Pathotypr: harmonised MTBC lineage assignment and resistance-associated variant detection for genomic surveillance

L'article présente Pathotypr, un outil d'analyse génomique rapide et sans alignement permettant l'assignation harmonisée des lignées et la détection des variants associés à la résistance de *Mycobacterium tuberculosis*, facilitant ainsi une surveillance de la tuberculose en temps réel et transfrontalière.

L'essentiel

🦠 Le "Super-Détective" de la Tuberculose : Présentation de Pathotypr

Imaginez que la tuberculose (TB) est un grand crime organisé mondial. Les criminels (les bactéries Mycobacterium tuberculosis) ne sont pas tous identiques : ils appartiennent à différentes "familles" ou clans (appelés lignées). Certains sont très courants, d'autres sont rares, et certains sont même des "animaux" qui peuvent infecter les humains. De plus, certains de ces criminels portent des armes spéciales : ils sont résistants aux médicaments (comme si un voleur avait un gilet pare-balles).

Le problème actuel, c'est que les outils pour identifier ces criminels sont lents, incomplets ou parlent tous un langage différent. C'est comme si chaque policier utilisait un dictionnaire différent pour nommer les suspects !

C'est là qu'intervient Pathotypr, le nouveau super-outil créé par les chercheurs.

1. Le Problème : Un Chaos de Noms et de Lentesurs

Avant Pathotypr, identifier une souche de tuberculose était comme essayer de reconnaître un visage dans une foule avec une vieille photo floue.

• Incohérence : Un même groupe de bactéries pouvait avoir 5 noms différents selon le laboratoire.
• Lenteur : Les outils existants prenaient des heures, voire des jours, pour analyser un seul échantillon. C'est trop lent quand on veut arrêter une épidémie en temps réel.
• Cécité : Ils ne voyaient pas les "clans" rares ou animaux, et ratent souvent les nouveaux types de résistance aux médicaments.

2. La Solution : Pathotypr, le "Scanner Universel"

Pathotypr est un logiciel conçu pour être rapide, universel et précis. Voici comment il fonctionne, avec des analogies simples :

• L'Approche "Sans Contact" (Alignment-free) :
  Imaginez que les outils classiques doivent coller chaque pièce d'un puzzle (le génome de la bactérie) sur un tableau de référence pour voir où elle va. C'est long et si le puzzle est un peu différent, ça ne marche pas.
  Pathotypr, lui, utilise une méthode "empreinte digitale". Il ne regarde pas le puzzle pièce par pièce. Il scanne rapidement des millions de petits motifs (comme des codes-barres) dans l'ADN. C'est comme si un détective reconnaissait un suspect juste en voyant sa silhouette de loin, sans avoir besoin de le faire asseoir pour un interrogatoire long.

• La Carte au Trésor Mise à Jour :
  Les chercheurs ont créé une "carte généalogique" géante en étudiant 26 813 génomes de bactéries. C'est comme avoir un arbre généalogique complet de toute la famille criminelle, y compris les branches rares et les cousins animaux. Pathotypr utilise cette carte pour dire exactement : "Ah, cette bactérie vient de la famille L4, branche 2".

• Le Détecteur de Gilets Pare-balles (Résistance) :
  Pathotypr ne se contente pas de nommer le clan. Il vérifie immédiatement si la bactérie porte des gilets pare-balles (résistance aux médicaments). Il compare l'ADN de la bactérie à une liste officielle de la WHO (Organisation Mondiale de la Santé) pour dire : "Attention, cette souche résiste à l'isoniazide et à la rifampicine".

3. Pourquoi c'est une Révolution ? (Les Résultats)

• La Vitesse Éclair :
  Si les anciens outils prenaient plusieurs minutes (voire des jours pour des milliers d'échantillons) pour analyser un échantillon, Pathotypr le fait en 1 seconde.
  Analogie : C'est la différence entre envoyer une lettre par la poste (ancien outil) et envoyer un SMS instantané (Pathotypr). Ils ont pu analyser 88 000 échantillons en seulement 24 heures !

• La Précision Totale :
  Sur des tests avec des génomes complets, Pathotypr a eu 100% de réussite. Il ne se trompe pas sur l'identité du clan, même pour les familles rares que les autres outils ignoraient (comme le "Lignée 10" ou les bactéries adaptées aux animaux).

