New perspectives in assessing environmental risks for birds: a simple TKTD framework to link growth and reproduction energy budget to chemical stress

Cet article présente BIRDkiss, un nouveau cadre de modélisation mécaniste et open-source intégré dans un package R, qui relie les budgets énergétiques de croissance et de reproduction des oiseaux à l'exposition chimique pour améliorer l'évaluation des risques environnementaux, notamment en simulant les effets combinés du stress nutritionnel et des mélanges de pesticides.

L'essentiel

Imaginez que vous essayez de comprendre comment un pesticide affecte la santé d'un oiseau dans la nature. Traditionnellement, les scientifiques font des tests en laboratoire : ils donnent un peu de nourriture contaminée à des oiseaux en cage et comptent leurs œufs. C'est utile, mais c'est un peu comme essayer de prédire le trafic routier d'une grande ville en observant une seule voiture sur une piste d'essai vide. Dans la vraie vie, il y a des embouteillages, de la pluie, et parfois, les oiseaux ne trouvent pas assez à manger.

C'est là qu'intervient ce nouveau papier scientifique qui présente BIRDkiss, un outil numérique (un modèle informatique) conçu pour combler ce fossé entre le laboratoire et la réalité.

Voici une explication simple, avec quelques images pour mieux comprendre :

1. Le concept de base : La "Banque d'Énergie" de l'oiseau

Pour comprendre BIRDkiss, imaginez que chaque oiseau possède une banque d'énergie (comme un compte en banque personnel).

• Les revenus : C'est la nourriture que l'oiseau mange.
• Les dépenses obligatoires : L'oiseau doit payer ses factures de base : rester en vie, se réchauffer, réparer ses muscles (c'est la "maintenance").
• Les économies : Ce qui reste après les factures peut être mis de côté pour deux choses : grandir (s'il est jeune) ou faire des œufs (s'il est adulte).

Le modèle BIRDkiss utilise une version simplifiée d'une théorie appelée DEBkiss (Budget Énergétique Dynamique). Au lieu de faire des calculs compliqués sur chaque molécule d'énergie, il dit simplement : "Si l'oiseau mange moins, il doit payer ses factures de base en priorité. S'il n'y a plus d'argent pour les œufs, il n'en fait pas."

2. L'ennemi invisible : Le poison

Maintenant, imaginez que l'oiseau mange de la nourriture empoisonnée.

• L'absorption (Toxicocinétique) : Le poison entre dans le corps, comme de l'eau qui s'infiltre dans une éponge.
• Le dégât (Toxicodynamique) : Ce poison crée des "dommages" dans le corps. C'est comme si le poison envoyait des petits saboteurs qui cassent les machines de la banque d'énergie.

Le modèle BIRDkiss calcule combien de dégâts le poison fait et comment cela réduit la capacité de l'oiseau à faire des œufs.

3. La grande innovation : Mélanger les problèmes

La vraie force de ce modèle, c'est qu'il peut simuler des scénarios que les tests en laboratoire ne voient pas toujours :

• Le stress de la faim + le poison :
  Imaginez un oiseau qui a déjà du mal à trouver à manger (faim). Si vous ajoutez du poison, c'est la catastrophe. Pourquoi ? Parce que l'oiseau doit utiliser son peu d'énergie restante pour se débarrasser du poison (désintoxication) au lieu de faire des œufs. C'est comme essayer de payer une amende de 100 € alors que vous n'avez que 110 € sur votre compte : vous ne pourrez pas payer le loyer (les œufs). Le modèle montre que la faim et le poison se renforcent mutuellement pour réduire la reproduction.

• Le paradoxe de la nourriture abondante :
  Le modèle a aussi découvert quelque chose d'intéressant : donner trop de nourriture ne fait pas faire plus d'œufs. C'est comme si l'oiseau avait un "plafond" de capacité de ponte. Une fois ce plafond atteint, même si vous lui donnez un festin, il ne pondra pas plus. Par contre, si vous lui retirez un peu de nourriture, la ponte chute drastiquement.

• Le cocktail de produits chimiques :
  Dans la nature, les oiseaux ne mangent pas un seul produit chimique, mais un mélange (un cocktail). BIRDkiss peut simuler ce qui se passe quand on mélange deux pesticides. Il utilise deux règles de calcul :

  1. L'addition des doses : Si les deux produits agissent de la même façon, on additionne leur force.
  2. L'action indépendante : Si les produits agissent différemment, on calcule la probabilité que l'un ou l'autre fasse des dégâts.
     Le modèle montre que souvent, le mélange est plus dangereux que la somme des parties, surtout si l'oiseau est déjà affaibli par le manque de nourriture.

