La pollution environnementale est responsable d'effets délétères sur la santé. Les avancées récentes en chimie analytique permettent d'explorer les signatures métaboliques. La plupart des études de métabolomique sur les effets de la pollution portent sur des échantillons restreints, l'effectif le plus important étant de 456 personnes (Nassan et al.,2021). L'analyse d'un grand nombre de variables métabolomiques impose des contraintes pour les tests multiples qui diminuent la puissance statistique des analyses et la capacité de détecter des relations « faibles et modérées ». Nous avons appliqué les méthodes d'analyse actuelles pour mesurer l'impact de la pollution sur les métabolites et évaluer leurs avantages et leurs limites.

Les données sont issues d'un sous-échantillon de 926 sujets de l’étude ELISABET (transversale, 40-65 ans, Lille-Dunkerque) incluant des mesures précises des expositions environnementales. L'analyse métabolomique par LC-HRMS a permis de détecter 10043 variables métaboliques par échantillon urinaire. Les méthodes statistiques utilisées sont des méthodes de correction de tests multiples comme Bonferroni et Benjamini-Hochberg, représentées par des volcano plots et des QQplots; des méthodes de réduction des données comme la PLS et l'analyse par voies métaboliques. Les expositions étudiées sont la pollution atmosphérique (PM10, NO2, O3) issues de modélisations et de mesures de stations ATMO.

Nous avons retrouvé des associations attendues entre le sexe et l'ensemble du métabolisme et entre la prise de xénobiotiques et quelques métabolites spécifiques. Peu d'associations ont été retrouvées avec la pollution atmosphérique avec les méthodes classiques d'analyse statistique.

Ces méthodes permettent de retrouver des associations très fortes attendues mais les corrections de tests multiples sont trop stringentes pour des associations moins importantes. Les QQplots et la PLS ne comportent pas de tests statistiques permettant de valider des relations. Ces approches peuvent être améliorées en développant des tests statistiques adaptés et en exploitant la notion de voies métaboliques pour réduire la dimensionalité des données. Un échantillon de réplication pourrait évaluer la reproductibilité des PLS.