Ideas - La bioinformatique : les enjeux de l’informatique appliquée à l'étude des virus

La bioinformatique : les enjeux de l’informatique appliquée à l’étude des virus

Pauline Rocu, diplômée de Télécom Paris, chargée de mission sobriété numérique à l’ADEME (Agence de l’Environnement et de la Maîtrise de l’Énergie), sept. 2024.

Les recherches de Pauline Rocu ont porté sur la modélisation de la diffusion géographique d’un virus à partir de son arbre phylogénétique.

Elle est co-autrice de trois articles en bioinformatique portant sur des recherches auxquelles elle a contribué dans le cadre de son stage de fin d’études dans trois laboratoires à Montpellier, financé par l’ICIT-MUSE, programme de l’université de Montpellier.

Propos recueillis par Isabelle Mauriac

Podcast

Retrouvez cette interview en format audio dans le cadre des podcasts Télécom Paris Ideas :

Podcast Michel Desnoues, Télécom Paris

Bioinformatique et phylogéographie

— Nous allons commencer par définir ce qu’est la bioinformatique et quelles sont les applications et les enjeux de cette informatique appliquée au vivant. Je précise que vos recherches portent sur la modélisation de la diffusion spatiale d’un virus à partir de son arbre phylogénétique et que la phylogénétique est une branche de la bioinformatique. Comment définir la bioinformatique ?

La bioinformatique, un domaine très large, est l’application des mathématiques et de l’informatique aux sciences biologiques. C’est une manière de résoudre un problème ou une question biologique, par exemple comme la diffusion d’une espèce, le diagnostic de maladies ou la diffusion d’un virus qui sont étudiées grâce à l’informatique ou aux mathématiques.

Cela fait aujourd’hui appel à des calculs de plus en plus complexes car les données sont très hétérogènes. On essaie de modéliser du vivant qui par définition, est très complexe. C’est tout à fait en lien avec la base scientifique acquise ici à Télécom Paris.

— Vous avez travaillé plus précisément sur la phylogéographie, une sous-catégorie qui vise à reconstruire l’arbre phylogénétique, ici d’un virus en prenant en compte sa diffusion spatiale. Pouvez-vous nous expliquer ce que c’est ?

La phylogéographie associe phylogénétique et géographie. D’un côté, en lien les coordonnées spatiales et de l’autre, la reconstruction des liens de parenté au sein d’une espèce ou entre plusieurs espèces. Les liens de parenté ici ne correspondent pas aux ancêtres, comme pour un arbre généalogique . Ici sont étudiés des liens de proximité génétique entre les différentes espèces. Pour le résumer, la phylogéographie consiste à reconstruire l’arbre phylogénétique d’une espèce, c’est-à-dire les différents liens de parenté génétique au centre de cette espèce et annoter les coordonnées géographiques des positions de chacun des individus.

— Beaucoup de projets bioinformatiques utilisent l’IA. Dans ces rechercles en phylogéographie, vous vous êtes basée sur des méthodologies de statistiques bayésiennes et non sur de l’IA, pourriez-vous nous expliquer pourquoi ?

Les statistiques bayésiennes sont une autre manière de faire des statistiques. Il est tout à fait possible de faire de l’intelligence artificielle sur des logiques de statistiques bayésiennes. Mais dans le cas de ce projet, nous avons simplement utilisé des modélisations de statistiques bayésiennes sans faire intervenir l’intelligence artificielle. Ce choix a été fait parce que la reconstruction d’arbre phylogénétique s’effectue à partir d’observations réelles : on va sur le terrain, on sélectionne des échantillons du virus(…) et on cherche à reconstruire à partir de ces données d’observation réelles quels étaient les ancêtres les plus probables. Cela se reconstruit très bien par statistiques bayésiennes et permet aussi d’intégrer justement les paramètres géographiques à cette reconstruction. C’est la modélisation aujourd’hui la plus courante.

Modéliser la diffusion d’un virus

— Venons-en maintenant à votre sujet d’étude et à ces trois publications : il est question du virus de la panachure jaune et qui touche le riz, ainsi que de sa diffusion en Afrique de l’Est.

En effet, au cours de mon stage, nous avons étudié la diffusion du virus de la panachure jaune du riz en Afrique. C’est un virus uniquement présent en Afrique et sur l’île de Madagascar. On ne comprend pas forcément pourquoi il n’est pas présent sur les autres continents pour le moment, mais en Afrique c’est un vrai enjeu de souveraineté alimentaire du continent puisque, quand le riz est touché, la perte de rendement va de 25 à 100%. Il est donc très utile d’étudier la diffusion du virus pour comprendre tout simplement son comportement. Pendant mon stage, j’ai étudié vraiment de manière plus précise la diffusion en Afrique de l’Est, parce que le virus, originaire d’Afrique de l’Est, se serait diffusé ensuite en Afrique de l’Ouest et encore plus tardivement à Madagascar. Il y a eu des études de reconstructions phylogéographiques assez détaillées sur l’Afrique de l’Ouest et sur Madagascar mais il n’y en avait pas encore eu sur l’Afrique de l’Est. Grâce à un nouveau jeu de données, il a été possible d’aller un peu plus en profondeur sur la diffusion du virus en Afrique de l’Est pour mieux comprendre d’où venait le virus et comment il s’était diffusé. Cela a donné lieu à un premier article.

— Et qu’avez-vous découvert au sujet des statistiques portant sur la vitesse justement ?