• Le Choix du Meilleur Miroir (Match Module) :
  Pour bien analyser un échantillon, il faut le comparer à la référence la plus proche. Pathotypr trouve automatiquement le "miroir" le plus proche pour chaque bactérie.
  Analogie : Si vous essayez de comparer votre visage à celui d'un tigre, vous aurez beaucoup de "fausses différences". Pathotypr vous dit : "Non, compare-toi à ce lion, c'est plus proche". Cela réduit les erreurs et les fausses alarmes sur la diversité de la bactérie.

4. L'Application Réelle : Traquer les Intrus en Europe

Les chercheurs ont testé Pathotypr sur un grand jeu de données (CRyPTIC) contenant des milliers de cas. Ils ont pu :

1. Reconstituer les voyages : Identifier comment la bactérie a voyagé d'Asie ou d'Amérique du Sud vers l'Allemagne, l'Italie et l'Ukraine.
2. Détecter les dangers : Ils ont découvert que les bactéries "importées" (qui arrivent d'ailleurs) étaient beaucoup plus souvent résistantes aux médicaments (MDR) que celles qui circulent localement.
3. Visualiser l'histoire : Créer des cartes montrant les routes d'infection, comme un tableau de bord de trafic aérien pour les virus.

En Résumé

Pathotypr est comme un GPS ultra-rapide et intelligent pour la surveillance de la tuberculose.

• Il parle la même langue partout (harmonisation).
• Il voit tout, même les petits détails rares (toutes les lignées).
• Il détecte les armes dangereuses (résistance aux médicaments).
• Et surtout, il le fait instantanément.

C'est un outil crucial pour les autorités de santé publique, leur permettant de réagir vite, de tracer les épidémies à travers les frontières et de sauver des vies en identifiant rapidement les bactéries les plus dangereuses.

Résumé technique

Titre : Pathotypr : attribution harmonisée des lignées du complexe Mycobacterium tuberculosis (MTBC) et détection de variants associés à la résistance pour la surveillance génomique.

1. Problématique

La surveillance génomique de la tuberculose (TB) fait face à plusieurs défis majeurs qui limitent l'interopérabilité et la rapidité des analyses :

• Incohérence des nomenclatures : L'attribution des lignées du complexe Mycobacterium tuberculosis (MTBC) varie selon les études et les bases de données (ex. : confusion entre les lignées 5/6 et M. africanum, ou traitement disparate des clades adaptés aux animaux A1-A4).
• Limites des outils existants : Les outils actuels (comme TB-Profiler ou KvarQ) ne supportent pas toujours les lignées récemment décrites (ex. : L10) ou les clades animaux rares (A1, A2). De plus, ils reposent souvent sur des alignements de lecture coûteux en temps ou sur des marqueurs obsolètes.
• Besoin de rapidité et d'harmonisation : Il manque d'outils capables d'effectuer une attribution de lignée harmonisée et un génotypage de la résistance simultanément, à partir de lectures brutes (FASTQ) ou d'assemblages, avec une vitesse suffisante pour une surveillance en temps quasi réel.

2. Méthodologie

Les auteurs ont développé Pathotypr, un outil open-source écrit en Rust, conçu comme un cadre d'analyse sans alignement (alignment-free).

• Reconstruction phylogénétique : Une phylogénie de référence a été reconstruite à partir de 26 813 génomes du MTBC, utilisant 609 003 sites polymorphes. Cette base de données inclut les 10 lignées humaines (L1-L10) et les 4 clades animaux (A1-A4).
• Développement des marqueurs : À partir de cette phylogénie, les auteurs ont dérivé un ensemble de 2 145 SNP définissant les lignées. Ces marqueurs sont situés sur les branches souches menant à chaque lignée monophylétique, en excluant les variants homoplasiques et les mutations faux-sens pour assurer la stabilité évolutive.
• Architecture logicielle (5 modules) :
  1. Train : Entraîne un classifieur Random Forest basé sur des vecteurs de k-mers (k=31) à partir d'assemblages étiquetés.
  2. Predict : Applique le modèle entraîné pour prédire la lignée d'assemblages nouveaux sans alignement.
  3. Classify : Recherche les marqueurs SNP définissant les lignées et la résistance directement dans les assemblages.
  4. Split-FASTQ : Effectue un génotypage direct à partir de lectures brutes (FASTQ) sans alignement, en utilisant des k-mers pour appeler les variants.
  5. Match : Identifie le génome de référence le plus proche pour chaque échantillon afin d'optimiser les étapes d'alignement ultérieures.
• Génotypage de la résistance : L'outil interroge le catalogue des mutations de l'OMS (2023, grades de confiance 1 et 2) pour prédire la résistance aux médicaments et catégoriser les isolats (Pan-S, INH-R, MDR, pre-XDR, etc.).

