Introduction : Une nouvelle lentille sur les maladies infectieuses

L'épidémiologie génomique nous permet de lire cette histoire au niveau moléculaire. En décodant les plans génétiques complets des virus, des bactéries et d'autres microbes, les scientifiques peuvent maintenant tracer les épidémies avec une précision inimaginable il y a deux décennies seulement. Ce domaine fusionne les grandes connaissances de la population en matière d'épidémiologie traditionnelle avec le détail à grain fin de la génomique moderne, transformant la façon dont nous détectons, suivons et, finalement, contrôlons les maladies infectieuses dans le monde entier.

L'approche a acquis une visibilité publique sans précédent pendant la pandémie de COVID-19, mais ses fondements ont été jetés des années plus tôt dans les réponses aux épidémies d'Ebola, de grippe et de bactéries d'origine alimentaire. Aujourd'hui, l'épidémiologie génomique n'est pas seulement une curiosité académique.Elle est un outil opérationnel essentiel pour les organismes de santé publique, en informant tout, de la sélection des souches vaccinales à la levée des restrictions de voyage.

La science derrière l'épidémiologie génomique

De l'échantillon de pathogènes à la séquence génétique

Au cœur de l'épidémiologie génomique, on peut déterminer rapidement et avec précision la séquence génétique d'un pathogène, ce qui commence par la collecte d'échantillons biologiques — écouvillons nasopharyngés de patients atteints de COVID-19, sang de cas d'Ebola ou selles de foyers de maladies d'origine alimentaire.

Les plateformes comme Illumina, Oxford Nanopore et PacBio permettent aux laboratoires du monde entier de produire des séquences de haute qualité à des coûts décroissants. La pandémie de COVID-19 a stimulé un effort extraordinaire de séquençage mondial : au début de 2024, plus de 16 millions de génomes du SRAS-CoV-2 avaient été déposés dans des bases de données publiques comme GISAID.

Bioinformatique : faire sens aux données

Les données de séquence brute sont inutiles sans analyse computationnelle sophistiquée. Les pipelines bioinformatiques alignent les séquences sur un génome de référence, identifient les mutations et inférer les relations évolutives. En comparant les mutations entre les échantillons, les chercheurs peuvent construire des arbres phylogénétiques – essentiellement des arbres familiaux de l'agent pathogène – qui révèlent comment différents cas sont reliés.

Cette approche de l'horloge moléculaire permet également aux scientifiques d'estimer le moment où les événements clés se produisent : lorsqu'un pathogène est entré dans une population humaine, à quelle vitesse il évolue et si les mesures de confinement ralentissent sa propagation.

Suivi des éclosions avec des données génomiques

Réseaux d'identification et de transmission des sources

L'épidémiologie traditionnelle repose sur des entrevues, le dépistage des contacts et le dénombrement des cas pour cartographier la propagation d'une maladie. Mais ces méthodes ont des points aveugles : les gens ne se souviennent peut-être pas de tous leurs contacts, les cas asymptomatiques ne sont pas détectés, et le volume de cas peut surcharger le dépistage manuel.

Par exemple, si deux personnes infectées partagent des génomes viraux presque identiques, qui diffèrent par une ou deux mutations seulement, elles sont probablement liées par un événement de transmission récent, même si elles n'ont aucun contact direct connu. Inversement, si leurs génomes sont significativement différents, elles ont probablement acquis l'infection de sources distinctes.Cette approche a été particulièrement puissante dans les enquêtes sur les épidémies d'hôpital, où identifier la voie de transmission exacte peut arrêter de se propager.

Événements de superdiffusion et goulots d'étranglement

L'épidémiologie génomique peut également identifier des événements superpandants, des situations où une seule personne infectée transmet l'agent pathogène à de nombreux autres. La signature génétique d'un tel événement est un groupe de cas avec des génomes très similaires, apparaissant souvent dans une courte période. Au cours de l'épidémie d'Ebola en Afrique de l'Ouest 2014-2016, l'analyse génomique a permis de cerner des chaînes spécifiques de transmission qui ont alimenté l'épidémie, guidant les interventions pour les interrompre.

De même, la technique peut révéler des goulets d'étranglement génétiques — des points dans l'épidémie où la population pathogène a été fortement réduite, par exemple par des blocages rigoureux ou un traitement efficace.

Exemple du monde réel : COVID-19

La pandémie de COVID-19 est l'application la plus étendue et la plus visible à ce jour de l'épidémiologie génomique. Les efforts de séquençage ont commencé presque immédiatement après les premiers cas signalés à Wuhan, en Chine. En quelques semaines, le génome complet du SRAS-CoV-2 a été disponible en ligne, ce qui a permis le développement rapide des tests diagnostiques et des premiers vaccins contre l'ARNm.