4. Pourquoi est-ce utile ? (La boîte à outils)

Les auteurs ont créé ce modèle sous forme d'un logiciel gratuit (un "package" R) appelé BIRDkiss.

• C'est un simulateur de réalité : Au lieu de faire des tests sur des milliers d'oiseaux, on peut utiliser les données de quelques tests en laboratoire pour prédire ce qui se passerait dans la nature, avec des variations de nourriture et d'exposition.
• C'est plus précis : Il permet de voir que le risque réel est souvent plus élevé que ce qu'on pensait, car il prend en compte le stress de la faim.
• C'est pour les décideurs : L'objectif est d'aider les régulateurs (comme l'EFSA en Europe) à mieux protéger les oiseaux en intégrant ces scénarios réalistes dans les lois sur les pesticides.

En résumé

Ce papier nous dit : "Ne regardez pas seulement le poison, regardez aussi le repas de l'oiseau."

Le modèle BIRDkiss est comme un simulateur de vol pour les écotoxicologues. Il permet de tester des situations de "tempête" (faim + poison) pour voir si l'oiseau (la population) va survivre ou non, sans avoir besoin de sacrifier des milliers d'oiseaux réels dans des expériences cruelles. C'est une approche plus intelligente, plus humaine et plus réaliste pour protéger la nature.

Résumé technique

Titre

Nouvelles perspectives dans l'évaluation des risques environnementaux pour les oiseaux : un cadre TKTD simple reliant le budget énergétique de la croissance et de la reproduction au stress chimique.

1. Problématique

L'évaluation des risques environnementaux (ERE) des pesticides pour les oiseaux repose traditionnellement sur des tests de laboratoire en laboratoire (selon la directive de l'OCDE n° 206) utilisant des substances actives uniques. Cependant, cette approche présente plusieurs limites majeures :

• Extrapolation difficile : Il est complexe d'extrapoler les résultats de laboratoire (expositions constantes, conditions contrôlées) à des scénarios réels de terrain qui impliquent des expositions temporelles variables, des mélanges de produits chimiques et une diversité de conditions alimentaires.
• Manque de modèles mécanistes adaptés : Bien que les modèles de budget énergétique dynamique (DEB) et toxicocinétique-toxicodynamique (TKTD) soient reconnus pour les organismes aquatiques, très peu de modèles spécifiques aux oiseaux existent pour prédire les effets sublétaux (croissance et reproduction).
• Interactions des stress : Les modèles statistiques actuels peinent à intégrer les interactions complexes entre le stress chimique et les stress environnementaux (comme la limitation alimentaire) qui peuvent amplifier les effets négatifs sur la fitness des oiseaux.

2. Méthodologie

Les auteurs proposent un nouveau cadre de modélisation nommé BIRDkiss (Bird - Impact on Reproduction via Diet, keep it simple and suitable). Ce modèle est entièrement intégré dans un package R open-source et utilise une approche bayésienne pour l'inférence.

Architecture du modèle :
Le modèle combine deux composantes principales :

1. Composante DEBkiss (Budget Énergétique Dynamique simplifié) :

   • Basée sur la théorie DEBkiss (une version simplifiée du DEB standard), elle évite le compartiment de réserve d'énergie complexe.
   • Les variables d'état sont les masses (poids sec) du corps structurel ($W_V$) et du tampon de reproduction ($W_R$).
   • Le flux d'alimentation assimilé ($J_A$) est divisé selon la règle $\kappa$ : une fraction ($\kappa$) est allouée à la croissance et à l'entretien somatique, et l'autre fraction ($1-\kappa$) à la reproduction.
   • La production d'œufs est limitée par une capacité de charge (saturation) et un coût de production spécifique.

2. Composante TKTD (Toxicocinétique-Toxicodynamique) :

   • Toxicocinétique (TK) : Modélise l'accumulation de dommages internes ($D$) basée sur l'ingestion d'aliments contaminés. Elle utilise une constante de taux dominant ($k_d$) et un coefficient de biodisponibilité ($y_{BU}$).
   • Toxicodynamique (TD) : Convertit le dommage interne en une fonction de stress appliquée à la production d'œufs. Cette fonction suit une distribution log-logistique (hypothèse de tolérance individuelle) définie par une médiane ($\alpha$) et un paramètre de forme ($\beta$).

