Construire des réseaux de microbiome fiables grâce au consensus. – Blog des méthodes

Message fourni par Rosa Aghdam

Je suis scientifique au laboratoire Solís-Lemus de l’Université du Wisconsin-Madison, où je travaille à l’intersection des réseaux de microbiome et de la biologie computationnelle. Mes recherches portent sur la compréhension du monde invisible à l’intérieur et autour de nous. Les communautés microbiennes forment des systèmes sociaux complexes, et mon objectif est de créer des outils qui aident les chercheurs à étudier ces systèmes de manière plus claire et plus fiable. Vous pouvez explorer nos projets de recherche ici.

Les villes invisibles en nous

Notre corps et notre environnement abritent des milliards de microbes, notamment des bactéries, des champignons et des virus. Imaginez une ville animée composée d’innombrables habitants, chacun ayant un rôle spécifique à jouer. Voilà à quoi ressemble un microbiome. Pour comprendre comment ces résidents interagissent, les scientifiques créent réseaux de microbiomequi sont des cartes montrant comment les microbes se connectent et s’influencent les uns les autres. Chaque microbe est un nœud et les lignes qui les séparent représentent la coopération, la compétition ou la communication. Ces réseaux révèlent comment les communautés microbiennes travaillent ensemble pour maintenir l’équilibre des écosystèmes, y compris notre propre corps. Dans ces communautés microbiennes, certaines espèces agissent comme guérisseurs tandis que d’autres peuvent causer des dommages. Cette dualité me rappelle une phrase d’une de mes chansons préférées, Horloges par Coldplay : « Est-ce que je fais partie du remède ou de la maladie ? » Comme dans la chanson, les microbes peuvent jouer les deux rôles, aidant à maintenir la santé ou contribuant à la maladie lorsque cet équilibre est perdu. Tout comme les travailleurs urbains, les microbes sont constamment à l’œuvre. Certains agissent comme des chefs qui décomposent la nourriture, tandis que d’autres servent d’agents de sécurité qui contrôlent les envahisseurs nuisibles. Les constructeurs réparent la muqueuse intestinale, garantissant ainsi qu’elle reste solide et saine. Lorsque ces travailleurs microbiens échouent, c’est comme si l’infrastructure d’une ville s’effondrait, entraînant des maladies, des allergies ou de l’anxiété.

Le problème : différents outils, différentes réponses

De nombreux outils informatiques existent pour construire des réseaux de microbiome à partir de données sur le microbiome, qui capturent l’abondance et la répartition des microbes dans différents échantillons. Mais il y a un défi. Lorsque les scientifiques utilisent des méthodes différentes, ils obtiennent souvent des résultats contradictoires. Un outil pourrait dire que le microbe A interagit avec le microbe B, tandis qu’un autre ne trouve aucun lien. C’est comme demander son chemin à cinq personnes et se retrouver avec trois cartes complètement différentes. Cette incohérence rend difficile de savoir quelles interactions sont fiables et lesquelles sont simplement des artefacts de la méthode choisie. Ces frustrations ont conduit à la création de CMiNet.

L’histoire derrière CMiNet

CMiNet a commencé avec une frustration simple : exécuter le même ensemble de données via différents outils et recevoir des réseaux complètement différents. Même de petits changements dans les données produisent parfois de nouveaux résultats. Nous avons commencé à poser une question simple : Et si les interactions les plus stables étaient les vraies ? Après de nombreuses expériences et benchmarks, CMiNet est apparu comme un cadre qui capture les signaux partagés entre divers algorithmes. Ce qui ressemble à du bruit pour une méthode peut devenir un signal clair lorsque plusieurs sont d’accord.

Un exemple rapide : trouver des liens microbiens fiables

Imaginez que vous étudiez les microbiotes intestinaux humains. Vous exécutez trois outils populaires : SparCC, SPIEC-EASI et SPRING. SparCC trouve 200 liens microbiens, SPIEC-EASI en trouve 180 et SPRING en détecte 150. En comparaison, seuls 90 liens sont partagés entre les trois. À quel réseau feriez-vous confiance ? CMiNet identifie ces 90 liens partagés comme étant les réseau de consensusun squelette stable pris en charge par plusieurs méthodes. Ces liens partagés sont plus susceptibles de représenter de véritables interactions biologiques plutôt que du bruit aléatoire.

Présentation de CMiNet : une approche consensuelle

CMiNet est un package R et une application Shiny conviviale qui crée des réseaux de microbiome consensuels. Au lieu de dépendre d’une seule méthode, CMiNet combine plusieurs algorithmes et identifie les liens microbiens qui apparaissent de manière cohérente entre eux.

Chaque méthode obtient un « vote ». Les connexions prises en charge par plusieurs méthodes font désormais partie du réseau de consensus, bien que moins fiables ; les liens spécifiques à la méthode sont filtrés. Le résultat est un réseau qui reflète l’accord entre différentes approches et fournit une vision plus stable des interactions microbiennes (voir Figure 1). Vous pouvez explorer CMiNet et ses ressources ici (Forfait R et Application Shiny en ligne)

Comment CMiNet aide la communauté des chercheurs

CMiNet améliore la reproductibilité, met en évidence l’accord entre les méthodes et fournit une application Shiny intuitive qui permet à toute personne, même sans expérience en programmation, d’exécuter dix algorithmes différents et de créer des réseaux de consensus fiables. CMiNet constitue un pas en avant important, mais ce n’est pas le dernier. Nous développons actuellement des outils pour :

-Quantifier l’incertitude pour chaque bord

-Méthodes de pondération basées sur la fiabilité

-Gérer de grands ensembles de données sur le microbiome

Principales conclusions de l’étude

En appliquant CMiNet à plusieurs ensembles de données, nous avons observé que :

-Les réseaux de consensus sont plus stables que n’importe quel réseau à méthode unique.
-Les réseaux de microbiome produits par CMiNet étaient plus reproductibles sur des données bruitées ou rééchantillonnées.
-L’utilisation de ces réseaux de microbiome fiables ainsi que de méthodes d’apprentissage automatique a amélioré la sélection des fonctionnalités pour détecter les microbes liés à la maladie.
-L’application Shiny a réduit les obstacles à la réalisation d’une analyse de réseau de haute qualité car elle est facile à utiliser et ne nécessite aucune installation.

Pensées finales

Les communautés microbiennes sont étonnantes par leur complexité. Ils façonnent les écosystèmes, influencent la santé et sont liés à presque tous les aspects de la vie sur Terre. CMiNet vise à clarifier cette complexité en offrant aux chercheurs une base stable pour interpréter les interactions les plus importantes. Nous espérons que CMiNet permettra à la communauté de l’écologie et de l’évolution de créer des réseaux de confiance et de découvrir de nouvelles connaissances sur les mondes invisibles qui nous entourent. Nous nous concentrons désormais sur le développement de la version 2 de CMiNet, qui trouvera des réseaux de microbiome consensuels encore plus fiables et plus rapides, aidant ainsi les chercheurs à identifier les interactions microbiennes stables avec une plus grande confiance.

Vous pouvez lire l’article complet ici.

Article édité par Standiwe Nomthandazo Kanyile