Le professeur Frankel de l’Imperial College de Londres parle àMa Cliniquede ses dernières recherches visant à déterminer si l’IA pouvait être utilisée pour prédire les résultats de l’infection.
Sommaire
Qu’est-ce qui a inspiré vos recherches sur les infections?
Je me suis intéressé à la biologie infectieuse très tôt au cours de mes études; il est très courant que les enseignants et les chargés de cours soient la source d’inspiration et cela était également vrai pour moi; J’ai commencé mes recherches en tant que doctorant. étudiant à l’Université hébraïque de Jérusalem étudiant l’infection par le virus de l’encéphalomyélite murine de Picornavirus Theiler (TMEV), comme modèle pour la SEP.
Après mon doctorat. formation, j’ai déménagé à l’Université de Stanford pour mon post-doctorat où j’ai commencé à travailler sur les infections bactériennes (E. coli et Salmonella), et à partir de là, je suis devenu totalement accro à la pathogenèse bactérienne.
E. Coli. Crédit d’image: Kateryna Kon / Shutterstock.com
Comment les bactéries provoquent-elles des infections?
Les bactéries pathogènes emploient de multiples mécanismes et dispositifs pour provoquer une infection. Les principes clés de la pathogenèse sont la colonisation, la multiplication et l’évasion des réponses immunitaires de l’hôte. Alors que certains agents pathogènes restent extracellulaires, d’autres colonisent en envahissant les cellules humaines.
Un moyen efficace de s’emparer de l’hôte et de provoquer une maladie consiste à utiliser des facteurs de colonisation, tels que les adhésines fimbriales (utilisées par exemple par des agents entérotoxigènes E. coli ou Vibrio cholerae) et élaborent des toxines qui provoquent la diarrhée.
Alternativement, plusieurs pathogènes entériques courants (par exemple, entéropathogènes E. coli, Salmonella, et Shigella) utiliser des nano-seringues (appelées systèmes de sécrétion de type III) pour injecter des protéines bactériennes, appelées effecteurs, dans les cellules humaines; ces effecteurs facilitent la colonisation, permettant la multiplication (intracellulaire ou extracellulaire) et la subversion des réponses immunitaires innées. Cela donne à l’agent pathogène une fenêtre d’opportunité de survivre dans l’hôte avant que les réponses immunitaires adaptatives (ou le traitement avec des antibiotiques) éliminent l’infection.
Pourquoi les études se sont-elles jusqu’à présent concentrées uniquement sur des effecteurs uniques plutôt que sur plusieurs? Quelles sont certaines des limites de ceci?
Traditionnellement, nous avons étudié un effecteur à la fois in vitro (en utilisant la biologie cellulaire, les tests de liaison aux protéines et les méthodologies biochimiques / structurelles), pour étudier leur mécanisme d’action, la ou les protéines de la cellule hôte qu’ils lient ou modifient, et la signalisation. voies qu’ils détournent; il est courant qu’une fois connu le rôle in vitro d’un effecteur, sa fonction in vivo soit testée.
Alors que les années précédentes, il y avait des contraintes techniques pour générer des délétions de gènes multiples dans une seule bactérie, aujourd’hui, ce n’est pas vraiment un problème. Le fait que la plupart des études portent sur des effecteurs uniques est davantage dû à la convention actuelle qu’à des limitations techniques.
Pouvez-vous décrire comment vous avez mené vos dernières recherches sur les infections?
Mon laboratoire étudie les infections par les pathogènes entériques humains entéropathogènes et entérohémorragiques E. coli (EPEC et EHEC respectivement); cependant, comme l’EPEC est un pathogène restreint à l’homme, les souris sont intrinsèquement résistantes à ce pathogène. Notre objectif étant d’étudier l’infection dans le contexte du microbiote intestinal endogène et des réponses immunitaires, nous devons utiliser des modèles animaux.
En conséquence, nous avons la chance de pouvoir utiliser Citrobacter rodentium, qui est un agent pathogène restreint à la souris équivalent à EPEC. EPEC et C. rodentium partagent la même stratégie d’infection, y compris la nano-seringue et les effecteurs; tandis que la souche EPEC humaine prototype E2348 / 69 injecte 21 effecteurs dans les cellules épithéliales intestinales (CEI), C. rodentium injecte 31 effecteurs, dont les 21 effecteurs utilisés par EPEC.
