A Flux-to-AI Discovery Framework Reveals Carbon-Regulated Intermittent Non-Canonical Nitrification in Achromobacter xylosoxidans

La vie sur Terre dépend d'un échange délicat et invisible d'azote, un élément essentiel à la construction des protéines et de l'ADN. Dans le monde naturel, les bactéries agissent comme les principaux ingénieurs de ce cycle, transformant l'azote de l'air ou du sol en formes que les plantes et les animaux peuvent utiliser. Tandis que certaines bactéries accomplissent ce travail en utilisant la lumière du soleil ou des produits chimiques inorganiques, d'autres, connues sous le nom d'hétérotrophes, dépendent du carbone organique — essentiellement de la nourriture — pour alimenter leurs transformations de l'azote. Pendant des décennies, les scientifiques ont compris les voies standards de ce processus, mais une route alternative cachée est restée insaisissable dans certaines bactéries. Ce mystère est particulièrement pertinent pour la santé humaine, car certaines de ces bactéries sont des pathogènes opportunistes qui prospèrent dans les poumons de personnes atteintes de la mucoviscidose, une maladie génétique qui crée un mucus épais et collant. Comprendre comment ces bactéries survivent et s'adaptent dans un environnement aussi rude et riche en nutriments pourrait révéler de nouvelles façons de gérer les infections chroniques.

Une équipe de chercheurs de l'Université d'État de San Diego a maintenant mis au jour une stratégie métabolique cachée utilisée par une bactérie spécifique appelée Achromobacter xylosoxidans. En combinant la modélisation informatique avancée avec des expériences en laboratoire et l'intelligence artificielle, ils ont découvert que cette bactérie peut changer ses méthodes de production d'énergie en fonction de la quantité de nourriture disponible. Quand la nourriture est abondante, les bactéries se développent normalement. Mais quand la nourriture devient rare, elles activent un processus intermittent unique pour générer de l'énergie en oxydant l'azote, un comportement qui n'avait pas été clairement caractérisé auparavant. Cette découverte non seulement comble une lacune dans notre compréhension du cycle mondial de l'azote, mais elle éclaire également la manière dont ces bactéries persistent dans le corps humain, offrant potentiellement de nouvelles cibles pour le traitement.

Le voyage vers cette découverte a commencé par un effort massif de cartographie du blueprint génétique d'Achromobacter xylosoxidans. Les chercheurs ont rassemblé des données génomiques provenant de 133 souches différentes de la bactérie, incluant 21 nouvelles souches qu'ils ont isolées à partir de l'expectoration de patients atteints de mucoviscidose aux États-Unis. Ces souches provenaient d'environnements divers, incluant le sol, l'eau, les animaux et les humains. L'équipe a constaté que les souches associées à l'homme, particulièrement celles provenant de patients atteints de mucoviscidose, possédaient des génomes légèrement plus petits que leurs homologues environnementaux, suggérant qu'elles avaient éliminé du matériel génétique inutile pour s'adapter à la vie à l'intérieur du corps humain. Malgré ces différences, les bactéries partageaient un ensemble de gènes de base qui laissait présager une capacité commune à effectuer un type rare de traitement de l'azote.

Pour comprendre comment cette bactérie fonctionne, les chercheurs ont construit un modèle informatique détaillé de son métabolisme, créant essentiellement un jumeau numérique des réactions chimiques de la cellule. Ce modèle, qu'ils ont nommé iGC1310, a été construit en cartographiant les gènes de la bactérie aux réactions biochimiques connues, puis en le testant rigoureusement par rapport à des données réelles. L'équipe a cultivé la bactérie en laboratoire sur 285 sources de nourriture différentes, allant de sucres simples à des acides aminés complexes, pour voir lesquelles permettaient à la bactérie de prospérer. Ils ont ensuite comparé ces résultats expérimentaux avec les prédictions du modèle informatique. Par un processus d'essais et d'erreurs, ils ont affiné le modèle jusqu'à ce qu'il puisse prédire avec précision le comportement de croissance de la bactérie dans plus de 91 pour cent des cas. Ce haut niveau de précision a donné aux chercheurs la confiance nécessaire pour utiliser le modèle afin d'explorer des questions difficiles à répondre en laboratoire.

