Dans une récente étude publiée sur bioRxiv* serveur de prétirage, les chercheurs ont évalué l’association entre la signature du microbiome au niveau de la guilde et la gravité et le pronostic des infections par le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) par une analyse métagénomique au niveau du génome.
Sommaire
Arrière plan
L’enzyme de conversion de l’angiotensine 2 (ACE-2) est un récepteur essentiel pour l’invasion de l’hôte par le SRAS-CoV-2 et est largement exprimée dans l’intestin. L’inflammation associée à la maladie à coronavirus 2019 (COVID-19) peut provoquer des perturbations du microbiome intestinal, ce qui peut encore potentialiser l’état hyperinflammatoire chez les personnes infectées par le SRAS-CoV-2. Cependant, l’association entre les altérations du microbiome intestinal et le pronostic des infections par le SRAS-CoV-2 n’est pas bien caractérisée.
À propos de l’étude
Dans la présente étude, les chercheurs ont analysé les HQMAG (génomes assemblés par métagénome de haute qualité) séquencés à partir d’échantillons de selles pour évaluer l’association entre la signature du microbiome au niveau de la guilde et la gravité et le pronostic des infections par le SRAS-CoV-2.
Entre mai et septembre 2020, 330 échantillons fécaux ont été obtenus de 300 patients hospitalisés positifs au SRAS-CoV-2, avec des diagnostics confirmés par analyse quantitative de la réaction en chaîne par polymérase à transcription inverse (RT-qPCR). Une analyse de séquençage métagénomique a été réalisée pour évaluer les profils du microbiome intestinal, et des HQMAG non répétitifs (n = 2568) ont été reconstruits, dont 33 HQMAG ont montré des distributions différentielles basées sur la gravité du COVID-19.
Les individus ont été classés en patients légers, modérés et critiques/sévères en fonction de la gravité de leur infection par le SRAS-CoV-2. Un classificateur d’apprentissage automatique (ML) basé sur un algorithme de forêt aléatoire (RF) a été développé pour déterminer si les participants pouvaient être classés dans les groupes de gravité de la maladie en fonction des 33 HQMAG. En outre, une analyse de coabondance a été appliquée aux 33 HQMAG pour évaluer les interactions du microbiome intestinal et déterminer les structures des guildes (groupes fonctionnels cohérents) formées par eux.
Une analyse centrée sur le génome des métagénomes des guildes a été réalisée pour explorer la base génétique des associations entre les deux guildes et la gravité du COVID-19. De plus, les valeurs de l’indice de microbiome (GMI) au niveau de la guilde ont été calculées sur la base de la différence moyenne d’abondance entre les guildes.
Pour déterminer si la signature au niveau de la guilde obtenue à l’admission à l’hôpital peut être associée au pronostic COVID-19, l’analyse de régression basée sur RF a été effectuée. L’équipe a étudié si la signature du microbiome à l’admission à l’hôpital pouvait prédire les résultats graves du COVID-19 et si la signature pouvait être appliquée à d’autres cohortes de COVID-19.
La validité des résultats de l’étude a été déterminée en les appliquant à une autre étude comprenant respectivement 24 et 14 patients COVID-19 légers/modérés et critiques/sévères. L’équipe a cherché à savoir si les patients de différents groupes de gravité du COVID-19 pouvaient être classés sur la base des 33 HQMAG et si la signature pouvait faire la distinction entre les individus SARS-CoV-2 positifs et SARS-CoV-2 négatifs sur la base des données de 66, 69, et neuf patients SARS-CoV-2-positifs, SARS-CoV-2-négatifs et patients non-COVID-19 atteints de pneumonie communautaire (PAC), respectivement.
Résultats
La modélisation RF basée sur les 33 participants classés par HQMAG selon la gravité de la COVID-19 et l’analyse du réseau de coabondance a démontré la formation de deux guildes par les 33 HQMAG. La guilde 1 comprenait plus de gènes de biosynthèse d’acides gras à chaîne courte et moins de gènes de résistance aux antibiotiques et de virulence que la guilde 2. Les 33 HQMAG à l’admission à l’hôpital pouvaient prédire le pronostic du COVID-19 dans la semaine suivant l’hospitalisation. De plus, la guilde 1 s’est avérée dominer la guilde 2 à l’admission à l’hôpital, et la dominance était prédictive des résultats critiques de COVID-19 tels que la mort.
Les modèles RF pourraient distinguer les patients positifs pour le SRAS-CoV-2 des individus en bonne santé, des patients négatifs pour le SRAS-CoV-2 et des patients atteints de CAP dans trois ensembles de données différents. Sur 2 568 HQMAG, 48 présentaient une variabilité ≥ 5 % en fonction de la gravité de la COVID-19, dont 17 étaient significativement plus élevées chez les patients COVID-19 légers et formaient la Guilde 1, y compris Faecalibacterium prausnitzii, Romboutsia timonensis, Clostridium, Ruminococcus, Allisonella histaminiformans, Negativibacillus, Acutalibacteraceae, Lachnospiraceae, et Coprococoque.
Sur 48 HQMAG, 31 étaient plus abondants chez les patients COVID-19 critiques/sévères, dont 16 ont démontré des différences significatives selon la gravité et ont formé la Guilde 2, y compris Entérocoque, Lactobacille, Akkermansia muciniphila, Acutalibacteraceae, Barnesiella intestinihominis, Anaerotignum, Dore, Clostridium_M bolteae, Lachnospiraceae, Intestinibacter bartlettii, Ruthenibacterium lactatiformans, et Phascolarctobacterium faeciu. Les deux guildes étaient négativement corrélées l’une à l’autre, indiquant une relation potentiellement compétitive entre les guildes.
La guilde 2 avait plus de gènes de facteur de virulence (VF), tandis que la guilde 1 avait plus de gènes de résistance aux antibiotiques (ARG). Après une semaine d’hospitalisation, les valeurs du GMI étaient corrélées positivement avec les interleukines (IL)-5,12p70, le pourcentage et le nombre absolu de lymphocytes sanguins, le cholestérol total, le calcium et les taux d’albumine. Les scores GMI étaient corrélés négativement avec le pourcentage de neutrophiles, le D-dimère, le fibrinogène (B), les produits de dégradation de la fibrine, la bilirubine totale et directe, le glucose et les taux de lactate déshydrogénase (LDH).
De plus, les valeurs de GMI à l’hospitalisation des trois personnes décédées étaient significativement inférieures à celles des quatre patients COVID-19 critiques sortis. Les résultats ont indiqué que la signature du microbiome intestinal au stade précoce peut refléter les résultats du COVID-19 chez les patients hospitalisés, et le GMI peut être utilisé comme prédicteur de la gravité du COVID-19.
Conclusion
Dans l’ensemble, les résultats de l’étude ont mis en évidence l’association entre les signatures du microbiome intestinal au niveau de la guilde centrées sur le génome et la gravité et le pronostic du COVID-19, ce qui peut aider à l’identification précoce des patients COVID-19 et estimer le risque de résultats de gravité.
*Avis important
bioRxiv publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, guider la pratique clinique/les comportements liés à la santé, ou traités comme des informations établies.