Il est important de noter qu’au cours de nombreuses années, il a été montré que la suppression de nombreux effecteurs individuellement avait peu d’impact sur la capacité du pathogène à infecter l’hôte. L’objectif initial de cette étude était de déterminer quel est le nombre minimal de facteurs de virulence qui pourraient entretenir l’infection, en utilisant C. rodentium comme modèle. Tout en poursuivant cet objectif, nous avons développé l’hypothèse que plutôt que de travailler individuellement, les effecteurs forment un réseau robuste, qui pourrait tolérer des perturbations importantes.
Pour tester cette hypothèse, nous avons perturbé le réseau en supprimant séquentiellement des nœuds (effecteurs), à partir de deux points de départ différents; dans la première (voie 1), nous avons adopté une approche non biaisée, en supprimant les gènes effecteurs dans un ordre aléatoire, dans la seconde (voie 2), nous avons supprimé les gènes codant pour les effecteurs qui sont censés cibler spécifiquement les processus immunitaires innés dans les CEI. Chaque mutant intermédiaire a été testé pour sa capacité à coloniser les souris au-dessus d’un 107 nombre de colonies / g de seuil de selles.
Une fois que nous avons atteint les limites de robustesse dans les voies 1 et 2 (c’est-à-dire que d’autres mutants effecteurs ne parviennent pas à coloniser au-dessus du seuil), nous utilisons la protéomique et la bioinformatique pour étudier comment, par rapport au type sauvage, ces deux C. rodentium les souches affectent les processus cellulaires dans les CEI. Nous avons également caractérisé le type de réponse immunitaire qu’ils ont déclenché. De plus, nous avons supprimé les 10 effecteurs supplémentaires trouvés dans C. rodentium comparé à l’EPEC et testé l’impact sur l’issue de l’infection.
Comme dans le processus de suppression séquentielle de l’effecteur, nous avons généré plus de 100 mutants intermédiaires qui ont été étudiés in vivo, nous avons combiné ces données avec notre connaissance de la fonction effectrice, pour former un modèle de machine dans le but d’utiliser l’IA pour prédire les résultats de l’infection. Nous avons utilisé le modèle AI pour noter les 16 489 545 combinaisons de mutants possibles sans jusqu’à 9 effecteurs.
Modèle de souris. Crédit d’image: Egoreichenkov Evgenii / Shutterstock.com
Qu’avez-vous découvert?
Nous avons constaté que le réseau effecteur est très robuste, car il peut tolérer une contraction de 60%. Dans la voie 1, un mutant exprimant seulement 12 des 31 effecteurs (une souche que nous avons nommée CR14) a maintenu la capacité de coloniser, tandis que dans la voie 2, le pathogène a toléré la suppression de 10 effecteurs connus pour affecter les réponses immunitaires innées clés (une souche que nous avons appelée CRi9 ). À ce stade, nous avons terminé avec trois réseaux effecteurs fonctionnels distincts (type sauvage, CR14 et CRi9).
Fait intéressant, tout en exprimant des réseaux effecteurs distincts, ces souches ont induit des signatures d’infection conservées, qui comprenaient le déplacement de la production d’ATP des mitochondries vers le cytosol (via la glycolyse aérobie) et les réponses de réparation des lésions tissulaires (c’est-à-dire la prolifération des IEC). Inversement, l’infection par ces souches a déclenché des réponses immunitaires très différentes (c’est-à-dire que CR14 et CRi9 ont induit une augmentation significative de la sécrétion muqueuse de GMCSF et de TNF / IL-22 / IL-17 / IFNgamma, respectivement).
Pourtant, l’hôte a pu éliminer les infections et développer une immunité protectrice à long terme. Cela montre que si le pathogène code pour un réseau effecteur robuste, l’immunité de l’hôte est également flexible et capable de faire face à des stratégies d’infection très différentes.
Nous avons constaté que le réseau effecteur EPEC ne permettait pas de C. rodentium infection, suggérant que la composition des effecteurs joue un rôle dans la spécificité de l’hôte.
Enfin, les meilleures prédictions d’échec de colonisation de cinq et neuf délétions effectrices, prédites par le modèle AI, ont été testées chez la souris. Remarquablement, ces mutants n’ont pas réussi à coloniser. Surtout, la prédiction de cinq délétions effectrices comprenait quatre effecteurs qui ont des homologues fonctionnels dans Shigella, augmentant la confiance dans l’IA.
Comment vos dernières recherches pourraient-elles aider à prédire les résultats des infections?
Il est important de se rappeler que ce n’est que le début d’un long chemin d’utilisation de l’IA pour prédire l’issue des infections par des bactéries pathogènes en utilisant une injection d’effecteurs comme stratégie de colonisation.
