En analysant les réseaux de coabondance chez 938 adultes en bonne santé, les scientifiques ont découvert comment les facteurs liés au mode de vie recâblent subtilement les relations bactériennes dans l'intestin, offrant ainsi un moyen plus puissant de prédire les caractéristiques de santé que les modèles basés sur l'abondance.
Étude : Interactions croisées et interfamiliales selon l'âge, le sexe, le tabagisme et l'IMC. Crédit d'image : Christoph Burgstedt/Shutterstock
Dans une étude récente publiée dans la revue Biologie des communicationsles chercheurs ont étudié les facteurs environnementaux associés à la coabondance dans le microbiome intestinal humain.
Sommaire
Complexité de l'écosystème du microbiome intestinal
Un nombre croissant de recherches ont décrit les caractéristiques associées à la composition du microbiome intestinal en matière de santé et de maladie. Certaines des caractéristiques importantes incluent le sexe, l’âge, la génétique de l’hôte et le régime alimentaire. Cependant, certains aspects de la relation hôte-microbiome sont difficiles à caractériser. Le microbiome intestinal est un écosystème complexe et ses constituants forment des sous-communautés grâce aux interactions entre taxons.
Co-abondance et connectivité fonctionnelle
Les sous-communautés présentent des coabondances lorsqu'elles travaillent ensemble comme un groupe fonctionnel cohérent ou exploitent les mêmes ressources de l'environnement local. L’exploration de la coabondance des taxons et de la connectivité au sein du microbiome peut aider à identifier des caractéristiques qui autrement manqueraient aux approches univariées. Cependant, il n’existe pas de méthode de référence pour dépister les facteurs liés aux changements dans la coabondance bactérienne entre les individus au sein d’une population.
Méthode MANOCCA pour l’analyse de la co-abondance
Dans la présente étude, les chercheurs ont caractérisé les associations entre les facteurs environnementaux et les changements dans le réseau de coabondance du microbiome intestinal. Premièrement, l'analyse multivariée de l'analyse de covariance conditionnelle (MANOCCA) a été utilisée pour étudier les associations entre 80 facteurs environnementaux (caractéristiques de l'hôte) et la coabondance des taxons au niveau de la famille, du genre et de l'espèce en utilisant les données de 938 participants en bonne santé.
Associations entre les caractéristiques de l'hôte et la co-abondance
Cette nouvelle méthode répond aux principales limites des approches précédentes en prenant en charge à la fois les prédicteurs continus et catégoriels, en permettant l'ajustement des covariables et en fournissant un cadre statistique formel pour la co-abondance au niveau individuel.
MANOCCA est une approche basée sur la covariance qui permet des tests statistiques formels des associations entre la covariance des taxons et tout prédicteur, et a été développée pour répondre aux limites actuelles.
Les données sur les caractéristiques de l'hôte ont été collectées au départ et comprenaient des données démographiques, des antécédents médicaux, des habitudes alimentaires et des biomarqueurs. MANOCCA a révélé des associations significatives avec le sexe, l'âge et le tabagisme aux trois niveaux taxonomiques et à l'indice de masse corporelle (IMC) au niveau du genre.
Structure du réseau et interactions entre les genres
Notamment, les associations avec la coabondance des taxons ont été enrichies pour les caractéristiques nutritionnelles, indiquant un impact modeste mais systématique du régime alimentaire sur le réseau d'interactions des taxons.
Ensuite, l'équipe a dérivé des pondérations de contribution en fonction du sexe, de l'âge, IMCet les signaux de tabagisme, notant que la plupart des taxons avaient des contributions non nulles et substantiellement hétérogènes à l'association.
Les poids MANOCCA ont été comparés à des associations univariées de valeur p d'effet moyen dérivées d'une régression linéaire standard. Cela a révélé une corrélation positive significative entre les deux résultats pour le tabagisme, IMCl'âge et le sexe, indiquant un double impact sur l'abondance et la coabondance de nombreux genres.
Un noyau d'environ 200 genres a été systématiquement impacté par les quatre facteurs, suggérant un rôle central dans la structure du réseau. Ensuite, l’équipe a analysé les caractéristiques des 5 % des paires de genres contribuant le plus à la variabilité de la co-abondance au niveau familial. Parmi 151 familles, 10, 8, 11 et 7 ensembles de familles qui se chevauchent couvraient ≥ 50 % des genres les plus contributeurs en termes d'âge, de sexe, de tabagisme et de IMCrespectivement.
Les familles clés incluses Lachnospiracées, Bactéroïdes, Ruminococcacées, Acutalibacteracéeset Oscillospiracéesavec des familles rares comme Eggerthellacées, Peptostreptococcacéeset Muribaculacées. Notamment, Bactéroïdes étaient sous-représentés dans les changements de co-abondance, alors que Oscillospiracées ont été fortement impactés, notamment en ce qui concerne IMC.
L'analyse a également identifié quatre groupes de coabondance (CAG-74, CAG-508, CAG-272 et CAG-138) qui ont contribué au signal.
