NeMO: a flexible R package for nested multi-species occupancy modelling and eDNA study optimization

Le package R NeMO propose un cadre bayésien flexible pour modéliser l'occupation multi-espèces dans les études de métabarcodage d'ADN environnemental, permettant de quantifier les incertitudes de détection et d'optimiser la conception des protocoles d'échantillonnage.

L'essentiel

🐟 NeMO : Le détective qui ne se laisse pas tromper par les "faux absents"

Imaginez que vous essayez de faire l'inventaire des poissons dans un grand fleuve (le Rhône, en France). Vous ne pouvez pas voir tous les poissons à l'œil nu, alors vous utilisez une technique moderne : l'ADN environnemental (ADNe). C'est comme si vous preniez un verre d'eau du fleuve pour voir quelles traces de peau ou de mucus les poissons y ont laissées.

Mais il y a un gros problème : le silence ne signifie pas toujours l'absence.

🕵️‍♂️ Le problème : "Je n'ai rien trouvé, donc il n'est pas là" ?

Dans le passé, si vous preniez un échantillon d'eau et que vous ne trouviez pas l'ADN d'un poisson rare, vous pensiez : "Ah bon, il n'est pas là."
Mais en réalité, le poisson était peut-être là, mais :

1. Il n'a pas laissé assez de traces dans ce verre d'eau précis.
2. Le laboratoire n'a pas réussi à copier son ADN (comme un photocopieur qui bloque).
3. La machine de séquençage n'a pas "vu" la trace parmi des millions d'autres.

C'est comme chercher une aiguille dans une botte de foin. Si vous ne la trouvez pas, ce n'est pas forcément qu'elle n'est pas là, c'est peut-être que vous n'avez pas assez fouillé ou que votre détective (le laboratoire) est fatigué.

🛠️ La solution : NeMO, le nouveau super-outil

Les auteurs de cet article ont créé un logiciel gratuit appelé NeMO (comme le poisson-clown, mais pour les scientifiques !). C'est une boîte à outils mathématique qui aide les chercheurs à ne pas se tromper.

NeMO fonctionne comme un chef d'orchestre très méticuleux qui comprend que la recherche de poissons en ADN se fait en plusieurs étapes (comme une chaîne de montage) :

1. Le prélèvement : On prend l'eau (le site).
2. La copie : On essaie de copier l'ADN (la PCR).
3. La lecture : On lit les résultats (le séquençage).

NeMO ne se contente pas de dire "Oui/Non". Il calcule la probabilité que le poisson soit là malgré le fait qu'on ne l'ait pas vu. Il répond à la question : "Quelle est la chance que ce poisson soit là, même si nos tests ont échoué ?"

🎲 Les trois niveaux de la "Chasse au trésor"

Pour bien comprendre comment NeMO fonctionne, imaginez que vous cherchez un trésor (le poisson) dans une grande maison (le fleuve) :

• Niveau 1 : La Maison (Le Site)
  Le poisson est-il dans la maison ? Parfois, il est là, parfois non. NeMO estime cette probabilité.
• Niveau 2 : La Pièce (L'échantillon d'eau)
  Même si le poisson est dans la maison, a-t-il laissé une trace dans cette pièce précise ? Peut-être qu'il est dans la cuisine et vous avez pris de l'eau dans le salon.
• Niveau 3 : Le Microscope (La PCR et le Séquençage)
  Même si vous avez pris l'eau de la cuisine, avez-vous réussi à voir la trace ? Parfois, le microscope est sale, ou la lumière est mauvaise.

NeMO regarde les trois niveaux en même temps. Si vous ne trouvez pas le trésor, il ne dit pas "Il n'est pas là", il dit : "Il y a 80% de chances qu'il soit là, mais notre méthode de recherche était un peu faible."

💡 Pourquoi c'est génial ? (Les 3 super-pouvoirs de NeMO)

1. Il distingue le "Rare" du "Difficile à voir"
   Certains poissons sont rares (ils vivent dans peu de maisons). D'autres sont communs mais très discrets (ils vivent partout mais ne laissent jamais de traces).

   • Exemple : Le poisson Alosa est rare (il ne vit que près de la mer), mais quand il est là, on le voit facilement.
   • Exemple : Le poisson Scardinius est très commun, mais il est très "fuyant" (on a du mal à trouver son ADN).
     Sans NeMO, on pourrait confondre un poisson rare avec un poisson introuvable. NeMO fait la différence !

