Le microbiome vaginal à travers le prisme de la biologie des systèmes

Le microbiome vaginal à travers le prisme de la biologie des systèmes

L’organisme humain est un écosystème complexe de microbiomes coexistants, notamment ceux de l’intestin, de la peau et du vagin chez la femme. Ceux-ci jouent un rôle crucial dans la santé et la maladie. Cependant, il reste encore beaucoup à apprendre à leur sujet.

Un nouvel article récemment publié en ligne dans Tendances en microbiologie La revue passe en revue l’approche de la biologie des systèmes pour étudier le microbiome vaginal (VMB), qui aide à comprendre sa composition et sa fonction, ainsi que les mécanismes par lesquels il interagit avec l’hôte.

Examen: Nouvelles perspectives sur le microbiome vaginal avec la biologie des systèmes. Crédit image : Design_Cells/Shutterstock

introduction

Le VMB est crucial pour la fertilité féminine et les troubles peuvent être associés à des troubles de la grossesse, à des maladies gynécologiques telles que la maladie inflammatoire pelvienne (MIP) et à un certain nombre d'infections affectant l'appareil urogénital et reproducteur féminin. De plus, le VMB peut contribuer à influencer l’efficacité des médicaments chez les femmes.

Cependant, le VMB est mal compris, hormis une vague idée selon laquelle une prédominance de Lactobacillus est associée à un « bon » état avec une structure communautaire homogène. À l’inverse, un état indésirable du VMB se produit lorsque des espèces plus diverses sont identifiées en plus grande abondance.

Cette dernière condition sous-optimale est souvent associée à la vaginose bactérienne (VB), qui survient chez une femme sur trois au cours de ses années de procréation et peut avoir de graves conséquences sur sa fertilité. Des recherches dans ce domaine sont donc nécessaires pour comprendre l’orientation et l’étendue de ces associations.

Le problème

Bien que de nombreuses études aient été menées dans ce domaine, il est difficile de comprendre à quoi ressemble un VMB optimal en raison des interactions complexes entre les microbes et d’autres facteurs de l’hôte. Cela signifie qu’un VMB en bonne santé peut varier considérablement d’une femme à l’autre et à différents moments du cycle de vie d’une même personne.

De tels changements se produisent en quelques jours, contrairement aux changements beaucoup plus lents observés dans les microbiomes intestinaux, cutanés et oraux, qui peuvent évoluer sur des mois, voire des années. Malheureusement, cela rend les données transversales peu représentatives pour étudier l’association entre la composition, la fonction et la maladie du VMB et rend ainsi la plupart de ces données moins utiles qu’elles ne pourraient l’être.

Là encore, le VMB humain diffère significativement de celui des animaux et des modèles basés sur la culture. Dans le premier cas, même les primates non humains ne présentent pas les conditions caractéristiques du vagin humain, notamment un pH acide et une dominance de Lactobacillus.

Dans ce dernier cas, certains microbes sont incroyablement résistants à la culture in vitro, alors que différents laboratoires utilisent des conditions de culture différentes selon le milieu. Cela pourrait rendre l’environnement de croissance très différent de celui du col de l’utérus et du vagin humains, ce qui invaliderait les résultats de telles expériences.

En tant que tels, les échantillons cliniques à partir desquels la microflore vaginale est cultivée, identifiée et quantifiée constituent la principale source d’informations sur le VMB humain. Ces informations sont colorées par des variables expérimentales et hôtes qui nécessitent des ajustements statistiques sophistiqués pour parvenir à une conclusion valide.

"Bien que pertinent pour tous les sites du microbiome, [cela] s'applique particulièrement au VMB en raison du manque de modèles expérimentaux permettant d'interroger le microbiote vaginal dans des conditions contrôlées."

La solution

Une telle impasse peut être résolue grâce à une approche de biologie des systèmes, dans laquelle des analyses quantitatives sont utilisées pour extraire les facteurs importants qui influencent le comportement et le fonctionnement d’une communauté microbienne. Par conséquent, « l’utilisation de techniques de biologie systémique appliquées à d’autres microbiomes, ainsi que le développement de nouvelles techniques et l’application de ces méthodes au VMB, auront un impact significatif sur l’amélioration de la santé des femmes ».

L’utilisation de la biologie des systèmes peut relever les défis de réseaux interactifs externes et internes aussi complexes et multiples. De plus, plusieurs approches peuvent être utilisées selon le type d’informations disponibles et l’objectif de l’étude.

Par conséquent, les méthodes statistiques ou basées sur les données sont idéales lorsque les données à haut débit sont abondantes dans un domaine d’étude relativement nouveau. Cela peut aider à fournir des indices sur les profils microbiens associés à la maladie ou à la santé. Comme on sait peu de choses sur le VMB, les modèles basés sur les données ont prévalu jusqu’à présent.

À l’inverse, les méthodes mécanistes basées sur des hypothèses sont meilleures lorsque l’on sait déjà beaucoup de choses sur un système ou au moins que les données de base sont disponibles et qu’il est nécessaire de comprendre les mécanismes des relations de cause à effet qui sous-tendent la fonction biologique. En outre, ils aident à définir les plages dans lesquelles la composition microbienne et les interactions peuvent se produire dans des situations normales et anormales.

Livre électronique sur la découverte de médicaments

Compilation des meilleurs interviews, articles et actualités de l'année dernière. Téléchargez une copie gratuite

Certaines méthodes mécanistiques incluent des modèles de cinétique d'action de masse ou de dynamique de population (basés sur des équations différentielles), des modèles métaboliques à l'échelle du génome (GEM) et des modèles basés sur des agents (ABM).

