On sait depuis longtemps que le trouble de l’usage d’alcool (TUAL) a une dimension familiale et que la prévalence des troubles connexes avec lesquels il est souvent associé, comme la consommation de drogues et d’autres troubles psychiatriques, est également élevée dans ces familles. Il est difficile de comprendre la base de la comorbidité et de l’agrégation familiale, car les familles partagent à la fois des gènes et une grande partie de leur environnement, qui contribuent tous deux au risque.
Il est important de démêler ces deux sources de risques si nous voulons mieux comprendre les mécanismes de vulnérabilité à partir desquels nous pourrons mettre au point des actions de prévention plus efficaces, identifier des médicaments potentiels et mieux cibler les traitements sur les individus (médecine personnalisée).
Plusieurs résultats importants ont été obtenus. Tout d’abord, le rapport de risque pour la descendance d’un parent atteint de TUAL est le plus élevé pour le TUAL (rapport de risque = 2,36), suivi par les troubles liés à la consommation de drogues (rapport de risque = 2,04) et le TDAH (rapport de risque = 1,82). Les rapports de risque pour la dépression majeure et les troubles anxieux sont également élevés, mais pas autant (les deux rapports de risque sont de 1,43). Les rapports de risque pour les fils et les filles étaient similaires, malgré la différence de prévalence du TUAL entre les pères et les mères. Par ailleurs, le rapport de risque est plus élevé si les deux parents étaient touchés : un rapport de 4,64 pour le TUAL, soit 1,97 fois plus élevé que si un seul parent était touché. Le risque de troubles liés à la consommation de drogues est également élevé (1,7 fois plus) ; l’effet est moindre pour les autres troubles (1,3 à 1,4 fois plus).
Un autre constat intéressant est que le risque pour les enfants des mères et des pères atteints est pratiquement identique. Cette constatation va à l’encontre de la théorie selon laquelle, les femmes étant moins susceptibles que les hommes d’être touchées par le TUAL, il faudrait en moyenne un niveau de risque génétique plus élevé pour les rendre sensibles, ce qui implique que la transmission du risque génétique à partir des femmes touchées devrait être plus importante que celle à partir des hommes touchés. On peut donc supposer que la différence de prévalence du TUAL entre les hommes et les femmes résulte principalement de facteurs environnementaux qui diffèrent entre les sexes (par exemple, les normes sociétales en matière de consommation d’alcool) plutôt que d’un facteur génétique intrinsèque. La différence de prévalence du TUAL entre les générations met également en évidence les effets de l’environnement (par exemple, la cohorte) ; la prévalence du TUAL est plus faible dans la génération des enfants que dans celle des parents (2,12 % des mères contre 1,59 % des filles ; 6,15 % des pères contre 3,77 % des fils). Une analyse des familles dans lesquelles le père était absent pendant la majeure partie de l’éducation de l’enfant (51 003 enfants) a montré un schéma de risque similaire pour le TUAL et les autres troubles, bien que les ratios de risque soient légèrement inférieurs (par exemple, environ 1,9 contre 2,36 pour le TUAL ; environ 1,6 contre 2,04 pour les troubles liés à l’utilisation de drogues). Ces résultats suggèrent que le risque accru pour les enfants de parents souffrant de TUAL est en grande partie (mais pas entièrement) génétique, et que le rôle des influences environnementales (éducation des enfants pendant les années de formation) était plus faible.
Les résultats pour les cinq troubles suggèrent aux auteurs que les niveaux de risque transmis par les parents atteints de TUAL à leurs enfants s’inscrivent dans un schéma, le risque le plus fort étant plus spécifique au TUAL (rapport de risque le plus élevé), puis aux troubles liés à la consommation de drogues, au TDAH et peut-être à d’autres troubles de l’extériorisation, et un risque moindre pour les troubles de l’intériorisation (dépression majeure et troubles anxieux) et les troubles de l’extériorisation.
L’utilisation par Kendler et ses collègues des registres suédois avec des données sur une large période, évaluant les enfants avec un âge moyen de 37,7 ans au moment du suivi, réduit ces biais. Un autre avantage de cette étude est qu’elle se concentre sur les troubles liés à l’utilisation de substances (TUAL et troubles liés à l’utilisation de drogues) plutôt que sur la consommation d’alcool ou de drogues. Des études ont montré que la génétique de la consommation diffère de celle des troubles liés à l’utilisation de substances, bien qu’il y ait un chevauchement considérable, et que les troubles liés à l’utilisation de substances présentent une corrélation plus forte avec d’autres troubles psychiatriques (par exemple, 4-8).
Cette étude minutieuse présente certaines limites communes à la plupart des grandes études. Les sujets de l’étude n’ont pas été directement évalués par entretien. Les registres identifient les personnes qui ont attiré l’attention des autorités médicales ou judiciaires. Les faibles taux de TUAL dans cet échantillon de parents et d’enfants suggèrent que ces registres passent à côté de nombreux cas et qu’ils sont probablement enrichis par les cas les plus graves qui ont déclenché la détection.
