Des biobanques plus diverses sont en train de transformer la médecine de précision — et de corriger une génétique trop européenne

Des biobanques plus diverses sont en train de transformer la médecine de précision — et de corriger une génétique trop européenne

La médecine de précision est souvent présentée comme l’avenir des soins : mieux prédire les maladies, diagnostiquer plus finement et adapter les décisions médicales au profil biologique de chaque patient. Sur le papier, l’idée est séduisante. En pratique, elle traîne depuis longtemps une faiblesse majeure. Une grande partie des données génétiques utilisées pour construire cet avenir provient de façon disproportionnée de personnes d’ascendance européenne.

Ce déséquilibre n’est pas un détail technique. Il a des conséquences scientifiques et cliniques. Lorsque la base génétique de référence reflète mal la diversité humaine, certaines variantes associées aux maladies peuvent passer inaperçues, les outils prédictifs fonctionnent moins bien en dehors des groupes sur lesquels ils ont été entraînés, et la médecine de précision risque de devenir surtout précise pour ceux qui sont déjà les mieux représentés dans les données.

C’est pourquoi l’essor de biobanques plus diversifiées est si important. Il ne s’agit pas seulement de collecter davantage d’échantillons. Il s’agit de construire une médecine génomique plus complète, plus fiable et plus équitable.

Les données fournies soutiennent bien cette lecture. Des biobanques plus vastes et plus diversifiées améliorent la découverte génétique dans de nombreuses maladies, rendent la prédiction du risque plus fiable entre groupes d’ascendance différents, et réduisent la dépendance à un modèle de médecine de précision bâti principalement autour de données européennes.

Ce qui se dérègle quand la base génétique est trop étroite

La génétique humaine a accompli des progrès remarquables au cours des deux dernières décennies, mais elle ne l’a pas fait sur une base également représentative. De nombreuses grandes études d’association pangénomique ont reposé très largement sur des participants d’ascendance européenne.

Cela a permis d’importantes découvertes, mais a aussi introduit un biais structurel. Les variantes, les tailles d’effet et les profils génétiques identifiés dans une population ne se transfèrent pas toujours proprement à une autre. La fréquence des variants associés au risque peut varier. Leur interaction avec d’autres facteurs génétiques ou environnementaux aussi. Et les modèles prédictifs construits à partir d’un groupe d’ascendance peuvent perdre en précision dans un autre.

En pratique, cela signifie qu’un score de risque génétique peut paraître très utile dans une population et beaucoup moins fiable dans une autre. Cela signifie aussi que les populations sous-représentées peuvent être désavantagées deux fois : d’abord parce que moins de découvertes sont faites chez elles, ensuite parce que les outils qui leur sont appliqués ont été élaborés à partir d’une autre référence génétique.

La diversité améliore la science elle-même, pas seulement son image

L’un des messages les plus forts de la littérature fournie est que la diversité dans les biobanques n’est pas seulement une correction éthique. C’est un avantage scientifique.

La Global Biobank Meta-analysis Initiative a montré que les données de 23 biobanques réparties sur quatre continents peuvent être harmonisées afin d’augmenter la puissance des études d’association pangénomique et d’améliorer la prédiction du risque. C’est important, car cela démontre quelque chose d’essentiel : la diversité des populations n’affaiblit pas nécessairement la science. Lorsqu’elle est bien intégrée, elle peut la renforcer.

Plus un ensemble de données couvre d’ascendances différentes, plus il devient possible d’identifier des variants associés aux maladies, de valider les résultats dans différentes populations et d’éviter des conclusions trop étroites tirées d’un seul groupe.

Autrement dit, la diversité n’est pas seulement une question d’inclusion. Elle améliore la qualité de la carte génétique que la médecine tente de construire.

Le bénéfice concret apparaît déjà dans la prédiction du risque

Cela se voit particulièrement dans les scores de risque polygénique, qui combinent l’effet de nombreuses variantes pour estimer une susceptibilité à la maladie.

L’un des grands problèmes des premiers scores était leur performance inégale. Beaucoup fonctionnaient raisonnablement bien chez les personnes d’ascendance européenne, et nettement moins bien chez d’autres. Ce n’était pas une bizarrerie technique. C’était la conséquence prévisible d’outils construits à partir de données trop étroites.

Les données fournies suggèrent que les modèles multi-ascendances commencent à corriger en partie ce problème. Un score de risque polygénique pour la maladie coronarienne construit à partir de cinq ascendances a amélioré la prédiction dans plusieurs groupes par rapport aux versions précédentes.

C’est une démonstration importante. Elle montre que la diversité dans les biobanques ne sert pas seulement à élargir la connaissance théorique. Elle peut produire des outils plus robustes et plus largement utiles.

La génétique d’Alzheimer montre l’ampleur du manque

Des revues génomiques plus larges, notamment dans la maladie d’Alzheimer, soulignent le même problème sous un autre angle. La sous-représentation des populations non européennes reste une limite majeure des connaissances génétiques actuelles.

C’est particulièrement important dans les maladies complexes, où le risque ne dépend pas d’une seule mutation mais de nombreuses variantes interagissant avec l’âge, l’environnement, la santé vasculaire et d’autres facteurs biologiques. Si la population de référence est trop étroite, tout le modèle du risque reste incomplet.

