Une nouvelle méthode révèle le fonctionnement des communautés microbiennes dans notre corps

Au cours de la dernière décennie, les scientifiques ont fait d'énormes progrès pour comprendre que les groupes de bactéries et de virus qui coexistent naturellement dans tout le corps humain jouent un rôle important dans certaines fonctions vitales comme la digestion, métabolisme et même combattre les maladies. Mais comprendre comment ils le font reste une question.

Des chercheurs de l'Université Drexel espèrent aider à répondre à cette question grâce à une combinaison intelligente d'algorithmes informatiques de séquençage génétique à haut débit et de traitement du langage naturel. Leurs recherches, qui vient d'être publié dans la revue PLOS UN , rapporte une nouvelle méthode d'analyse des codes trouvés dans l'ARN qui peut délimiter les communautés microbiennes humaines et révéler leur fonctionnement.

Une grande partie de la recherche sur l'environnement microbien humain - ou microbiome - s'est concentrée sur l'identification de toutes les différentes espèces de microbes. Et le développement naissant de traitements pour les maladies liées au microbiote fonctionne sous l'idée que les déséquilibres ou les déviations du microbiome sont à l'origine de problèmes de santé, comme l'indigestion ou la maladie de Crohn.

Mais pour corriger correctement ces déséquilibres, il est important que les scientifiques aient une compréhension plus large des communautés microbiennes telles qu'elles existent - à la fois dans les zones touchées et dans tout le corps.

Nous commençons tout juste à effleurer la surface de la compréhension des effets du microbiote sur la santé. À bien des égards, les scientifiques se sont lancés dans ce travail sans avoir une image complète de ce à quoi ressemblent ces communautés microbiennes, à quel point ils sont répandus et comment leur configuration interne affecte leur environnement immédiat dans le corps humain."

Gail Rosen, Doctorat, professeur agrégé au Drexel's College of Engineering, auteur de l'article

Rosen dirige le Drexel's Center for Biological Discovery from Big Data, un groupe de chercheurs qui a appliqué des algorithmes et l'apprentissage automatique pour aider à déchiffrer des quantités massives d'informations de séquençage génétique qui sont devenues disponibles au cours des dernières années. Leur travail et des efforts similaires à travers le monde ont déplacé la recherche en microbiologie et en génétique du laboratoire humide au centre de données - créant une approche informatique pour étudier les interactions et l'évolution des organismes, appelée métagénomique.

Dans ce type de recherche, une analyse d'un échantillon de matériel génétique - ADN ou ARN - peut être interprétée pour révéler les organismes qui sont probablement présents. La méthode présentée par le groupe de Rosen va encore plus loin en analysant le code génétique pour repérer les modèles récurrents, une indication que certains groupes d'organismes - des microbes dans ce cas - se retrouvent si fréquemment ensemble que ce n'est pas une coïncidence.

"Nous appelons cette méthode" la métagénomique, ' parce que nous recherchons des thèmes récurrents dans les microbiomes qui sont des indicateurs de groupes de microbes co-occurrents, " Rosen a dit. " Il y a des milliers d'espèces de microbes vivant dans le corps, donc si vous pensez à toutes les permutations de groupements qui pourraient exister, vous pouvez imaginer à quel point il est ardu de déterminer lesquels d'entre eux vivent en communauté les uns avec les autres. Notre méthode met un algorithme de détection de motifs au travail sur la tâche, ce qui fait gagner énormément de temps et élimine certaines conjectures."

Méthodes actuelles d'étude du microbiote, bactéries intestinales par exemple, prélever un échantillon d'une zone du corps, puis examiner le matériel génétique qui s'y trouve. Ce processus manque intrinsèquement de contexte important, selon les auteurs.

"Il est impossible de vraiment comprendre ce que font les communautés microbiennes si nous ne comprenons pas d'abord l'étendue de la communauté et à quelle fréquence et où elles pourraient se produire dans le corps, " a déclaré Steve Woloszynek, Doctorat, et MD stagiaire au Drexel's College of Medicine et co-auteur de l'article. "En d'autres termes, il est difficile de développer des traitements pour promouvoir la coexistence microbienne naturelle si leur "état naturel" n'est pas encore connu."

Obtenir une carte complète des communautés microbiennes, en utilisant la thétagénomique, permet aux chercheurs d'observer leur évolution au fil du temps, à la fois chez les personnes en bonne santé et celles souffrant de maladies. Et observer la différence entre les deux fournit des indices sur la fonction de la communauté, ainsi que d'éclairer la configuration des espèces microbiennes qui le permettent.

"La plupart des méthodes de métagénomique vous disent simplement quels microbes sont abondants - donc probablement importants - mais elles ne vous en disent pas vraiment beaucoup sur la façon dont chaque espèce soutient les autres membres de la communauté, " a déclaré Rosen. " Avec notre méthode, vous obtenez une image de la configuration de la communauté - par exemple, il peut avoir E. coli et B. fragilis comme microbes les plus abondants et en nombre assez égal - ce qui peut indiquer qu'ils s'alimentent de manière croisée. Une autre communauté peut avoir B. fragilis comme microbe le plus abondant, avec beaucoup d'autres microbes égaux, mais plus bas, nombres - ce qui pourrait indiquer qu'ils se nourrissent de tout ce que B. fragilis fabrique, sans aucune coopération."

L'un des objectifs ultimes de l'analyse du microbiote humain est d'utiliser la présence de certaines communautés microbiennes comme indicateurs pour identifier des maladies comme la maladie de Crohn ou même des types spécifiques de cancer. Pour tester leur nouvelle méthode, les chercheurs de Drexel l'ont confronté à des procédures de modélisation thématique similaires qui diagnostiquent la maladie de Crohn et le cancer de la bouche en mesurant l'abondance relative de certaines séquences génétiques.

La méthode thétagénomique s'est avérée tout aussi précise pour prédire les maladies, mais il le fait beaucoup plus rapidement que les autres méthodes de modélisation de sujet - minutes contre jours - et il révèle également comment chaque espèce microbienne de la communauté indicatrice peut contribuer à la gravité de la maladie. Avec ce niveau de granularité, les chercheurs pourront se concentrer sur des groupements génétiques particuliers lors de la mise au point de traitements ciblés.

Le groupe a rendu ses outils d'analyse de la thétégénomique accessibles au public dans l'espoir d'accélérer les progrès vers des remèdes et des traitements pour ces maladies.

"Il est très tôt en ce moment, mais plus nous comprenons le fonctionnement du microbiome - même en sachant que des groupes peuvent agir ensemble - alors nous pouvons examiner les voies métaboliques de ces groupes et intervenir ou les contrôler, ouvrant ainsi la voie au développement de médicaments et à la recherche thérapeutique, " dit Rosen.

• L'hôpital pour enfants Mount Sinai Kravis reçoit une nouvelle subvention pour soutenir le programme Paws &Play
• Les cellules immunitaires réparent l'intestin endommagé chez les enfants atteints de MII