| Résumé | L'établissement du profil de transcription du génome entier est un outil puissant permettant d'étudier la très grande complexité des états cellulaires. En outre, lorsqu'il est appliqué aux tissus pathologiques, il peut révéler des modifications quantitatives et qualitatives de l'expression génique qui renseignent sur le contexte ou sur le fondement sous-jacent de la maladie et peut offrir une nouvelle approche diagnostique. Toutefois, les données recueillies à partir des biopuces à haute densité sont d'une très grande complexité et représentent des défis de taille dans le domaine de l'exploration de données. En effet, le prétraitement ainsi que l'application des techniques d'exploration de données demandent une attention particulière. La présente étude porte sur la difficulté à analyser les données de biopuces provenant de deux catégories connues (Alzheimer et normale). Trois technologies distinctes ont été utilisées pour identifier les gènes associés à la maladie d'Alzheimer (MA). Parmi les 67 gènes identifiés dans cette étude, on trouve un total de 17 gènes déjà associés à la maladie d'Alzheimer ou à d'autres affections neurologiques. C'est plus que lors des précédentes études parues sur l'Alzheimer. Vingt gènes connus, non liés antérieurement à la maladie, ont été identifiés de même que 30 signatures ou EST (Expressed Sequence Tags) non caractérisées. Étant donné le succès obtenu dans l'identification des gènes déjà associés à la MA, il existe un niveau de confiance raisonnable quant aux derniers résultats portant sur les gènes et les EST. À partir de ces études, on peut tenter de définir des stratégies thérapeutiques pouvant prévenir la détérioration des composantes spécifiques de la fonction neuronale chez les personnes à risque ou être en mesure de favoriser le remplacement de la fonction cellulaire perdue des neurones endommagés. Bien que cette étude ne concerne qu'un nombre très limité de patients (quatre patients atteints de la MA et cinq normaux), il est permis de croire que cette approche prépare la voie à une étape importante dans l'utilisation de données d'expression génique pour la modélisation de la maladie (p. ex. classification et diagnostic). Elle peut également contribuer à l'avenir de l'identification des fonctions géniques, de la pathologie, de la toxicogénomique et de la pharmacogénomique. |
|---|