Interactions croisées et interfamiliales pour l'âge, le sexe, le tabagisme et l'IMC. Pour les quatre principales caractéristiques associées du MANOCCA (âge, sexe, IMC et tabagisme), nous avons extrait les 1 000 paires de genres les plus contributives sur les 259 560 produits au total et avons dérivé la direction de l'effet de chaque prédicteur sur la paire de co-abondance. Nous avons tracé le diagramme de Venn des paires partagées entre chaque entité dans (un) et le chevauchement des taxons dans (b). Dans (c), nous montrons la distribution de la direction des effets par prédicteur, et pour les intersections âge – tabagisme et sexe – IMC. Nous avons ensuite utilisé les paires de caractéristiques pour dériver un réseau des changements de corrélation par rapport à chaque prédicteur. La taille du nœud, représentant un genre, est proportionnelle à son nombre de contributions avec d'autres genres, et les arêtes relient les principales paires contribuant. Les couleurs des bords indiquent la direction de l'effet, le vert indiquant qu'une augmentation du prédicteur entraîne une augmentation de la co-abondance, le rouge montre qu'une augmentation du prédicteur entraîne une réduction de la co-abondance et le noir indique une direction d'effet mixte pour les prédicteurs qui se chevauchent. La couleur de chaque nœud dépend de la façon dont il est partagé entre les quatre prédicteurs et suit la structure du (b, c) diagrammes de Venn. Panneau (d) affiche le nombre d'arêtes incluses dans un seul prédicteur (Âge, Sexe, IMC, Tabagisme) et par prédicteurs superposés (Âge et Tabagisme, Sexe et IMC), avec en rouge les arêtes des coabondances réduites et en vert les coabondances augmentées. Les bords gris indiquent une direction mixte des effets pour les prédicteurs qui se chevauchent. Spécifiquement pour le chevauchement entre le sexe et l'IMC, la zone hachée représente les bords vers une co-abondance accrue pour le sexe et une co-abondance diminuée pour l'IMC. A l’inverse, la partie grise recouvre une diminution pour le Sexe mais une augmentation pour l’IMC.
Performances prédictives et conclusions de l’étude
Ensuite, l’équipe a généré un réseau de variation de coabondance à partir des 1 000 principales paires de genres contribuant au signal d’association MANOCCA. Au total, 4 000 couples regroupaient 476 genres uniques.
Les chercheurs ont notamment observé un chevauchement substantiel entre les paires de taxons co-abondants qui étaient touchés à la fois par IMC et le sexe (658 couples partagés), ainsi que le tabagisme et l'âge (306 couples partagés). L'augmentation du tabagisme et l'âge étaient principalement associés à une diminution des coabondances, alors qu'une augmentation IMC était associée à une augmentation.
Le sexe présentait un schéma mixte. Par exemple, Bactéroides A a montré des coabondances réduites avec de nombreux taxons principaux chez les fumeurs, malgré l'absence d'association en abondance relative, illustrant comment l'analyse de covariance peut détecter les changements d'interaction manqués par les méthodes traditionnelles basées sur l'abondance. Enfin, l'équipe a évalué la précision de MANOCCA dans la prédiction des caractéristiques les plus associées (IMCtabagisme, âge et sexe) en utilisant les taxons aux niveaux de la famille, du genre et de l'espèce.
La précision a été déterminée en utilisant l'aire sous la courbe caractéristique de fonctionnement du récepteur et la corrélation carrée (r²) pour les résultats binaires et continus, respectivement. Le modèle de prédiction basé sur la covariance a été comparé à un modèle linéaire standard basé sur l'abondance relative. L’équipe a noté que MANOCCA était plus performant et nettement plus précis que le modèle standard.
Le gain de prédiction était considérablement important pour l'âge, avec des valeurs médianes de r²(âge) de 0,18 (famille), 0,25 (genre) et 0,27 (espèce) pour les modèles MANOCCA, ce qui représente une amélioration de trois fois par rapport aux modèles basés sur l'abondance.
Les estimations r²(âge) correspondantes du modèle standard étaient respectivement de 0,05, 0,07 et 0,10. La prédiction était significativement plus élevée pour le sexe à tous les niveaux taxonomiques pour MANOCCA.
Implications plus larges et applications futures
En résumé, l’étude a examiné les relations entre les caractéristiques de l’hôte et la cooccurrence du microbiome intestinal chez des individus en bonne santé. MANOCCA a révélé des associations significatives entre la variabilité de la coabondance des taxons et l'âge, le sexe, IMCet fumer.
Le réseau des genres les plus contributeurs a révélé que la variabilité des interactions était limitée à un petit nombre de familles. La variabilité de la coabondance était concentrée dans un nombre limité de familles, les interactions interfamiliales prédominant largement sur les liens intra-familiaux. De plus, les interactions ont été principalement observées entre genres de familles distinctes, plutôt qu’au sein d’une même famille.
Le cadre MANOCCA peut également être utilisé pour développer des modèles prédictifs. Le pouvoir prédictif des modèles basés sur la co-abondance des taxons était nettement supérieur à celui d'un modèle standard basé sur l'abondance pour toutes les caractéristiques. Cependant, les auteurs ont noté que la méthode MANOCCA nécessite des échantillons de grande taille (généralement plus de 100 participants) et ne modélise pas explicitement la nature compositionnelle des données sur le microbiome, qui devrait être affinée dans les travaux futurs.