Pour caractériser la diffusion de différents virus, on utilise effectivement des statistiques – on pourrait appeler ça aussi des métriques-, qui permettent de caractériser la diffusion spatiale du virus. Cela va être, par exemple, sa vitesse de diffusion, ou bien le coefficient de diffusion, c’est-à-dire à quel point le virus va se propager sur des surfaces en peu de temps. Ces statistiques de diffusion sont très regardées par les épidémiologistes pour caractériser justement la diffusion des virus. Mais comme on a assez peu de recul sur ces statistiques aujourd’hui, on les utilise pour caractériser les virus sans vraiment savoir si ce sont des métriques robustes ou non.

C’est pourquoi, au cours de mon stage, nous avons cherché à voir si la vitesse notamment, ou le coefficient de diffusion, est robuste à l’échantillonnage.

Mesurer ces vitesses est en fait assez simple, il suffit de faire la moyenne des distances parcourues sur le temps écoulé entre l’origine du virus et la situation actuelle, c’est assez instinctif. Il faudrait que cette métrique ne soit pas impactée par le nombre de données en entrée. Or, nous nous sommes rendu compte, en faisant plusieurs tests avec différents jeux de données du virus de la panachure jaune du riz, que cette vitesse de diffusion est justement sensible au nombre de données en entrée. C’est problématique parce que cela signifie que cette statistique n’est pas robuste à l’échantillonnage et donc ne devrait pas être utilisée systématiquement pour caractériser la diffusion du virus.

— Donc vous avez réfléchi à une nouvelle façon de caractériser la vitesse ; vous disiez que c’était très important pour les épidémiologistes de savoir à quelle vitesse évoluaient les virus. Donc j’imagine qu’il y a un fort enjeu dans cette nouvelle modélisation mathématique ?

Savoir à quelle vitesse évolue un virus est une problématique importante pour les épidémiologistes, parce qu’un virus qui se diffuse rapidement va sûrement être beaucoup plus dangereux et beaucoup plus regardé qu’un virus qui se déplace peu rapidement. Donc ces travaux nous ont amenés à réfléchir à une nouvelle manière de modéliser la vitesse puisqu’ici nous avions une simple moyenne, finalement, de la distance parcourue sur le temps total écoulé depuis l’origine du virus. Or, avec la modélisation mathématique de notre modèle, nous avons accès aux positions du virus au cours du temps, en faisant justement la reconstruction phylogéographique. La première intuition pourrait être de dériver la position pour obtenir la vitesse instantanée (c’est souvent ce qui est fait en physique). Sauf qu’avec le modèle mathématique mis en place, il n’est pas possible de procéder ainsi. Donc cela nous a amenés à penser à un nouveau modèle : au lieu de modéliser la diffusion de la position le long de l’arbre phylogénétique, nous avons plutôt cherché à modéliser la diffusion de la vitesse le long de cet arbre…

… donc à reconstruire la vitesse instantanée du virus tout au long de sa diffusion et à intégrer la vitesse pour obtenir la position, car il est possible de le faire avec le modèle mathématique. Un article a été publié à propos de cette modélisation prometteuse.

Intérêt pour l’épidémiologie

— Ce travail s’est déroulé au moment de l’épidémie de Covid-19 ; je me demande si cela a influencé ou stimulé vos recherches et, d’une façon générale, si la phylogéographie est utilisée pour caractériser la diffusion du Covid ? J’imagine qu’énormément de modèles sont sortis à ce moment-là, quels sont les liens entre les deux ?

En effet, la phylogéographie est un domaine assez récent en bioinformatique. Mon stage a eu lieu un an ou deux après le début de l’épidémie et le Covid a, je pense, donné pas mal d’importance à ce sujet puisque cela fait partie des modélisations qui ont permis de comprendre d’où venait le virus et d’en refaire sa diffusion, justement pour essayer de revenir jusqu’à l’origine du virus et de comprendre comment il avait évolué. Après, les modélisations n’étaient pas exactement les mêmes, ici on suppose que le virus évolue de manière continue, alors que pour le Covid, de mémoire, on a plutôt une modélisation discrète. Mais cela reste du domaine de la phylogéographie.

— Quelle est la situation actuelle de ces recherches sur la panachure jaune et en quoi permettent-elles de contrôler ce virus, voire d’autres maladies virales ?

Aujourd’hui plusieurs études permettent de vraiment comprendre le comportement de ce virus. Une étude est publiée sur le virus en Afrique de l’Ouest, une autre sur Madagascar, et donc très récemment une qui montre son évolution en Afrique de l’Est. On commence donc à avoir une bonne idée de la manière dont se comporte ce virus.

Les dernières conclusions intéressantes montrent que l’humain a un rôle très important dans la propagation de ce virus.

Ce virus touche des plantes, donc a priori savoir comment il se diffuse de proche en proche n’est pas forcément évident, puisque les plantes, elles, ne bougent pas. Nous considérons de ce fait que le transport des grains à travers l’Afrique a été un vrai vecteur de transmission de ce virus et, en comprenant comment il a évolué, il sera possible de détecter par exemple les zones à risque dans l’avenir et donc éviter d’y planter des cultures qui seraient vraiment en grand danger. Cela va aussi permettre de mieux s’adapter à ce virus et de mieux le contrôler, par exemple grâce à des stratégies de développement de plantes peut-être plus résistantes à ce virus.

Vidéo

Vidéo Michel Desnoues, Télécom Paris