La médecine de précision (MP) est un nouveau paradigme qui révolutionne la pratique médicale actuelle et remodèle complètement la médecine de demain. La MP aspire à placer le patient au centre du parcours de soins en y intégrant les données médicales et biologiques individuelles tout en tenant compte de la grande diversité interindividuelle. La prédiction des états pathologiques chez les patients nécessite une compréhension dynamique et systémique. Les erreurs innées du métabolisme (EIM) sont des troubles génétiques résultant de défauts dans une voie biochimique donnée en raison de la déficience d'une enzyme, de son cofacteur ou d’un transporteur. Les EIM ne sont plus considérées comme des maladies monogéniques mais tendent à être plus complexes et multifactorielles. Le profil métabolomique permet le dépistage d’une pathologie, la recherche de biomarqueurs et l’exploration des voies métaboliques mises en jeu. Dans ce travail de thèse, nous avons utilisé l’approche métabolomique qui est particulièrement pertinente pour les EIM compte tenu de leur physiopathologie de base qui est étroitement liée au métabolisme. Ce travail a permis la mise en place d’une méthodologie métabolomique non ciblée basée sur une stratégie analytique multidimensionnelle comportant la spectrométrie de masse à haute résolution couplée à la chromatographie liquide ultra-haute performance et la mobilité ionique. La mise en place de la méthodologie de prétraitement, d’analyse et d’exploitation des données générées avec des outils de design expérimental et d’analyses multivariées ont été aussi établies. Enfin, cette approche a été appliquée pour l’exploration des EIM avec les mucopolysaccharidoses comme preuve de concept. Les résultats obtenus suggèrent un remodelage majeur du métabolisme des acides aminés dans la mucopolysaccharidose de type I. En résumé, la métabolomique pourrait être un outil complémentaire pertinent en appui à l’approche génomique dans l’exploration des EIM. / The new field of precision medicine is revolutionizing current medical practice and reshaping future medicine. Precision medicine intends to put the patient as the central driver of healthcare by broadening biological knowledge and acknowledging the great diversity of individuals. The prediction of physiological and pathological states in patients requires a dynamic and systemic understanding of these interactions. Inborn errors of metabolism (IEM) are genetic disorders resulting from defects in a given biochemical pathway due to the deficiency of an enzyme, its cofactor or a transporter. IEM are no longer considered to be monogenic diseases, which adds another layer of complexity to their characterization and diagnosis. To meet this need for faster screening, the metabolic profile can be a promising candidate given its ability in disease screening, biomarker discovery and metabolic pathway investigation. In this thesis, we used a metabolomic approach which is particularly relevant for IEM given their basic pathophysiology that is tightly related to metabolism. This thesis allowed the implementation of an untargeted metabolomic methodology based on a multidimensional analytical strategy including high-resolution mass spectrometry coupled with ultra-high-performance liquid chromatography and ion mobility. This work also set a methodology for preprocessing, analysis and interpretation of the generated data using experimental design and multivariate data analysis. Finally, the strategy is applied to the exploration of IEM with mucopolysaccharidoses as a proof of concept. The results suggest a major remodeling of the amino acid metabolisms in mucopolysaccharidosis type I. In summary, metabolomic is a relevant complementary tool to support the genomic approach in the functional investigations and diagnosis of IEM.
| Identifer | oai:union.ndltd.org:theses.fr/2017NORMR043 |
| Date | 05 July 2017 |
| Creators | Tebani, Abdellah |
| Contributors | Normandie, Bekri, Soumeya, Afonso, Carlos |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0027 seconds