L’étude propose un nouveau cadre pour identifier les espèces microbiennes clés

On pense que les communautés microbiennes contiennent des espèces clés, qui peuvent affecter de manière disproportionnée la stabilité des communautés, même si elles ne sont présentes qu’en faibles abondances. L’identification de ces espèces clés peut être difficile, en particulier dans l’intestin humain, car il n’est pas possible de les isoler par élimination systématique.

Les chercheurs dirigés par une équipe du Brigham and Women’s Hospital ont conçu un nouveau cadre d’identification des espèces clés (DKI) basé sur les données, qui utilise l’apprentissage automatique pour résoudre cette difficulté. Leurs travaux sont publiés dans la revue Écologie et évolution de la nature.

À l’aide d’un modèle d’apprentissage en profondeur formé à partir de données réelles du microbiome intestinal humain provenant d’une base de données métagénomique organisée, les enquêteurs ont pu simuler l’élimination de n’importe quelle espèce dans n’importe quel échantillon de microbiome intestinal. Cette « expérience de pensée » leur a permis de calculer la « clé de voûte » ou l’essentialité relative de chaque espèce dans chaque communauté.

Les scientifiques ont découvert que les espèces clés prévues variaient selon les communautés. Certains ont obtenu une faible clé de voûte médiane dans tous les échantillons et il était peu probable qu’ils soient essentiels à une communauté. En revanche, les espèces présentant des scores médians élevés étaient susceptibles d’être la clé de voûte de certaines communautés, mais pas de celles d’autres. Des résultats similaires ont également été observés dans le microbiome oral humain et dans les microbiomes environnementaux. Ces résultats impliquent que la notion d’espèce microbienne clé est spécifique à la communauté ou dépend du contexte.

De nombreuses espèces microbiennes intestinales humaines sont connues pour avoir des fonctions essentielles telles que la décomposition des amidons complexes ou le maintien d’un environnement intestinal sain. Les auteurs ont pu utiliser leur cadre DKI pour identifier les espèces clés potentielles impliquées dans de telles fonctions, dont une qui facilite la digestion chez les nourrissons et les adultes nourris au lait maternisé.

« Notre cadre DKI démontre la puissance de l’apprentissage automatique pour résoudre un problème fondamental de l’écologie communautaire », a déclaré Yang-Yu Liu, Ph.D., de la division Channing de médecine de réseau du Brigham and Women’s Hospital. “Notre cadre DKI peut être adapté pour faciliter les futurs travaux basés sur les données sur des communautés microbiennes complexes.”