Gestion des mélanges et scénarios :

• Le modèle permet de simuler des expositions à des mélanges chimiques via deux paradigmes classiques : Addition de Concentration (CA) et Action Indépendante (IA).
• Il intègre la variabilité de la disponibilité alimentaire (de la famine à l'excès) pour étudier les effets synergiques.

Calibration et Validation :

• Les paramètres sont estimés via une inférence bayésienne (utilisation de Stan) sur des données de tests de reproduction d'oiseaux (canards colverts et cailles des blés) exposés à des substances uniques (ex. : atrazine, délamethrine, abamectine, etc.).
• Les variables observées sont le poids corporel et le nombre d'œufs pondus.

3. Contributions Clés

• Cadre BIRDkiss : Développement d'un modèle mécaniste, simple et robuste, spécifiquement conçu pour les oiseaux, reliant l'ingestion alimentaire, l'allocation d'énergie et le stress chimique.
• Approche Trait-based : Réduction du nombre de paramètres à identifier par rapport aux modèles DEB complets, augmentant la robustesse statistique et la facilité de calibration avec les données réglementaires existantes.
• Intégration des mélanges : Implémentation des modèles CA et IA pour prédire les effets des mélanges de pesticides, une première étape vers une évaluation mécaniste des mélanges pour les oiseaux.
• Outil Open-Source : Mise à disposition d'un package R complet pour la calibration, la validation et la prédiction, facilitant l'adoption par la communauté scientifique et réglementaire.
• Analyse des stress multiples : Capacité à simuler des scénarios réalistes combinant exposition chimique et limitation alimentaire, dépassant les conditions de laboratoire statiques.

4. Résultats

• Calibration : Le modèle montre un excellent ajustement (Goodness-of-Fit) avec les données observées pour les substances uniques. Les vérifications prédictives a posteriori (PPC) confirment que le modèle couvre correctement les données de poids et de production d'œufs pour la plupart des combinaisons espèce-chimique.
• Prédiction des EC50 : Le modèle permet de calculer des concentrations efficaces médianes (EC50) pour la production d'œufs, révélant des différences de sensibilité entre les espèces (ex. : la caille est plus sensible à l'azoxystrobine que le canard).
• Effet de la disponibilité alimentaire :
  • Saturation : Une augmentation excessive de la nourriture ne conduit pas à une augmentation linéaire de la ponte (effet de saturation).
  • Famine : Une réduction significative de la nourriture diminue drastiquement la reproduction, car l'énergie est réallouée vers l'entretien vital (maintenance).
• Interactions Chimie-Alimentation : Les simulations révèlent une synergie négative. Lorsque la disponibilité alimentaire est faible, l'exposition aux produits chimiques amplifie considérablement le déclin de la production d'œufs. L'énergie disponible doit être partagée entre la maintenance, la reproduction et la détoxication, créant une compétition énergétique critique.
• Mélanges : Les modèles IA et CA produisent des résultats cohérents avec leurs fondements théoriques. Le modèle IA tend à sous-estimer les effets combinés par rapport au modèle CA (qui est plus conservateur), notamment aux faibles niveaux d'exposition où les seuils d'effet ne sont pas atteints individuellement.

5. Signification et Implications

• Pertinence Écologique : L'intégration de modèles comme BIRDkiss dans les cadres réglementaires (ex. : mise à jour de la directive de l'OCDE 206) permettrait d'améliorer la pertinence écologique des évaluations des risques en tenant compte des réalités du terrain (variations alimentaires, mélanges).
• Réduction de l'expérimentation animale : En permettant des prédictions robustes basées sur des données existantes et des scénarios virtuels, ce modèle pourrait aider à réduire le nombre de nouveaux tests sur animaux nécessaires pour l'autorisation des pesticides.
• Gestion des risques complexes : Le modèle met en évidence que les évaluations basées uniquement sur des tests de laboratoire en conditions optimales (nourriture abondante) pourraient sous-estimer la sévérité des impacts sur les populations sauvages soumises à la fois à la contamination et à la pénurie alimentaire.
• Avenir : Bien que la validation des mélanges nécessite encore des données empiriques spécifiques, BIRDkiss offre une base solide pour une approche mécaniste de l'évaluation des risques combinés, essentielle pour la protection de la biodiversité aviaire.