Targeted Depletion of rRNAs and Tobamoviruses Enhances Viral Discovery in Wastewater Metatranscriptomes
Cette étude démontre que l'épuisement ciblé des ARN ribosomiques abondants et des tobamovirus infectant les plantes dans les métatranscriptomes des eaux usées réduit significativement le bruit de fond, permettant ainsi la détection de pathogènes humains et animaux de faible abondance qui sont autrement indétectables.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Les eaux usées sont une soupe complexe de matériel génétique, contenant des fragments de cellules humaines, de bactéries, de la nourriture consommée par les gens, ainsi que d'innombrables micro-organismes qui vivent dans notre intestin et dans l'environnement. Les scientifiques ont appris à lire cette soupe génétique pour suivre les virus qui circulent dans une communauté, une pratique connue sous le nom de surveillance des eaux usées. En analysant l'ARN, ou les instructions génétiques, présents dans les égouts, les chercheurs peuvent repérer des épidémies de maladies comme la grippe ou la polio avant même que les patients ne consultent un médecin. Cependant, cette méthode est confrontée à un obstacle de taille : le signal génétique des virus qui importent est souvent noyé sous une quantité massive de bruit de fond. Tout comme il est difficile d'entendre un chuchotement dans un stade bondé, trouver de rares virus humains dans les eaux usées est difficile car ils sont enfouis sous une montagne d'autre matériel génétique, spécifiquement l'ARN ribosomal provenant de bactéries et de cellules humaines, ainsi que le matériel génétique de virus végétaux que les gens rejettent après avoir mangé.
Pour résoudre ce problème, des chercheurs à Calgary, au Canada, ont testé une nouvelle approche pour nettoyer le signal génétique avant de le lire. Ils se sont concentrés sur deux sources majeures d'interférence : l'ARN ribosomal, qui est abondant dans presque toutes les cellules vivantes, et les tobamovirus, un groupe de virus végétaux qui pénètrent dans le système d'égouts lorsque les gens consomment des poivrons, des tomates ou d'autres produits infectés. Dans les échantillons d'eaux usées non traités, ces deux sources peuvent représenter plus de 95 % de l'ensemble du matériel génétique trouvé, laissant très peu de place pour détecter les pathogènes humains que les responsables de la santé publique doivent surveiller. Les chercheurs ont développé une méthode pour éliminer spécifiquement ces signaux dominants en utilisant des sondes moléculaires conçues sur mesure. Ces sondes agissent comme des aimants qui se lient à l'ARN ribosomal et viral végétal indésirable, empêchant leur copie et leur séquençage, tout en laissant intact le matériel génétique d'autres virus.
L'équipe a collecté des échantillons d'eaux usées provenant d'une grande station de traitement desservant plus d'un million de personnes et a divisé chaque échantillon en deux parties. Une partie a été traitée normalement, tandis que l'autre a été traitée avec les sondes pour éliminer l'ARN ribosomal et huit types courants de tobamovirus. Lorsqu'ils ont séquencé le matériel génétique des deux ensembles d'échantillons, la différence était frappante. Dans les échantillons non traités, la vaste majorité des données provenait du bruit de fond, l'ARN ribosomal constituant plus de 90 % des lectures. Dans les échantillons traités, ce bruit de fond est tombé à moins de 5 %. Ce nettoyage n'a pas seulement réduit le bruit ; il a considérablement amplifié le signal d'intérêt. Le nombre de lectures génétiques pouvant être identifiées comme virales a augmenté d'un facteur de six à onze, et la proportion de lectures appartenant à d'autres virus à ARN que les virus végétaux est passée d'environ 11 % à près de 55 %.
L'impact le plus significatif de cette méthode a porté sur la détection des agents pathogènes humains et animaux. Dans les échantillons qui n'ont pas été traités, de nombreux virus importants étaient simplement invisibles car leurs signaux génétiques étaient trop faibles pour émerger du bruit de fond. Après le traitement par déplétion, le nombre de lectures attribuées aux pathogènes humains et animaux a été multiplié par quarante-deux. Cette augmentation de données a permis aux chercheurs de détecter des virus qui étaient totalement indétectables dans les échantillons non traités, notamment la grippe, le virus respiratoire syncytial et l'hépatite A. La méthode a également amélioré la capacité à reconstituer les plans génétiques complets des virus. En éliminant l'abondante quantité de données de fond, les chercheurs ont pu assembler beaucoup plus de génomes viraux complets, y compris ceux de groupes de virus moins étudiés qui vivent dans l'intestin mais sont rarement observés dans les études sur les eaux usées.
Cette étude démontre que l'élimination ciblée du matériel génétique le plus abondant peut transformer la surveillance des eaux usées. En filtrant l'ARN ribosomal et les virus végétaux spécifiques qui dominent les égouts, les scientifiques peuvent rediriger leur puissance de séquençage vers les virus rares qui comptent le plus pour la santé publique. L'approche ne nécessite pas de séquençage ultra-profond coûteux ou de panels complexes conçus pour traquer des virus spécifiques connus. Au lieu de cela, elle utilise une stratégie de soustraction pour libérer l'espace, rendant la technologie de séquençage existante bien plus efficace pour trouver ce qui est caché. Les résultats suggèrent que cette méthode pourrait devenir une étape standard de l'analyse des eaux usées, permettant aux communautés de surveiller un plus large éventail de maladies avec une sensibilité et une clarté accrues.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.