Institut Weizmann : Un algorithme pour prédire l’apparition de la tuberculose

Des chercheurs de l’Institut de Science Weizmann d’Israël ont déclaré avoir développé un algorithme capable de prédire l’apparition des maladies bactériennes comme la tuberculose.

Les conclusions de leur recherche ont récemment été publiées dans la revue Nature Communications.

« Quand des cellules immunitaires et des bactéries se rencontrent, il peut y avoir plusieurs scénarios, a déclaré Roi Avraham, dont l’équipe du Département de recherche biologique de l’Institut a dirigé la recherche. Le système immunitaire peut tuer les bactéries, les bactéries peuvent l’emporter sur les défenses du système immunitaire, ou, dans le cas de maladies comme la tuberculose, les bactéries peuvent rester dormantes pendant des années, causant parfois une maladie en stade tardif et restant parfois en hibernation pour de bon ».

Recevez gratuitement notre édition quotidienne par mail pour ne rien manquer du meilleur de l’info Inscription gratuite !

L’interaction entre les cellules immunitaires et les bactéries dès le départ, a-t-il dit, « dans les 24-48 heures après l’infection » peut déterminer si la personne va développer une maladie véritable ou non.

Image de bactéries de tuberculose. (Dr_Microbe; iStock par Getty Images)

Ainsi, les chercheurs ont décidé de trouver un moyen d’étudier les interactions précoces entre les cellules immunitaires et les bactéries avec lesquelles réagissent, pour voir comment elles affectent le développement de l’infection.

Travaillant à l’origine avec des cellules immunitaires et des bactéries de la Salmonelle, les chercheurs ont étudié comment une cellule immunitaire répondait aux bactéries et ont cartographié les réactions de chacune.

En se basant sur cette étude, les chercheurs ont développé un algorithme qui serait capable d’extraire des informations similaires d’autres séries de données, y compris des échantillons standards de sang.

« L’algorithme que nous avons développé », a déclaré Noa Bossel Ben Moshe, qui a dirigé l’étude, « est capable d’identifier chaque cellule immunitaire sanguine et comment elle réagit à une infection ».

Donc par exemple, l’algorithme peut montrer si une cellule de type A est activée par l’infection et à quel niveau, et faire de même pour d’autres types de cellules, quelque chose que les méthodes standards ne sont pas capables de faire aujourd’hui, puisqu’elles ne suivent pas l’activité de chaque type de cellules.

L’algorithme compare ensuite les niveaux de diverses réponses des cellules immunitaires avec l’apparition de la maladie, pour voir si la personne avec ces interactions spécifiques a développé une véritable tuberculose ou non.

Le modèle d’algorithme peut ensuite être utilisé pour prédire si une personne montrant ces interactions particulières va développer la maladie ou non.

En utilisant l’algorithme, les chercheurs ont confirmé leur hypothèse : il y avait des différences dans la manière dont les interactions se produisent, et ces différences ont permis aux scientifiques de corréler des réponses aux premiers contacts avec des pathologies ultérieures.

Shelly Hen-Avivi, de gauche à droite, Roi Avraham et Noa Bossel Ben Moshe, chercheurs à l’Institut Weizmann de Science et de technologie (Crédit)

Le premier test de l’algorithme a été réalisé avec des échantillons sanguins pris de personnes en bonne santé aux Pays-Bas. Ces échantillons ont été infectés, en laboratoire, avec des bactéries de la Salmonelle, et la réponse immunitaire a été observée. Alors que les méthodes standards n’ont pas permis d’établir des différences entre les individus, l’algorithme a trouvé que les individus sont différents dans la manière dont leurs cellules sont activées au moment de l’infection, ce qui était lié à leur capacité à contrôler l’infection.

L’équipe de recherche s’est ensuite demandée si le même algorithme pouvait être utilisé pour prédire l’apparition de la tuberculose, qui est causé par des bactéries qui choisissent souvent la troisième voie – la dormance – et peuvent se cacher dans le corps pendant des années. Jusqu’à un tiers de la population mondiale est porteuse des bactéries de la tuberculose, même si un petit pourcentage d’entre eux développe véritablement la maladie.

Malgré cela, deux millions de gens meurent de la maladie chaque année, principalement dans des zones sous-développées de la Chine, de Russie et d’Afrique.

Pour cette partie de l’étude, les chercheurs se sont tournés vers une autre base de données – une base britannique qui a suivi des patients et des porteurs sur une période de deux ans – pour que le groupe de recherche puisse appliquer l’algorithme aux échantillons sanguins de deux groupes, mais aussi au sous-groupe qui est passé de simple porteur de la maladie à développer la pathologie sur cette période.

Les chercheurs ont trouvé que les niveaux d’activité de cellules immunitaires appelées monocytes pouvaient être utilisés pour prédire l’apparition et le développement d’une maladie.

Même si l’algorithme développé par les chercheurs était basé sur les réactions initiales des cellules immunitaires aux bactéries de Salmonelle, qui causent un type de maladie très différent de celle causées par les bactéries de la tuberculose, il a été capable « de prédire, dès le départ, lesquels des porteurs allaient développer la forme active de la maladie », a déclaré Shelly Hen-Avivi, un chercheur de l’équipe.

Une fois que les symptômes de la tuberculose apparaissent, les patients doivent prendre trois traitements antibiotiques sur neuf mois, mais la résistance aux antibiotiques s’est développée sur ces bactéries. « Si les patients à risques pouvaient être identifiés quand la charge bactérienne est encore faible, leurs chances de se rétablir seraient meilleures, a déclaré Avraham. Et les systèmes médicaux dans les pays où la tuberculose est endémique pourraient avoir un meilleur moyen d’éviter des souffrances et les conséquences de la maladie, tout en réduisant le coût du traitement ».

Les chercheurs ont l’intention de continuer dans cette perspective de recherche – augmenter leur propre base de données sur la tuberculose et d’autres pathogènes afin de peaufiner l’algorithme et travailler au développement d’outils qui pourront, à l’avenir, être utilisés pour prédire quel patient développera une véritable pathologie. Avec un algorithme peaufiné, d’autres perspectives de recherche peuvent conduire à des méthodes pour prédire le développement d’un certain nombre de maladies infectieuses, ont–ils dit.