Jusqu’à présent, le modèle d’IA était en mesure de prédire les résultats de l’infection par un pathogène modèle (C. rodentium) exprimant différents réseaux effecteurs. Comme il est impossible de tester en laboratoire tous les réseaux possibles que 31 effecteurs peuvent former, l’utilisation d’un modèle d’IA est la seule approche pratique pour étudier des systèmes biologiques de cette complexité.
L’IA nous permet de nous concentrer sur la création des combinaisons d’effecteurs les plus pertinentes et d’apprendre d’elles comment les bactéries sont contrées par notre système immunitaire. Ces combinaisons ne seraient pas évidentes à partir de nos seuls résultats expérimentaux, ouvrant la possibilité d’utiliser l’IA pour prédire les résultats de l’infection.
Quel rôle l’intelligence artificielle (IA) a-t-elle joué dans vos recherches?
La composante IA a contribué à «donner un sens» aux données collectées dans nos laboratoires et dans de nombreux autres laboratoires pendant de nombreuses années. Cela nous a permis, pour la première fois, d’étudier les effecteurs en tant que réseaux.
Après plus de 20 ans d’expérience dans le travail avec des effecteurs, je ne pourrais pas reproduire les prédictions faites par l’IA; en fait, quand j’ai vu les prédictions pour la première fois, mon instinct était qu’elles étaient fausses. Évidemment, j’étais heureux d’avoir tort, mais en même temps, cela a mis mes connaissances dans une nouvelle perspective.
Il est important de noter que la partie IA du projet a été réalisée par une doctorante, Elena Núñez-Berrueco, supervisée par le professeur Alfonso Rodríguez-Patón du Laboratorio de Inteligencia Artificial, Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, Espagne.
Intelligence artificielle. Crédit d’image: tout est possible / Shutterstock.com
Dans quels autres domaines de l’immunologie et des maladies pourriez-vous appliquer ces connaissances?
Notre étude montre que nous pouvons prédire comment une cellule réagira lorsqu’elle sera attaquée par différentes combinaisons de réseaux effecteurs bactériens.
La recherche nous aidera à mieux comprendre comment les cellules, le système immunitaire et les bactéries interagissent, et nous pouvons appliquer ces connaissances à des maladies comme le cancer et les maladies inflammatoires de l’intestin où les bactéries dans l’intestin jouent un rôle important.
Pensez-vous qu’avec une meilleure connaissance des réseaux effecteurs, nous pourrions aider à concevoir des traitements susceptibles de perturber leurs effets?
Nos résultats signifient qu’à l’avenir, en utilisant l’IA et la biologie synthétique, nous devrions être en mesure de déterminer quelles fonctions cellulaires sont essentielles pendant l’infection, ce qui nous permet de trouver des moyens de lutter contre l’infection non pas en tuant le pathogène avec des antibiotiques, mais en changeant. et l’amélioration de nos réponses de défense naturelle à l’infection.
Nous espérons que de nouvelles études nous permettront de construire sur ces bases et de déterminer exactement comment ces protéines effectrices fonctionnent et comment elles fonctionnent ensemble pour perturber les cellules hôtes. À l’avenir, cette meilleure compréhension pourrait conduire au développement de nouveaux traitements.
Quelles sont les prochaines étapes de votre recherche?
La prochaine étape la plus urgente consiste à collecter plus de données pour entraîner le modèle d’IA. De plus, toutes les mesures que nous avons effectuées dans cette étude étaient ponctuelles, 8 jours après l’infection. L’étape suivante consiste à mener une étude du cours du temps et à déterminer comment l’hôte réagit aux C. rodentium expression de différents réseaux effecteurs au fil du temps (du début de l’infection à l’élimination).
Nous devons ensuite étudier comment les effecteurs fonctionnent en tant que groupe à un niveau moléculaire, mécaniste, c’est l’aspect le plus difficile de la recherche future. Enfin, nous devrions appliquer le pipeline pour étudier d’autres agents pathogènes qui utilisent leur propre ensemble d’effecteurs pour l’infection (par exemple Shigella ou Salmonella, qui sont des agents pathogènes invasifs).
Où les lecteurs peuvent-ils trouver plus d’informations?
https://science.sciencemag.org/content/371/6534/eabc9531
Qui a financé cette recherche?
Ce projet a été soutenu par un Wellcome Investigator Award.
À propos du professeur Frankel
Le professeur Frankel est professeur de pathogenèse moléculaire au MRC Centre for Bacteriology and Infection de l’Imperial College de Londres.
Son laboratoire a identifié l’extension de la seringue moléculaire utilisée par l’EPEC et jeté les bases de la Citrobacter rodentium maquette. Notre recherche est soutenue par le Wellcome Trust, la MRC et la Royal Society.