Les rapports de risque pourraient être plus faibles dans les cas moins graves, même si la tendance générale reste la même. La comorbidité de ces troubles pourrait affecter les résultats des rapports de risque entre les troubles, bien que Kendler et ses collègues signalent qu’elle ne semble pas être un facteur majeur dans leurs résultats – les rapports de risque n’ont diminué que légèrement lorsque les analyses ont omis les individus chez qui le diagnostic secondaire était antérieur à celui du TUAL. Bien entendu, comme les troubles liés à l’autisme et à la toxicomanie sont influencés par l’environnement et qu’il existe probablement des interactions entre les facteurs génétiques et environnementaux, les résultats obtenus dans un contexte donné (la Suède, en l’occurrence) pourraient ne pas être les mêmes dans un contexte très différent, même si la biologie de base est probablement similaire.
Il est important de passer des grandes études sur le phénotype, comme celle-ci, à la compréhension de la biologie qui sous-tend les différences de risque (9). La contribution génétique au risque de troubles liés à l’utilisation de substances représente généralement environ 50 % du risque global, réparti entre des milliers de variantes sur le génome, et l’effet d’une variante donnée est généralement très faible. Les grands échantillons nécessaires pour détecter de manière fiable l’effet d’une variante sont presque toujours caractérisés par une hétérogénéité et des évaluations superficielles. Des études de plus petite taille, avec un phénotypage solide et détaillé des participants, peuvent nous aider à comprendre les résultats. Un autre problème est que les groupes de variantes se déplacent ensemble le long des chromosomes (déséquilibre de liaison) selon des schémas qui diffèrent d’une population ancestrale à l’autre. La variante ayant l’effet statistique le plus fort sur un caractère n’est peut-être pas celle qui affecte réellement le caractère ; cette variante ne fait que marquer un locus (généralement grand) contenant de nombreuses autres variantes.
Des études fonctionnelles détaillées sont nécessaires pour identifier les variantes du locus qui contribuent au mécanisme à l’origine du risque accru (9). Des travaux portant sur de nombreuses populations vivant dans des environnements différents et présentant des schémas de déséquilibre de liaison différents permettent de circonscrire le locus, de mieux comprendre les interactions gène-environnement et d’appliquer les résultats de manière équitable à des personnes d’ascendances diverses (9, 10).
Certains ont rejeté l’intérêt de trouver des variantes à faible effet, mais cela ne tient pas compte de l’essentiel : l’ampleur de l’effet d’une variante qui conduit à l’identification d’un gène ou d’une voie qui influence la manifestation du trouble ne limite pas l’efficacité potentielle de la modulation de cette voie par un médicament, et les connaissances biologiques acquises peuvent potentiellement être utilisées pour identifier de meilleures cibles médicamenteuses et pour mieux les diriger vers des individus particuliers (9).
par Howard J. Edenberg, Ph.D.
Editorial d’accès libre (https://ajp.psychiatryonline.org/doi/full/10.1176/appi.ajp.20240097) traduit avec DeepL.com (version gratuite) et mis en forme par Benjamin Rolland
Références
1 Kendler KS, Abrahamsson L, Sundquist J, et al.: Pattern of risks for psychiatric and substance use disorders in the offspring of parents with alcohol use disorder. Am J Psychiatry 2024; 181:322–329 Abstract, Google Scholar
2 Kendler KS, Ohlsson H, Sundquist J, et al.: The interrelationship of the genetic risks for different forms of substance use disorder in a Swedish national sample: a top-down genetic analysis. J Stud Alcohol Drugs 2023; 84:361–367Crossref, Medline, Google Scholar
3 Kendler KS, Ohlsson H, Sundquist J, et al.: The patterns of family genetic risk scores for eleven major psychiatric and substance use disorders in a Swedish national sample. Transl Psychiatry 2021; 11:326Crossref, Medline, Google Scholar
4 Hatoum AS, Johnson EC, Colbert SMC, et al.: The addiction risk factor: a unitary genetic vulnerability characterizes substance use disorders and their associations with common correlates. Neuropsychopharmacology 2022; 47:1739–1745Crossref, Medline, Google Scholar
5 Hatoum AS, Colbert SMC, Johnson EC, et al.: Multivariate genome-wide association meta-analysis of over 1 million subjects identifies loci underlying multiple substance use disorders. Nat Ment Health 2023; 1:210–223Crossref, Medline, Google Scholar
6 Walters RK, Polimanti R, Johnson EC, et al.: Transancestral GWAS of alcohol dependence reveals common genetic underpinnings with psychiatric disorders. Nat Neurosci 2018; 21:1656–1669Crossref, Medline, Google Scholar
7 Sanchez-Roige S, Palmer AA, Fontanillas P, et al.: Genome-wide association study meta-analysis of the Alcohol Use Disorders Identification Test (AUDIT) in two population-based cohorts. Am J Psychiatry 2019; 176:107–118Link, Google Scholar
8 Kranzler HR, Zhou H, Kember RL, et al.: Genome-wide association study of alcohol consumption and use disorder in 274,424 individuals from multiple populations. Nat Commun 2019; 10:1499Crossref, Medline, Google Scholar
9 Edenberg HJ: Perspective on beyond statistical significance: finding meaningful effects. Complex Psychiatry 2021; 7:1–8Crossref, Medline, Google Scholar
10 Peterson RE, Kuchenbaecker K, Walters RK, et al.: Genome-wide association studies in ancestrally diverse populations: opportunities, methods, pitfalls, and recommendations. Cell 2019; 179:589–603Crossref, Medline, Google Scholar