De nombreuses maladies d’origine bactérienne, telles que les maladies inflammatoires de l’intestin ou le cancer colorectal, sont associées à une prolifération de bactéries intestinales considérées comme de mauvais acteurs. Mais lorsque les chercheurs ont utilisé un algorithme d’apprentissage automatique pour prédire la densité des microbes, appelée charge microbienne, à partir de leurs microbiomes intestinaux, ils ont découvert que les changements dans la charge microbienne, plutôt que dans la maladie, pourraient être à l’origine de la présence d’espèces microbiennes associées à la maladie. .
Les chercheurs rapportent le 13 novembre 2024 dans la revue Cellule que les différences dans la charge microbienne d’un patient, qui s’est avérée influencée par des facteurs allant de l’âge, du sexe, du régime alimentaire, du pays d’origine et de l’utilisation d’antibiotiques, étaient un facteur clé pour les signatures bactériennes dans les échantillons fécaux.
« Nous avons été surpris de constater que de nombreuses espèces microbiennes, que l’on croyait auparavant associées à des maladies, étaient plus fortement expliquées par des changements dans la charge microbienne », explique Peer Bork du Laboratoire européen de biologie moléculaire (EMBL) de Heidelberg, l’un des principaux auteurs de l’étude. l’étude.
« Cela indique que ces espèces sont principalement associées à des symptômes tels que la diarrhée et la constipation, plutôt que d’être directement liées aux maladies elles-mêmes. »
La charge microbienne est reconnue depuis longtemps comme un facteur important dans la recherche sur le microbiome, mais l’analyse à grande échelle a été largement limitée en raison du coût élevé et de la forte intensité de main d’œuvre des méthodes expérimentales, que les chercheurs ont surmontées grâce à une approche d’apprentissage automatique.
Ils ont développé un modèle de prédiction de la charge microbienne fécale basé sur la composition relative du microbiome et l’ont appliqué à un ensemble de données métagénomiques à grande échelle pour explorer sa variation en matière de santé et de maladie.
« Mesurer la charge microbienne dans des échantillons fécaux demande beaucoup d’efforts et nous étions heureux d’avoir accès à deux grands ensembles de données métagénomiques dans lesquels la charge microbienne avait été mesurée expérimentalement », explique Michael Kuhn, également de l’EMBL et l’autre auteur principal de l’étude.
« Avec notre approche, nous souhaitons généraliser ces données au profit d’un domaine plus large et avec les outils que nous fournissons, la charge microbienne peut être prédite pour toutes les études sur le microbiome intestinal humain adulte. »
Les ensembles de données générés par l’équipe pour la recherche sont des milliers de métagénomes et de charges microbiennes mesurées expérimentalement dans les projets GALAXY (Axe intestin-et-foie dans la fibrose hépatique alcoolique) et MicrobLiver de la Fondation Novo Nordisk. Ils ont également utilisé des métagénomes et des données sur la charge microbienne provenant d’une population d’étude MetaCardis précédemment publique. Pour les ensembles de données exploratoires, ils ont utilisé des dizaines de milliers de métagénomes issus d’études antérieures, notamment des populations du Japon et d’Estonie.
L’équipe reconnaît les limites du travail. Parce que l’analyse était basée uniquement sur les associations, ils n’ont pas été en mesure d’établir une direction claire de causalité, ni de fournir un aperçu mécaniste. De plus, la méthode développée s’applique uniquement au microbiome intestinal humain. Différents ensembles de données de formation sont nécessaires pour prédire la charge microbienne dans d’autres habitats.
Les recherches futures se concentreront sur les espèces microbiennes plus directement associées aux maladies, indépendamment de la charge microbienne, afin de mieux comprendre leur rôle dans l’étiologie des maladies et leur utilisation potentielle comme biomarqueurs. De plus, l’adaptation de ce modèle de prédiction à d’autres environnements, tels que les microbiomes des océans et des sols, pourrait fournir des informations supplémentaires sur l’écologie microbienne à l’échelle mondiale.
