Qui a infecté qui ? La statistique enquête sur l’espace, le temps et la génétique

Afin de maximiser l’efficacité des politiques de gestion des maladies infectieuses humaines, animales et végétales, il est essentiel de comprendre comment les agents pathogènes se propagent dans les populations. Pour ce faire, des chercheurs de l’INRA et de l’Université de Glasgow ont conçu une nouvelle méthode statistique permettant de reconstituer le déroulement d’une épidémie à partir d’informations temporelles, spatiales et génétiques sur le pathogène.

 

Contexte et enjeux : Les maladies infectieuses humaines, animales et végétales peuvent avoir des effets considérables sur une société, quel que soit son stade de développement. Pour améliorer notre capacité à contenir la propagation d’une maladie infectieuse, nous avons besoin de comprendre comment le pathogène se dissémine dans une population d’hôtes. L’une des approches les plus informatives sur la dissémination consiste à identifier les événements de transmission et les variables épidémiologiques associées. Les hôtes infectés proches dans le temps et l’espace sont souvent supposés reliés épidémiologiquement, mais ces informations sont généralement compatibles avec de nombreux scénarios de transmission de la maladie. Pour identifier qui a infecté qui au cours d’une épidémie, la génétique peut fournir un indice supplémentaire pour les pathogènes dont le génome évolue rapidement (par ex. des virus à ARN). En effet, même pour des épidémies courtes, on peut identifier des hôtes qui sont porteurs de variants du pathogène plus ou moins proches génétiquement. Ainsi, en plus de la proximité dans le temps et l’espace des hôtes infectés, la proximité génétique des variants du pathogène peut être utilisée pour réduire le nombre de scénarios de transmissions possibles et donc mieux comprendre les déterminants de l’épidémie. Cependant, comment combiner les informations temporelles, spatiales et génétiques ? Cette question constitue aujourd’hui un défi pour la modélisation et la statistique.

 

Résultats : Nous avons construit une nouvelle méthode statistique combinant les observations temporelles, spatiales et génétiques effectuées au cours d’épidémies causées par des pathogènes à évolution rapide. L’avancée méthodologique que nous avons réalisée permet une meilleure prise en compte des dépendances entre temps, espace et génétique, ce qui permet d’inférer plus finement les dynamiques de transmission et d’estimer avec plus de précisions des paramètres épidémiologiques tels que la distance moyenne des transmissions. Nous avons appliqué l’approche à des épidémies de fièvre aphteuse au Royaume Uni qui ont causé des pertes substantielles et qui demandent un effort de surveillance conséquent et continu dans l’espace et le temps.

 

Perspectives : Parce que le séquençage de génomes d’agents pathogènes sera à l’avenir de plus en plus répandu, nous pensons que les méthodes telles que la nôtre joueront un rôle important pour comprendre et prédire la dissémination de futures épidémies humaines, animales ou végétales.

 

Valorisation : Ce travail est le fruit d’une collaboration entre chercheurs de l’Université de Glasgow de l’INRA ; il a donné lieu à une publication dans un journal méthodologique de fort impact (Morelli et al., 2012).

 

Références bibliographiques : Morelli MJ, Thébaud G, Chadœuf J, King DP, Haydon DT, Soubeyrand S (2012). A Bayesian inference framework to reconstruct transmission trees using epidemiological and genetic data. PLoS Computational Biology 8(11): e1002768. doi:10.1371/journal.pcbi.1002768

 

Contact : Samuel Soubeyrand, BioSP Avignon