Chaque variante présentait un ensemble distinct de mutations qui ont affecté la transmissibilité, la sévérité et l'évasion immunitaire. Les pays qui ont investi dans de solides programmes de séquençage, notamment le Royaume-Uni par l'intermédiaire du consortium COVID-19 Genomics UK (COG-UK), ont pu détecter de nouvelles variantes plus tôt que d'autres, en informant les décisions en temps opportun en matière de santé publique, y compris les fermetures aux frontières, les campagnes de vaccination de rappel et les interventions non pharmaceutiques.

Les données génomiques ont également réfuté les premières théories sur les origines du virus et continuent de fournir des preuves en temps réel de l'évolution du virus au moment de sa transition vers un modèle endémique. L'infrastructure construite pendant la pandémie est maintenant réutilisée pour la surveillance de l'influenza, du virus respiratoire syncytial (VRS) et d'autres agents pathogènes.

Autres réussites

L'épidémiologie génomique a un bilan qui date d'avant COVID-19. Au cours de l'épidémie d'Ebola 2013–2016, les scientifiques ont utilisé la technologie de séquençage portable (Oxford Nanopore) sur le terrain pour produire des données génomiques en temps réel.Cela a permis aux intervenants de distinguer entre la transmission continue et les nouveaux événements de déversement d'animaux — une distinction cruciale pour les stratégies de confinement.

La tuberculose est un autre domaine où la génomique a transformé la lutte contre les épidémies. Le dépistage traditionnel des contacts antituberculeux prend du temps et est souvent incomplet. Le séquençage à l'échelle du génome entier des isolats M. tuberculosis peut identifier des grappes de transmission à haute résolution, permettant aux équipes de santé publique de concentrer les ressources.

Pour influenza[, la surveillance génomique est un pilier depuis des décennies grâce au Système mondial de surveillance et d'intervention contre la grippe (SISRG) coordonné par l'Organisation mondiale de la santé. Le séquençage des souches de grippe circulantes informe la sélection semestrielle des souches vaccinales, assurant que les vaccins demeurent efficaces contre les virus en évolution.

Les éclosions d'origine alimentaire bénéficient également d'une épidémiologie génomique.Les centres américains de lutte et de prévention des maladies (CDC) utilisent le séquençage à génome entier de bactéries comme Salmonella[ et Listeria[ pour lier des cas sporadiques à un produit alimentaire contaminé commun.Cette approche a résolu de nombreuses éclosions multiétatiques, entraînant des rappels plus rapides et moins de maladies.

Contrôler les éclosions par des analyses génomiques

Vaccin et développement thérapeutique

La façon la plus directe de contrôler les éclosions d'épidémiologie génomique consiste à informer la conception du vaccin. La connaissance de la séquence génétique d'un pathogène permet aux scientifiques d'identifier les antigènes potentiels, les parties du virus ou des bactéries qui déclenchent une réponse immunitaire.Pour les virus de l'ARN comme le SRAS-CoV-2, le gène de la protéine spicée a rapidement été identifié comme cible principale pour les vaccins.

En suivant les mutations qui permettent au virus d'échapper aux anticorps existants, les chercheurs peuvent prioriser le développement de traitements de prochaine génération. Par exemple, la variante Omicron a porté des mutations qui ont rendu plusieurs anticorps monoclonaux précoces inefficaces, mais les données génomiques ont aidé à identifier d'autres cibles.

Surveillance de la résistance aux antimicrobiens

La résistance aux antimicrobiens (RMA) est une pandémie silencieuse, et l'épidémiologie génomique est un outil essentiel pour la suivre.Les génomes bactériennes contiennent des gènes de résistance spécifiques, tels que ceux qui encodent les bêta-lactamases ou le gène MecA responsable de la résistance à la méthicilline Staphylococcus aureus (MRSA). Le séquençage peut identifier les profils de résistance même lorsque les méthodes traditionnelles fondées sur la culture sont lentes ou indisponibles.

Les réseaux de surveillance mondiale comme le Système mondial de surveillance de la résistance aux antimicrobiens et de l'utilisation des antimicrobiens de l'OMS (GLASS)[ intègrent de plus en plus des données génomiques pour compléter la surveillance traditionnelle.

Interventions ciblées et allocation des ressources

Lorsqu'une nouvelle variante est détectée dans une région donnée, les autorités peuvent mettre en place des tests améliorés, des mesures de dépistage des contacts ou des mesures de verrouillage localisées plutôt que des mesures générales. Au cours de l'éclosion de la variole (anciennement la variole) de 2022 à 2023, le séquençage génomique a permis de confirmer que le virus se propageait par le biais de réseaux sexuels, ce qui a permis de concentrer les campagnes de vaccination et d'éducation sanitaire sur les populations à risque plutôt que sur le grand public.