2. Il aide à économiser l'argent (Optimisation)
   C'est le pouvoir le plus pratique. NeMO peut dire aux chercheurs : "Hé, pour être sûr à 95% de trouver ce poisson rare, il ne suffit pas de prendre 2 verres d'eau. Il faut en prendre 5, ou faire 20 copies de l'ADN, ou regarder plus longtemps dans le microscope."
   Cela évite de gaspiller de l'argent en faisant des tests inutiles ou, à l'inverse, de faire des études trop petites qui ratent des espèces importantes.

3. Il compare les méthodes
   NeMO permet de tester différentes façons de faire l'étude (plus de copies ? plus de verres d'eau ?) pour voir quelle stratégie est la plus efficace.

🌍 En résumé

L'article nous dit que ne pas voir un poisson ne veut pas dire qu'il n'est pas là. C'est une erreur coûteuse pour la protection de la nature.

NeMO est comme un guide de voyage intelligent pour les scientifiques. Au lieu de dire "Rien à voir ici", il dit : "Attention, il y a peut-être quelque chose, mais il faut creuser un peu plus à cet endroit précis."

Grâce à cet outil, nous pouvons mieux protéger les espèces menacées, mieux comprendre la biodiversité des fleuves, et utiliser notre budget de recherche de manière plus intelligente. C'est une victoire pour la science et pour la nature ! 🐟🌊🔍

Résumé technique

Titre du papier

NeMO : un package R flexible pour la modélisation d'occupation multi-espèces imbriquée et l'optimisation des études d'ADNe.

---

1. Problématique

Le suivi de la biodiversité par métabarcoding d'ADN environnemental (ADNe) s'est considérablement développé, offrant un outil non invasif puissant. Cependant, ces enquêtes souffrent d'un taux de détection imparfait. Une erreur critique fréquente consiste à interpréter les non-détections comme des absences réelles (faux négatifs), ce qui fausse les évaluations de la biodiversité, en particulier pour les espèces rares ou éludibles.

Bien que la modélisation d'occupation (occupancy modeling) permette de quantifier cette incertitude de détection, son application en métabarcoding multi-espèces reste limitée par le manque d'outils accessibles et flexibles. Les modèles existants présentent souvent des lacunes :

• Ils ne prennent pas toujours en compte la structure hiérarchique imbriquée des études ADNe (échantillons de terrain, répliques PCR, séquençage).
• Ils ignorent parfois les données de comptage de lectures (read counts) au profit de simples données de présence/absence.
• Ils ne permettent pas toujours de comparer des modèles ou d'optimiser l'allocation des ressources (nombre d'échantillons, répliques, profondeur de séquençage).

2. Méthodologie

Les auteurs ont développé NeMO (Nested eDNA Metabarcoding Occupancy), un package R basé sur une approche bayésienne (implémentée via JAGS) pour ajuster des modèles d'occupation multi-espèces.

Structure du modèle :
Le modèle intègre la structure hiérarchique typique des études ADNe à trois niveaux imbriqués :

1. Site ($i$) : Probabilité d'occupation ($\psi$) de l'espèce $n$.
2. Échantillon ADNe ($j$) : Probabilité de collecte de l'ADN ($\theta$), conditionnelle à l'occupation.
3. Réplique PCR ($k$) : Probabilité d'amplification ($p$), conditionnelle à la collecte.
4. Séquençage : Modélisation des comptages de lectures ($Y$) via une distribution multinomiale conditionnelle à l'amplification, avec un comptage latent ($S$) suivant une loi binomiale négative pour gérer la surdispersion des données HTS.

Fonctionnalités clés du package NeMO :

• Flexibilité des données : Le package propose trois protocoles de modélisation via la fonction Nemodel() :
  1. PCR_rep_seq_read : Le modèle le plus complet, incluant les répliques PCR indexées individuellement et les comptages de lectures.
  2. seq_read : Omet l'indexation des répliques PCR mais conserve les comptages de lectures.
  3. PCR_rep : Se base sur les répliques PCR indexées mais ignore les comptages de lectures (présence/absence uniquement).
• Covariables : Possibilité d'intégrer des covariables environnementales ou méthodologiques à chaque niveau du modèle (occupation, collecte, amplification, comptage).
• Optimisation des ressources : La fonction min_resources() calcule le nombre minimum d'échantillons, de répliques PCR et la profondeur de séquençage nécessaires pour atteindre une probabilité de détection cible (ex: 95%).
• Comparaison de modèles : Intégration du critère WAIC (Watanabe-Akaike Information Criterion) pour comparer les performances des différents protocoles.