3. Contributions Clés

• Couverture complète des lignées : Pathotypr est le premier outil à supporter simultanément les 14 lignées/clades reconnus (L1-L10 et A1-A4), y compris les lignées rares (L8, L9, L10) et les clades animaux (A1, A2) souvent ignorés par les autres outils.
• Approche hybride et rapide : Combinaison d'une approche basée sur les marqueurs SNP et d'un modèle d'apprentissage automatique (Random Forest) sur les k-mers, permettant une analyse sans alignement.
• Interface accessible : Disponible en ligne de commande et via une application de bureau (GUI) cross-platform, fonctionnant sur du matériel standard (< 8 Go de RAM).
• Optimisation de la référence : Le module "Match" permet de sélectionner la référence génomique la plus proche, réduisant les artefacts d'alignement et améliorant la précision des appels de variants.

4. Résultats

• Performance d'attribution des lignées :
  • 100 % de concordance entre les appels basés sur les marqueurs et le modèle Random Forest sur 498 génomes complets de référence (RefSeq).
  • 100 % de précision sur un ensemble de test indépendant de 254 assemblages.
  • Sur un jeu de données massif de 88 071 échantillons (UShER-TB), la concordance avec TB-Profiler était de 100 % pour les lignées partagées. Pathotypr a en outre identifié des échantillons des lignées L10, A1 et A2 que TB-Profiler ne pouvait pas classifier.
• Vitesse de traitement :
  • Temps d'exécution d'environ 1 seconde par échantillon.
  • Traitement de 88 071 échantillons en environ 24 heures sur 4 threads (contre une estimation de 636 jours pour TB-Profiler dans des conditions équivalentes).
• Prédiction de la résistance (Données CRyPTIC, n=7 148) :
  • Concordance génotype-phénotype globale de 85,0 %.
  • Haute performance pour les médicaments critiques : Rifampicine (Sensibilité 95,8 %, Spécificité 95,0 %) et Isoniazide (93,0 %, 97,9 %).
  • Les performances étaient plus faibles pour certains médicaments (amikacine, kanamycine) en raison de l'absence de marqueurs de confiance élevée dans le catalogue utilisé, et non d'une limitation de la méthode.
• Application épidémiologique :
  • Reconstruction de 135 événements d'introduction probables en Allemagne, Italie et Ukraine.
  • Mise en évidence d'un enrichissement significatif des génotypes MDR/pre-XDR parmi les isolats d'importation (33,7 % contre 5,5 % pour les isolats autochtones).

5. Signification et Impact

Pathotypr comble un vide critique dans la surveillance génomique de la tuberculose en offrant un outil rapide, interopérable et harmonisé.

• Surveillance transfrontalière : Sa capacité à traiter uniformément toutes les lignées, y compris les plus rares, facilite la comparaison des données entre laboratoires et pays, essentielle pour le suivi des clusters de résistance et des introductions internationales.
• Déploiement pratique : Sa faible exigence en ressources informatiques et son interface graphique permettent son utilisation dans des contextes de santé publique avec des infrastructures limitées, favorisant l'adoption de la surveillance génomique en temps réel.
• Évolutivité : L'architecture de l'outil permet une mise à jour facile des marqueurs et des catalogues de résistance, assurant sa pertinence face à l'évolution continue de la phylogénie du MTBC.

En résumé, Pathotypr représente une avancée majeure pour passer d'une surveillance fragmentée à une surveillance génomique de la tuberculose unifiée, rapide et capable de détecter simultanément la diversité phylogénétique et les profils de résistance.