De même, les hôpitaux peuvent utiliser la surveillance génomique en temps réel pour détecter les grappes de transmission associées aux soins de santé tôt, ce qui entraîne des mesures immédiates de contrôle des infections, comme la fermeture des salles et les tests de personnel.

Défis et limites

Partage des données et lacunes en matière d'infrastructure

L'épidémiologie génomique repose sur le partage rapide et ouvert des données séquentielles. La pandémie de COVID-19 a démontré la puissance des plateformes comme le SIGAID, mais a également mis en évidence les inégalités. Les pays à faible revenu et à revenu intermédiaire (PMMI) manquent souvent de matériel de séquençage, d'expertise en bioinformatique et de bande passante Internet pour participer pleinement.

Pour renforcer la capacité de surveillance génomique durable, il faut non seulement du matériel, mais aussi des investissements dans la formation, la gestion des données et l'intégration aux systèmes de santé publique.

Considérations éthiques et de protection de la vie privée

Bien que l'accent soit mis sur le microbe, les données peuvent parfois révéler des informations sensibles sur des individus, telles que les co-infections (p. ex. VIH) ou l'ascendance de la population. Il est essentiel de garantir le consentement éclairé, l'anonymat et la sécurité de la manipulation des données, en particulier lorsque les séquences sont partagées à l'échelle mondiale.

Intégration à l'épidémiologie traditionnelle

Les données génomiques ne remplacent pas les enquêtes épidémiologiques traditionnelles, mais elles les complètent. Les réponses les plus réussies en santé publique combinent les données génomiques avec des entrevues de cas, le repérage des contacts et l'engagement communautaire. Une dépendance excessive à l'égard des séquences seules peut conduire à des conclusions trompeuses si l'échantillonnage est biaisé ou si les chaînes de transmission sont déduites sans contexte épidémiologique adéquat.

L'avenir de l'épidémiologie génomique

Séquence en temps réel au point de service

Les appareils portatifs peuvent maintenant générer des séquences sur le terrain en quelques heures. À l'avenir, les appareils portatifs peuvent fournir des informations génomiques au chevet ou dans des cliniques éloignées, permettant ainsi d'identifier instantanément les infections résistantes aux médicaments ou le type de souche d'une épidémie émergente.

Ces outils nécessiteront des plateformes de bioinformatique en nuage robustes qui peuvent analyser les données rapidement et produire des résultats concrets. Plusieurs groupes mettent au point des systèmes de « biosurveillance génomique » qui intègrent les données de séquençage aux systèmes d'information géographique (SIG) et aux dossiers de santé électroniques pour produire des cartes d'éclosions vivantes.

Intelligence artificielle et modélisation prédictive

Les algorithmes d'apprentissage automatique sont de plus en plus utilisés pour prédire la trajectoire évolutive des agents pathogènes.En analysant les tendances des taux de mutation, des pressions de sélection et de l'immunité des hôtes, les modèles d'IA peuvent prévoir quelles variantes sont les plus susceptibles de dominer au cours des prochains mois, en guidant la sélection des souches vaccinales et la planification de la préparation.

L'IA aide également à automatiser le processus fastidieux de recherche des contacts en reliant les grappes génomiques aux métadonnées épidémiologiques, en réduisant la charge de travail des équipes de santé publique.

Réseaux mondiaux de surveillance et préparation à la pandémie

En réponse, l'OMS a créé le Réseau international de surveillance des pathogènes (IPSN) en 2023, en vue de relier les centres nationaux de séquençage, de partager les données en temps réel et de renforcer les capacités d'alerte rapide.

La vision à long terme est un monde où l'épidémiologie génomique est intégrée dans les pratiques courantes de santé publique, non seulement en cas d'urgence, mais aussi en tant que système sentinelle continu, ce qui permettrait de détecter rapidement de nouveaux pathogènes (y compris ceux qui présentent un potentiel pandémique), de déceler rapidement les tendances en matière de résistance aux antimicrobiens et de réagir à partir de données qui sauvent des vies et des ressources.

Conclusion

L'épidémiologie génomique a remodelé le paysage de la lutte contre les maladies infectieuses. En lisant le langage génétique des pathogènes, nous pouvons maintenant tracer leurs mouvements avec une précision extraordinaire, anticiper leur évolution et concevoir des contre-mesures qui restent à un pas d'avance. Les succès de la réponse COVID-19, bien qu'imparfaite, ont démontré ce qui est possible lorsque la génomique et l'épidémiologie travaillent main dans la main.

Chaque épidémie commence par une seule infection. Avec l'épidémiologie génomique, nous avons les outils pour suivre ce fil du premier cas au dernier et tisser un tissu plus fort de la sécurité sanitaire mondiale. Le défi maintenant est de construire les systèmes qui rendent cette capacité routine, accessible, et fiable partout.