Séquençage du génome entier et intelligence artificielle pour caratériser et diagnostiquer la résistance aux antibiotiques et la capacité d'échapper au traitement

La détermination de la sensibilité d’une bactérie à un antibiotique est essentielle afin d’optimiser le traitement d’une infection. Le séquençage génomique est une alternative prometteuse en diagnostic clinique. Nos objectifs sont, pour trois espèces pathogènes majeures, Escherichia coli (Ec), Klebsiella pneumoniae (Kp) et Pseudomonas aeruginosa (Pa), (i) d’établir des stratégies innovantes combinant l’intelligence artificielle et les connaissances des mécanismes de résistance pour prédire la sensibilité aux antibiotiques, (ii) pour identifier et caractériser de nouveaux mécanismes de résistance et (iii) pour établir une preuve de concept de l’utilisation du séquençage génomique comme un outil de diagnostic.

Nous avons établi des collections d’apprentissage pour les trois espèces. Avec ces données, nous avons développé plusieurs modèles explicables de machine learning pour la prédiction de la sensibilité en utilisant différents types d’encodage (k-mers, n-grams, “knowledge-based”). Nous avons développé une procédure pour enrichir nos données avec des collections publiques et pour imputer des phénotypes manquants. Les prédictions du phénotype sont les plus exactes pour Ec et Kp, mais doivent être améliorées pour leur utilisation en clinique. Nous mettons pour cela au point de nouvelles méthodes utilisant le deep learning.

Afin d'améliorer les prédictions nous avons caractérisé les mutations contribuant à la résistance de Pa aux ß-lactamines, en particulier aux céphalosporines, ainsi que celle contribuant à la résistance de Kp au mécillinam et à la colistine. Nous avons également caractérisé les spectres d'activité de variants de carbapénèmases. Nous avons mis au point le système d'interférence CRISPR chez Kp pour identifier de nouveaux loci impliqués dans la résistance aux antibiotiques. Les expériences de bactéricidie appliquée à 67 souches de Pa, 36 souches d’Ec et 57 souches de Kp modélisées à l’aide de modèles non linéaires à effets mixtes, ont montré qu’elles pourraient remplacer les expériences sur souris pour déterminer les index PK/PD. Nous avons analysé de manière prospective 221 souches de Pa, 98 de Kp et 121 d'Ec provenant de trois hôpitaux pour évaluer l’approche de diagnostic in silico. Nous avons débuté l’analyse de souches de patients réfractaires à un traitement antibiotique pour déterminer l'apport de l’utilisation du séquençage génomique en clinique.