RTFlash

Prédire l'évolution des pathologies grâce à l'informatique

Lors d’une infection, lorsque les cellules immunitaires rencontrent les bactéries, plusieurs issues sont possibles. Soit le système immunitaire détruit les agents pathogènes ; soit les agents pathogènes prennent le dessus sur le système immunitaire ou bien encore, dans le cas de maladies comme la tuberculose, les agents pathogènes peuvent devenir dormants, déclenchant la maladie plus tard ou jamais. L’équipe du Docteur Avraham émet l’hypothèse que la direction prise par l’infection est déterminée dans les 24 à 48 heures suivant l’infection.

En partant de ce postulat, l’équipe a observé la rencontre entre des cellules immunitaires et des bactéries du genre Salmonella. Pour ce faire, ils ont utilisé une technique de séquençage de l’ARN à l’échelle de la cellule unique. Le séquençage de cellule unique permet d’analyser l’information génétique (ADN, ARN, etc.) à l’échelle d’une seule cellule. Cette technique de haute-résolution permet d’étudier les différences cellulaires au sein d’un micro-environnement. Analyser l’ARN permet de mesurer l’activité des gènes dans un contexte particulier.

Dans cette étude, la méthode a permis de décrire l’activité génétique de chaque cellule immunitaire dans le cas d’une rencontre avec Salmonella. Ces données ont révélé des motifs d’activation chez certaines cellules immunitaires qui permettaient de prédire l’évolution de l’infection.

La technique de séquençage à l’échelle de la cellule unique étant très compliquée, elle reste limitée à des laboratoires spécialisés. Pour pouvoir prédire plus facilement l’évolution d’une affection, l’équipe a utilisé les données obtenues pour développer un algorithme.

Celui-ci permet, à partir d’un échantillon sanguin, d’extrapoler le type de cellule immunitaire impliquée dans la réponse à l’infection et leur niveau d’activation.

Une première comparaison entre une méthode classique d’analyse génomique et l’algorithme mis au point sur des échantillons sanguins de patients sains infectés ex-vivo, a montré que l’algorithme était capable de révéler des différences dans les échantillons que la méthode classique n’était pas capable de révéler. Ces différences étaient également de bons indicateurs sur l’évolution de la maladie.

L’équipe a ensuite testé l’algorithme en essayant de prédire l’évolution d’une infection par l’agent responsable de la tuberculose. Ici aussi, l’algorithme a été capable de prédire les patients qui développeraient rapidement des symptômes et ceux qui avaient une forme latente. En plus de permettre une prise en charge plus précise de certaines maladies, cette approche va probablement permettre de mieux comprendre la relation hôte-pathogène et la mise en place de la réponse immunitaire.

Article rédigé par Georges Simmonds pour RT Flash 

Nature

Noter cet article :

 

Vous serez certainement intéressé par ces articles :

Recommander cet article :

back-to-top