6S rRNA phylogeny outperforms similarity thresholds for species identification and reveals genus-dependent underestimation of Lactobacillales diversity
Cette étude démontre que l'analyse phylogénétique des séquences d'ARNr 16S surpasse les seuils de similitude traditionnels et les méthodes de bases de données pour identifier avec précision les espèces au sein de l'ordre des Lactobacillales, tout en validant le séquençage par Oxford Nanopore comme un outil rentable pour l'évaluation de la diversité microbienne à haute résolution dans les habitats sous-explorés.
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
Chaque être vivant porte une histoire biologique inscrite dans son ADN, un registre moléculaire qui indique aux scientifiques qui est l'organisme et comment il est lié aux autres. Pour les bactéries, qui sont trop petites pour être vues clairement et qui se ressemblent souvent sous un microscope, ce registre génétique est le seul moyen fiable de distinguer une espèce d'une autre. Pendant des décennies, les chercheurs se sont appuyés sur un gène spécifique, connu sous le nom de gène ARNr 16S, pour servir de code-barres universel afin d'identifier ces formes de vie microscopiques. La méthode standard a consisté à comparer un nouvel échantillon bactérien à une vaste bibliothèque de séquences connues, en cherchant une correspondance basée sur la similitude des lettres du code génétique. Si la similitude est suffisamment élevée, généralement au-dessus d'un certain pourcentage, l'échantillon est attribué à une espèce connue. Cette approche a été le moteur de la microbiologie, mais elle présente un angle mort : lorsque deux espèces différentes possèdent des codes génétiques presque identiques, la simple méthode de comparaison échoue souvent à les distinguer, laissant les scientifiques incertains de ce qu'ils étudient exactement.
Cette incertitude est profonde car les bactéries ne sont pas seulement des noms abstraits ; elles sont les moteurs de notre alimentation, de notre santé et de notre environnement. Dans le monde de la fermentation, par exemple, différentes espèces de bactéries lactiques accomplissent des tâches très différentes. Certaines sont essentielles pour la fabrication de yaourts et de fromages sûrs et savoureux, tandis que d'autres peuvent provoquer des maladies ou une altération des aliments. Si un chercheur ne peut pas faire la différence entre une bactérie bénéfique et une bactérie nocive, les conséquences peuvent aller d'un lot de nourriture gâché à un diagnostic médical manqué. Le défi est particulièrement aigu dans les régions dotées d'une riche biodiversité mais de moins de ressources, où les scientifiques ont besoin d'outils abordables et précis pour cartographier la vie microbienne qui les entoure. Une équipe de chercheurs de l'Universidad EAFIT, en Colombie, s'est donné pour mission de tester si une manière plus sophistiquée de lire ces codes-barres génétiques pouvait résoudre ce problème, en utilisant une collection diversifiée de bactéries trouvées dans les aliments fermentés traditionnels de leur pays.
Les chercheurs ont rassemblé des centaines de souches bactériennes provenant de sources très variées, notamment des produits laitiers, des fruits fermentés et des aliments à base de plantes collectés dans les montagnes, les vallées et les côtes de la Colombie. Ils ont extrait l'ADN de ces échantillons et séquencé le gène ARNr 16S à l'aide d'un dispositif portable et abordable appelé MinION, qui permet une analyse génétique de haute qualité sans nécessiter un laboratoire centralisé massif. Une fois qu'ils ont obtenu les séquences génétiques, ils n'ont pas simplement cherché la correspondance la plus proche dans une base de données. Au lieu de cela, ils ont construit un arbre généalogique détaillé pour les bactéries en utilisant une méthode appelée Maximum Likelihood (Maximum de Vraisemblance). Cette approche ne se contente pas de compter combien de lettres sont identiques entre deux séquences ; elle analyse les schémas spécifiques de changement qui se sont produits au fil du temps pour déterminer comment les bactéries sont liées. C'est une façon de reconstruire l'histoire évolutive du groupe, en recherchant des traits partagés qui définissent une famille ou une espèce spécifique.
Lorsque l'équipe a comparé cette approche évolutive à la méthode standard de simple vérification de la similitude, la différence dans les résultats fut frappante. La méthode standard, qui repose sur un simple pourcentage de correspondance, renvoyait souvent des dizaines d'espèces possibles pour un seul échantillon bactérien, laissant les chercheurs sans réponse claire. Dans de nombreux cas, les bactéries étaient si similaires que l'outil standard ne pouvait pas les distinguer, les regroupant de fait comme une seule espèce. En revanche, la méthode de l'arbre évolutif a réussi à identifier plus de la moitié des souches bactériennes au niveau de l'espèce. Les chercheurs ont constaté que pour de nombreux groupes, la méthode de l'arbre pouvait localiser précisément l'espèce à laquelle appartient une souche en trouvant des signatures génétiques uniques que la simple comparaison avait manquées. Cependant, l'étude a également révélé que cette haute résolution n'est pas un remède miracle pour toutes les situations. Dans certains genres, ou groupes de bactéries apparentées, les différences génétiques entre les espèces sont si minimes que même la méthode avancée de l'arbre ne peut les distinguer, ce qui signifie que pour certains types de bactéries, le décompte des espèces reste incertain.
Les conclusions suggèrent que la manière dont les scientifiques identifient les bactéries doit passer de la simple correspondance à la compréhension des relations. L'étude a démontré qu'en utilisant un cadre évolutif plus rigoureux, les chercheurs peuvent révéler une image beaucoup plus claire de la diversité microbienne, identifiant des dizaines d'espèces qui étaient auparavant cachées ou mal identifiées. Ce niveau de précision est crucial pour les industries qui dépendent de bactéries spécifiques, telles que la production alimentaire et les probiotiques, où la mauvaise espèce pourrait entraîner des problèmes de sécurité ou des produits défectueux. De plus, la recherche a prouvé que cette analyse de haut niveau peut être réalisée de manière abordable et localement. En utilisant le dispositif de séquençage portable et en construisant leurs propres pipelines d'analyse, l'équipe a montré que les pays dotés d'une riche biodiversité n'ont pas besoin d'attendre des installations centralisées coûteuses pour comprendre leurs propres ressources microbiennes. Ils peuvent identifier les bactéries spécifiques dans leurs aliments et environnements traditionnels avec confiance, garantissant que le patrimoine biologique unique de leur région est documenté et protégé avec précision.
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.