Nouveau outil améliore l'étude des interactions entre pathogènes

Les microbes et les virus peuvent infecter des cellules vivantes, ce qui affecte leur fonctionnement. Pour comprendre ces interactions, c'est important d'étudier comment l'infection change la façon dont une cellule hôte exprime ses gènes, en même temps que celle du microbe ou du virus. Ça peut nous aider à comprendre comment les infections fonctionnent et trouver des moyens de les traiter.

La pandémie de COVID-19 a mis en lumière l'importance d'étudier à la fois l'hôte et le virus. Les chercheurs examinent maintenant des cellules individuelles pendant l'infection pour comprendre comment le corps réagit à différents Pathogènes.

#Méthodes actuelles et leurs défis

Les chercheurs infectent souvent des lignées cellulaires ou des animaux avec des pathogènes connus pour voir comment ces infections impactent l'Expression génétique. Cette analyse intégrée peut révéler les mécanismes derrière les maladies causées par ces pathogènes et aider à trouver des cibles potentielles pour des traitements.

Cependant, les méthodes existantes pour étudier l'expression des gènes pendant les infections font souvent face à des défis. Par exemple, lors de l'analyse des données issues du Séquençage d'ARN à cellule unique (scRNAseq), les scientifiques doivent généralement suivre des étapes compliquées pour traiter et aligner les données lues de l'hôte et du pathogène. Le processus actuel peut être long et fastidieux, rendant l'analyse de grands ensembles de données difficile.

#Un nouvel outil : scPathoQuant

Pour résoudre ces défis, un nouvel outil appelé scPathoQuant (SPQ) a été développé. SPQ simplifie le processus d'analyse de l'expression génétique des pathogènes à partir des données de séquençage à cellule unique. Il regroupe tous les outils bioinformatiques nécessaires dans une bibliothèque Python facile à utiliser qui peut être exécutée avec une seule commande. Ça réduit la charge de travail pour les chercheurs et accélère le processus d'analyse.

SPQ effectue des étapes clés, y compris :

1. Extraire les lectures non alignées du génome de l'hôte.
2. Mapper les lectures isolées sur le génome du pathogène spécifique.
3. Compter les identifiants moléculaires uniques (UMIs) pour quantifier les niveaux d'expression génique.
4. Intégrer les données obtenues dans l'ensemble de données original pour des analyses ultérieures.

En simplifiant ces étapes, SPQ permet aux utilisateurs d'examiner facilement l'expression génétique de l'hôte et du pathogène.

#Comment ça marche SPQ ?

SPQ commence par extraire les lectures non alignées, qui sont les séquences qui ne correspondent pas au génome de l'hôte, en utilisant un outil appelé SAMtools. Ensuite, il aligne ces lectures sur le génome du pathogène en utilisant soit bbmap soit bowtie2, connus pour leur rapidité et leur précision.

Une fois les lectures alignées, SPQ compte les lectures mappées avec HTSeq, fournissant des informations détaillées sur l'expression globale du pathogène et des gènes spécifiques. Le programme intègre ensuite ces données dans l'ensemble de données original, ce qui permet aux chercheurs de voir comment les pathogènes affectent l'expression génique de l'hôte.

SPQ fournit aussi des sorties utiles, comme des graphiques en violon montrant la distribution des comptes de pathogènes et des cartes de couverture des lectures alignées au pathogène.

#Tester SPQ

L'efficacité de SPQ a été testée avec des données d'études précédemment publiées. Ces études concernaient des infections par le VIH et le SARS-CoV-2, tous deux connus pour avoir un impact significatif sur la santé humaine.

Pour le VIH, les chercheurs ont comparé les résultats obtenus avec SPQ à ceux de méthodes traditionnelles comme CellRanger. Ils ont constaté que SPQ fournissait des résultats comparables, identifiant avec précision les cellules infectées par le VIH. La corrélation entre les comptes de lectures des différentes méthodes était forte, confirmant la fiabilité de SPQ.

De même, SPQ a été testé avec des données d'infections par SARS-CoV-2. Les chercheurs ont utilisé des données scRNAseq de cellules épithéliales bronchiques humaines infectées par le virus. SPQ a réussi à identifier les cellules infectées et à fournir des comptes précis des ARN viraux. Les résultats montraient une forte corrélation avec ceux obtenus par CellRanger, indiquant que SPQ performe bien pour détecter les lectures virales.

#Co-infections et leur impact

Comprendre comment des infections multiples affectent l'expression génique de l'hôte est crucial pour développer des traitements. SPQ peut détecter plusieurs pathogènes dans une seule analyse, ce qui facilite l'étude des co-infections.

Par exemple, les chercheurs ont utilisé SPQ pour identifier à la fois le SARS-CoV-2 et un autre virus appelé métapneumovirus dans des échantillons de tissu pulmonaire d'un patient. SPQ a montré le nombre de cellules infectées et l'abondance de chaque virus, aidant les chercheurs à comprendre comment ces infections pourraient interagir.

#Comparer SPQ avec d'autres outils

À part SPQ, il existe d'autres outils conçus pour détecter les lectures de pathogènes dans les données de séquençage d'ARN à cellule unique, comme ViralTrack, PathogenTrack, et Venus. Cependant, ces outils nécessitent souvent des étapes de prétraitement compliquées et peuvent être moins efficaces que SPQ.

Quand SPQ a été comparé à ces outils en utilisant les mêmes données d'infection par le VIH, les résultats étaient cohérents entre toutes les méthodes. Malgré quelques variations dans les résultats dues aux différents algorithmes, SPQ a montré une solide performance tout en nécessitant moins de temps de calcul.

#Conclusion

SPQ représente une avancée significative dans l'analyse des interactions entre pathogènes et hôtes. Sa capacité à simplifier le processus de détection et de quantification de l'expression génétique des pathogènes en fait un outil précieux pour les chercheurs.

Cet outil n'est pas limité aux infections virales, il peut aussi analyser les bactéries intracellulaires. En fournissant une méthode simple pour étudier les infections au niveau des cellules uniques, SPQ permet aux scientifiques de mieux comprendre comment les pathogènes affectent leurs hôtes et peut conduire au développement de nouvelles thérapies.

Les chercheurs peuvent accéder à SPQ et à ses ensembles de données associés pour contribuer davantage à la compréhension des interactions entre pathogènes dans la communauté scientifique. Avec SPQ, l'avenir de l'étude des infections semble prometteur, permettant une recherche plus efficace et efficace dans ce domaine.