Qu’est-ce qui a été réalisé ?

L’approche de la biologie des systèmes a déjà permis d’identifier et de catégoriser les types d’états communautaires (CST) associés à la santé, à la maladie ou aux transitions entre les deux. D'abord définis par l'abondance microbienne, ils ont intégré les données démographiques et de santé des patients pour former des groupes de regroupement hiérarchiques. De plus, d’autres méthodes telles que la classification du centroïde le plus proche ont été développées pour surmonter la variation inhérente à l’ensemble de données avec l’approche précédente.

Les regroupements CST contribuent à simplifier la composition du VMB et suggèrent ainsi des associations avec la composition et la fonction de la communauté. Cependant, cela se fait au prix de négliger les facteurs communautaires spécifiques aux différents taxons.

Des approches multi-omiques pourraient être intégrées dans des stratégies de biologie des systèmes, par exemple pour identifier des associations avec différents types de communautés et des profils métabolomique, transcriptomique et métagénomique spécifiques. En outre, des modèles de forêts aléatoires et d’autres modèles avancés d’apprentissage automatique sont mis en œuvre pour aider à distinguer les VMB avec une dominance de différents microbes tels que L. crispatus par rapport à L. iners ou Bifidobacteriaceae.

Il est intéressant de noter que les modèles de réseaux neuronaux ont démontré la supériorité de la métabolomique pour décrire avec précision l’environnement cervico-vaginal par rapport à la composition du VMB ou à l’immunoprotéomique. L’application intégrée de ces stratégies pourrait aider à identifier les facteurs importants des états VMB en matière de santé et de maladie.

Les connaissances acquises sur le risque d’infection sexuellement transmissible (IST) avec une fréquence accrue de « mauvais » microbes pourraient être particulièrement importantes. Par exemple, une augmentation du nombre de L. iners semble être associée à un risque plus élevé d'IST, tandis que L. gasseri est associée à la santé. À l’inverse, les espèces Gardnerella vaginalis et Prevotella sont associées à une infection à chlamydia.

Les modèles mécanistes incluent la technique appelée MIMOSA (Model-based Integration of Metabolite Observations and Species Abundances), qui utilise la modélisation de réseaux métaboliques pour comprendre le fonctionnement de la communauté via son contenu génétique. Cela a permis d'identifier les espèces de Prevotella et d'Atopobium vaginae en tant que modulateurs clés du VMB à l'aide d'un score calculé de potentiel métabolite communautaire (CMP). Le CMP montre le chiffre d'affaires de chaque métabolite par une communauté donnée.

De même, les reconstructions de réseaux à l’échelle du génome (GENRE) pourraient aider à comprendre le rôle des microbes sophistiqués dans le VMB. Des modèles basés sur des équations différentielles ordinaires (ODE) sont utilisés pour étudier comment les médicaments peuvent affecter le VMB et l'écologie de ce système, montrant comment la composition fluctue après une exposition à divers facteurs.

Qu’y a-t-il dans le futur ?

Diverses études se sont concentrées sur le microbiome intestinal, avec près de 150 millions de dollars investis dans le développement et la normalisation de nouveaux outils pour son étude. Les chercheurs du VMB peuvent les utiliser à leurs propres fins. Cela inclut BURRITO, un outil Web qui permet de visualiser une communauté de microbiome par abondance relative. Cela pourrait être étendu à l’étude de la métagénomique VMB montrant comment les symptômes des patients sont liés aux CST.

Les approches d'apprentissage automatique supervisées pour mieux comprendre le VMB incluent l'analyse d'intégration de données pour la découverte de biomarqueurs à l'aide de composants latents (DIABLO), qui intègre des ensembles de données omiques par corrélation, et l'analyse de corrélation canonique généralisée et régularisée clairsemée (SRGCCA), utilisée dans la maladie de Crohn.

Pour surmonter les limitations imposées par le manque de connaissances sur la classification fonctionnelle du VMB, des stratégies d'apprentissage non supervisées peuvent être utiles, telles que : B. l'analyse factorielle multiomique (MOFA).

De nombreux modèles ODE peuvent également être utilisés sur la base des modèles généralisés Lotka-Volterra (gLV). Il s’agit notamment du web-gLV, du Microbial Dynamical Systems Inference Engine for Microbiome Time-Series Analysis (MDSINE) et de la méthode Learning Interactions from Microbial Time Series (LIMITS), ainsi que d’adaptations plus récentes telles que le Compositional Lotka-Volterra (cLV) et l’algorithme « Biomass Estimation and Model Inference with an Expectation Maximization » (BEEM), qui ne dépendent pas de la capacité culturelle de la communauté ou de la disponibilité de grands ensembles de données longitudinales.

Les méthodes plus récentes incluent des algorithmes tels que Constant Yield Expectation Framework (conYE) et MMinte, qui simulent les conditions de métabolisme et de croissance communautaire basées sur des interactions denses entre les espèces. De telles adaptations et approches sophistiquées pourraient aider à comprendre les facteurs qui façonnent la dynamique du VMB en matière de santé et de maladie dans différentes populations.

Référence:

• Lee, CYet al. (2022). Neue Perspektiven in das vaginale Mikrobiom mit Systembiologie. Trends in der Mikrobiologie. https://doi.org/10.1016/j.tim.2022.09.011. https://www.sciencedirect.com/science/article/abs/pii/S0966842X22002578

.