, en écho au passage de symptômes subtils à une défaillance cérébrale plus généralisée.

Zoom sur de nouveaux marqueurs candidats

Parmi des milliers de gènes, l’étude a mis en évidence une poignée de candidats prometteurs qui aidaient de manière cohérente le modèle à classer les stades et montraient aussi des relations biologiques signifiantes avec des voies connues. Un gène, ARX, est apparu comme un marqueur potentiel du stade Précoce lié aux cellules nerveuses inhibitrices qui contribuent à équilibrer l’activité cérébrale. Un candidat du stade Intermédiaire, MKNK2, était associé à l’inflammation et au stress cellulaire. Aux stades Avancés, des gènes tels que SLC25A16 et NEURL1B indiquaient des problèmes au niveau des organites producteurs d’énergie et des connexions entre neurones. L’équipe a confirmé ces liens en vérifiant à quel point ces gènes tendent à augmenter ou diminuer de concert avec des marqueurs établis du métabolisme, de l’immunité et des synapses.

Ce que cela signifie pour l’avenir des soins

En termes simples, ce travail montre que la « voix » génétique du cerveau évolue de façon distincte à mesure que la maladie d’Alzheimer progresse, et que l’IA explicable peut identifier de manière fiable quels gènes s’expriment le plus à chaque étape. Bien que les résultats proviennent d’une cohorte de recherche unique et doivent encore être testés dans d’autres groupes et chez des patients vivants, ils fournissent une feuille de route pour développer des tests sanguins ou cérébraux sensibles au stade de la maladie et pour concevoir des traitements mieux adaptés à la biologie des stades Précoce, Intermédiaire ou Avancé plutôt que de traiter tous les stades de la même façon.

Citation: Shafik, R.A., Afify, Y.M., Badr, N. et al. Robust transcriptomic signatures of Alzheimer’s disease progression: validated explainable AI approach. Sci Rep 16, 15478 (2026). https://doi.org/10.1038/s41598-026-47879-8

Mots-clés: Maladie d’Alzheimer, expression génique, biomarqueurs, IA explicable, stade de Braak