Une concentration postprandiale élevée en chylomicrons, qui sont essentiellement constitués de triglycérides (TG) issus des lipides nouvellement absorbés, est associée à un risque accru de développer des maladies cardiovasculaires et l’athérosclérose. On observe une forte variabilité interindividuelle de ce paramètre, due en partie à des polymorphismes mononucléotidiques (SNPs) dans des gènes impliqués dans le métabolisme des lipides. Les études existantes ne se sont jusqu’ici intéressées qu’à des SNPs analysés individuellement, et qui n’expliquent en conséquence qu’une faible partie de cette variabilité. Dans cette étude, nous avons cherché à identifier une combinaison de SNPs associée à la variabilité de la réponse postprandiale en TG des chylomicrons suite à l’ingestion d’un repas riche en lipides.

Trente-trois hommes adultes (IMC = 23,1±0,4kg/m²) en bonne santé et non dyslipidémiques ont été génotypés à l’aide de puces à ADN génome entier. Ils ont consommé à quatre occasions un repas riche en lipides et leur concentration plasmatique en TG des chylomicrons a été mesurée à intervalles de temps réguliers jusqu’à 8h après la consommation des repas. La moyenne des aires sous la courbe de cette concentration suite aux 4 repas a été calculée afin d’évaluer la réponse postprandiale en TG des chylomicrons de chaque sujet, et de contrôler ainsi la variabilité intra-individuelle. Nous avons ensuite utilisé une approche statistique multivariée, la régression des moindres carrés partiels (PLS regression), pour analyser l’association de plus de 6000 SNPs, dans 126 gènes candidats liés au métabolisme des lipides, avec la variabilité de la réponse postprandiale en TG des chylomicrons.

Nous avons identifié un modèle validé (p=1,3 x 10⁻⁷), comportant 42 SNPs dans 23 gènes (ABCA1, APOA1, APOA5, APOB, BET1, CD36, COBLL1, ELOVL5, FRMD5, GPAM, INSIG2, IRS1, LDLR, LIPC, LPL, LYPLAL1, MC4R, NAT2, PARK2, SLC27A5, SLC27A6, TCF7L2, ZNF664), qui permet d’expliquer la réponse postprandiale en TG des chylomicrons d’un sujet avec une erreur de 14 % seulement. Pour 39 de ces SNPs, les sujets possédant des génotypes différents présentaient une réponse postprandiale en TG des chylomicrons significativement différente (p-value corrigée < 0,05).

Ce modèle prédictif nécessite d’être validé dans d’autres groupes de sujets et sera certainement amélioré. Mais cette approche pourrait permettre de prédire la réponse postprandiale en TG des chylomicrons avec un simple génotypage, ce qui serait nettement moins coûteux que plusieurs tests de charge lipidiques. Les sujets à risque pourraient ainsi bénéficier de conseils nutritionnels visant à diminuer leur risque cardiovasculaire en diminuant leurs apports en matières grasses.