L'une des découvertes les plus significatives est apparue lorsque les chercheurs ont simulé la gestion de l'azote par la bactérie sous différentes conditions alimentaires. Le modèle a prédit que la bactérie possède un ensemble d'enzymes capables de convertir l'ammonium, une forme d'azote, en nitrite. Ce processus, connu sous le nom de nitrification, est typiquement associé à des bactéries qui ne dépendent pas de la nourriture organique. Cependant, le modèle a suggéré qu'Achromobacter xylosoxidans accomplit cette tâche uniquement lorsque sa réserve de carbone organique est faible. Pour tester cela, les chercheurs ont cultivé la bactérie en laboratoire et ont surveillé sa production chimique au fil du temps. Ils ont observé que, bien que les bactéries consomment l'ammonium durant leur phase de croissance rapide, elles ne commencent à produire du nitrite qu'après avoir épuisé la majeure partie de leur nourriture et être entrées dans une phase stationnaire plus lente. Cela a confirmé la prédiction de l'ordinateur : la bactérie bascule vers ce mode de traitement de l'azote comme stratégie de survie lorsque sa source de nourriture primaire vient à manquer.

Les chercheurs ont également découvert que cette capacité de traitement de l'azote n'est pas uniforme parmi toutes les souches de la bactérie. En analysant les génomes des 133 souches, ils ont trouvé que les gènes requis pour un processus apparenté appelé dénitrification — qui permet aux bactéries d'utiliser le nitrate comme source de nourriture — étaient complètement absents des souches isolées de patients humains. En revanche, ces gènes étaient présents dans les souches trouvées dans le sol et l'eau. Cela suggère que les bactéries associées à l'homme ont perdu la capacité d'utiliser le nitrate, probablement parce qu'il ne constitue pas une ressource utile dans l'environnement pulmonaire humain. Au lieu de cela, ces souches humaines ont conservé et spécialisé la capacité de traiter l'azote d'une manière qui les aide à survivre lorsque d'autres nutriments viennent à manquer.

Pour donner un sens à ces schémas complexes à travers tant de souches différentes, l'équipe a employé une approche novatrice qu'ils appellent « Flux-to-AI ». Ils ont injecté les prédictions du modèle informatique concernant la croissance de chaque souche sur différents nutriments dans un système d'intelligence artificielle. L'IA a analysé les données pour trouver des motifs spécifiques distinguant les bactéries humaines des bactéries environnementales. Le système a identifié trois nutriments clés agissant comme de puissants marqueurs pour les souches associées à l'homme : un petit peptide appelé Gly-Met, un composé appelé acétoacétate, et l'acide aminé L-cystéine. Ces substances sont connues pour être abondantes dans les poumons des patients atteints de mucoviscidose, où elles sont libérées par la décomposition des cellules et des protéines mortes. L'analyse par l'IA a suggéré que les bactéries associées à l'homme ont évolué pour exploiter spécifiquement ces environnements riches en acides aminés, les utilisant comme source d'énergie primaire tout en gérant simultanément leur équilibre azoté.

L'étude met en évidence une stratégie d'adaptation sophistiquée où ces bactéries ont rationalisé leur boîte à outils génétique pour s'adapter à une niche spécifique. En perdant la capacité d'utiliser certains nutriments environnementaux comme le nitrate, elles ont doublé leurs efforts sur la capacité de prospérer dans le mucus riche en acides aminés du poumon humain. La nature intermittente de leur processus de nitrification, qui ne s'active que lorsque la nourriture manque, semble être un mécanisme crucial pour maintenir les niveaux d'énergie pendant les périodes de stress. Cette découverte remet en question la vision précédente selon laquelle ces bactéries seraient de simples habitants passifs du poumon, suggérant au contraire qu'elles sont des ingénieurs métaboliques actifs ajustant constamment leur chimie interne pour survivre.

Les implications de ce travail s'étendent au-delà d'une seule bactérie. Les chercheurs ont créé un cadre robuste combinant données génétiques, modélisation métabolique et intelligence artificielle pour prédire comment les bactéries se comporteront dans différents environnements. Cette approche « Flux-to-AI » pourrait être appliquée à d'autres microbes pour découvrir des voies métaboliques cachées et comprendre comment ils s'adaptent à leurs hôtes ou aux changements climatiques. Pour la communauté médicale, l'identification de nutriments spécifiques sur lesquels les souches associées à l'homme dépendent ouvre la voie à de nouvelles stratégies thérapeutiques. En ciblant les voies qui permettent à ces bactéries de traiter les acides aminés ou de basculer vers une énergie basée sur l'azote, il pourrait être possible de perturber leur capacité à persister dans les poumons des patients atteints de mucoviscidose. L'étude n'offre pas de remède immédiat, mais elle fournit une carte détaillée et claire du paysage métabolique que ces bactéries habitent, offrant une nouvelle perspective sur la manière de le naviguer.