Dans des maladies comme Alzheimer, les maladies cardiovasculaires ou le diabète, la diversité des populations ne consiste pas seulement à ajouter plus de personnes à une base de données. Elle sert à décrire plus fidèlement l’architecture réelle du risque.

C’est aussi une question d’équité

Il y a ici une histoire technique, mais aussi une histoire d’équité.

Si la médecine de précision se développe principalement à partir de données d’ascendance européenne, elle risque de reproduire, voire d’accentuer, des inégalités de santé déjà existantes. Cela peut se traduire par des scores de risque moins précis pour certaines populations, une interprétation moins fiable des variants en dehors des groupes bien étudiés, et une confiance clinique plus faible dans des outils appliqués au-delà des populations sur lesquelles ils ont été construits.

En France comme ailleurs en Europe, ce sujet a une importance particulière. Un système de santé qui prend en charge des personnes d’origines africaines, européennes, moyen-orientales, asiatiques et métissées ne peut pas supposer que des outils construits sur des références génomiques trop étroites fonctionneront de manière égale pour tous.

La diversité des biobanques devient ainsi plus qu’une préférence méthodologique. Elle fait partie de ce qui détermine si la médecine génomique peut fonctionner équitablement dans les systèmes de santé réels.

Plus de diversité ne veut pas dire que le problème est réglé

Il faut aussi éviter de trop en faire.

Même les grandes biobanques collaboratives conservent souvent un déséquilibre en faveur de l’ascendance européenne. La représentation s’améliore, mais elle reste incomplète. Cela signifie que les nouveaux outils peuvent être meilleurs que les anciens sans être encore pleinement équitables.

Il existe aussi une limite plus générale de traduction clinique. Mieux découvrir des associations génétiques ne se transforme pas automatiquement en bénéfice pour les patients. Identifier davantage de variantes liées à la maladie est une étape importante, mais convertir ces découvertes en prévention, en diagnostic ou en décisions thérapeutiques demande du temps, de la validation et un vrai travail d’implémentation.

Les scores polygéniques, eux aussi, peuvent continuer à avoir des performances inégales selon les groupes d’ascendance, même après des améliorations multi-ascendances. La diversité améliore donc les outils, mais ne les rend pas instantanément parfaits.

Et la réponse aux traitements ?

Le titre évoque également la réponse aux traitements, et c’est le point qui demande le plus de prudence.

Les articles fournis soutiennent plus directement la prédiction du risque de maladie que la réponse au traitement. Cela ne signifie pas que la diversité n’est pas importante pour les traitements — elle l’est très probablement. Mais, sur la base des références disponibles, l’argument le plus solide concerne surtout l’amélioration de la découverte de variants liés aux maladies et de la modélisation du risque entre populations, plutôt qu’une démonstration directe d’une meilleure prédiction thérapeutique.

Pour aller plus loin sur la réponse au traitement, il faudrait idéalement des études pharmacogénomiques ou des données cliniques directes. En leur absence, la conclusion la plus juste est que des biobanques diversifiées renforcent la base sur laquelle une médecine plus personnalisée pourra ensuite être construite, mais que l’effet sur la réponse thérapeutique est ici moins directement établi.

Ce qui peut changer maintenant

Si cette tendance se poursuit, l’impact pourrait être considérable. Des biobanques plus diversifiées n’ajoutent pas seulement du volume. Elles changent ce que la science est capable de voir. Elles aident à révéler des variants qui seraient autrement restés cachés, à tester si les résultats se maintiennent dans différentes populations, et à construire des outils prédictifs moins fragiles en dehors d’un contexte d’ascendance européenne.

Elles changent aussi la façon de concevoir la recherche future. Au lieu de développer d’abord des outils puis de découvrir qu’ils fonctionnent mal dans de larges pans de la population, les chercheurs peuvent bâtir dès le départ une base de connaissances suffisamment diverse pour que la science produite soit plus généralisable.

C’est peut-être le changement le plus important : passer d’un modèle de médecine de précision façonné par un sous-ensemble limité de l’humanité à un modèle plus proche des patients qu’il prétend servir.

Ce qu’il faut retenir

Les données disponibles soutiennent fortement l’idée que des biobanques plus diversifiées améliorent la découverte génétique et rendent la prédiction du risque plus utile dans différentes populations. Les collaborations internationales montrent déjà que combiner des données issues de plusieurs continents augmente la puissance des études génomiques et permet de produire des outils plus largement applicables que ceux construits principalement à partir de données européennes.

Mais la prudence reste nécessaire. Les gains en diversité demeurent incomplets, l’amélioration de la découverte ne se traduit pas automatiquement en bénéfice clinique immédiat, et la question de la réponse au traitement est moins directement démontrée par les travaux fournis.

Malgré cela, la direction générale est claire. Si la médecine de précision veut réellement mériter son nom, elle ne peut pas être précise seulement pour certains. C’est pourquoi rendre les biobanques plus diverses n’est plus une question secondaire en génétique. C’est en train de devenir une condition de base pour une science meilleure — et une médecine plus juste.