Application empirique :
Le modèle a été testé sur un jeu de données réelles provenant d'une étude sur la biodiversité des poissons du Rhône (France), comprenant 80 sites, 2 échantillons par site et 12 répliques PCR par échantillon, couvrant 100 espèces.

3. Résultats

• Performance des modèles : Les trois protocoles de modélisation ont produit des performances similaires (AUC ~0,8), indiquant une bonne capacité à distinguer la présence de l'absence. Cependant, le temps de calcul varie considérablement : le protocole le plus simple (PCR_rep) est beaucoup plus rapide (2h) que le plus complexe (PCR_rep_seq_read, ~10 jours), bien que les résultats d'estimation restent cohérents.
• Dynamique des paramètres :
  • Une forte corrélation positive a été observée entre les paramètres de détection (collecte $\theta$, amplification $p$, et comptage $\varphi$).
  • Une distinction claire a été faite entre la rareté (faible probabilité d'occupation $\psi$) et l'éludibilité (faible probabilité de détection). Par exemple, Alosa spp. est rare mais très détectable, tandis que Scardinius erythrophthalmus est commun mais éludible.
  • Les paramètres de détection sont modérément corrélés aux données d'abondance issues de l'électropêche, suggérant que l'ADNe peut servir de proxy pour l'abondance, mais avec des limites.
• Optimisation des ressources : L'analyse a révélé que l'effort d'échantillonnage initial (2 échantillons, 12 répliques) était suffisant pour détecter 63% des espèces avec une confiance de 95%. Pour 18 espèces, un effort supplémentaire était nécessaire. Pour certaines espèces à très faible détectabilité (ex: Leucaspius delineatus), le nombre de répliques PCR requis pour une détection fiable était prohibitif (>1000), soulignant les limites du design d'étude pour certaines cibles.
• Profondeur de séquençage : La profondeur de séquençage utilisée dans l'étude originale s'est révélée suffisante pour toutes les espèces, à l'exception de quelques cas marginaux.

4. Contributions Clés

1. Outil logiciel accessible : NeMO est le premier package R offrant une interface utilisateur fluide pour des modèles d'occupation multi-espèces complexes intégrant la structure imbriquée complète (Site -> Échantillon -> PCR -> Séquençage).
2. Intégration des comptages de lectures : Contrairement à certains modèles précédents, NeMO utilise efficacement les données quantitatives de séquençage (read counts) tout en permettant leur simplification si nécessaire.
3. Optimisation proactive : La capacité à estimer a priori ou a posteriori les ressources minimales requises (échantillons, répliques, lectures) pour atteindre un seuil de détection donné aide les chercheurs à concevoir des études plus robustes et rentables.
4. Distinction Rareté/Éludibilité : Le cadre méthodologique permet de démêler les effets biologiques (rareté de l'espèce) des effets méthodologiques (difficulté de détection), crucial pour l'interprétation des fausses absences.

5. Signification et Impact

Ce travail comble un vide méthodologique majeur dans le domaine de l'ADNe. En fournissant un outil flexible et rigoureux, NeMO permet de :

• Réduire les biais d'interprétation : En quantifiant l'incertitude de détection, il évite de conclure à tort à l'absence d'espèces rares ou éludibles.
• Améliorer la conception des études : Il guide les praticiens dans l'allocation optimale des budgets (plus de répliques PCR vs plus d'échantillons de terrain vs plus de séquençage) en fonction des objectifs de l'étude.
• Renforcer la fiabilité des évaluations de biodiversité : En intégrant ces modèles, les études ADNe deviennent des outils plus fiables pour la conservation, la gestion des espèces invasives et le suivi des écosystèmes aquatiques.

En résumé, NeMO transforme la modélisation d'occupation d'un exercice statistique complexe en une pratique standardisée et accessible, essentielle pour l'avenir du monitoring de la biodiversité par ADNe.