Table of Contents

Ce qui est la surveillance génomique et pourquoi elle est importante

La surveillance génomique est la collecte et l'analyse systématiques de données génétiques sur les pathogènes pour éclairer les actions de santé publique.Au lieu de se fier uniquement aux symptômes cliniques ou aux tests de laboratoire de base, les scientifiques séquencieront les génomes complets ou partiels de virus, de bactéries, de champignons ou de parasites circulant dans une population.

La surveillance génomique est une fonction de précision. Une seule mutation peut changer la transmissibilité, la virulence ou la réponse à des traitements et à des vaccins. En suivant ces mutations en temps réel, les autorités sanitaires peuvent ajuster les stratégies de confinement avant qu'une épidémie ne s'enflamme. L'approche est passée d'un outil de recherche de niche à un pilier central de la réponse à l'épidémie, surtout après la pandémie de COVID-19, qui a démontré son potentiel de sauvetage à l'échelle mondiale.

Au lieu de poursuivre les cas par entrevue seule, les équipes de santé publique peuvent lier les cas par similitude génétique, confirmant ou réfutant des chaînes de transmission suspectes. Cette approche hybride – épidémiologie génomique – fournit un niveau de détail inimaginable il y a deux décennies.

Comment fonctionne la surveillance génomique : l'os technique

Collecte et préparation d'échantillons

Les stratégies d'échantillonnage varient : certains programmes sont axés sur la surveillance aléatoire, d'autres ciblent des groupes à haut risque et beaucoup utilisent des sites sentinelles comme des hôpitaux ou des cliniques. La qualité de l'échantillon influe sur l'exhaustivité de la séquence génomique. Les virus de l'ARN, par exemple, se dégradent rapidement si elles ne sont pas correctement stockées, de sorte que la logistique de la chaîne du froid est essentielle.

Les technologies de séquençage

Trois grandes plateformes de séquençage ont dominé la surveillance génomique. Illumina Le séquençage à lecture courte offre une précision et un débit élevés, ce qui le rend idéal pour les projets à grande échelle. ]Le séquençage à lecture longue d'Oxford Nanopore permet la génération de données en temps réel sur le terrain. PacBio fournit des lectures longues à haute fidélité pour résoudre des régions complexes.

Bioinformatique Pipelines

Les pipelines comme Nextflow[ (p. ex., nf-core/viralrecon) automatisent le contrôle de la qualité, lisent la cartographie, l'appel de variantes et la génération de consensus. Pour SRAS-CoV-2, des outils comme Pangolin[ assignent des noms de lignées, tandis que Nextclade identifie des mutations et un placement phylogénétique.Ces ressources de source ouverte réduisent la barrière pour les pays ayant une expertise informatique limitée.

Plateformes de partage de données

La surveillance génomique ne remplit son potentiel que lorsque les données sont partagées à l'échelle mondiale. GISAID est devenu le principal dépôt de séquences de grippe et de CCV-2 du SRAS, avec plus de 16 millions de génomes déposés pendant la pandémie. Suivantstrain[ transforme les données de séquence en visualisations phylogénétiques en temps réel, permettant aux chercheurs de surveiller l'émergence de variantes et la propagation géographique.

Étude de cas 1: COVID-19 – La révolution de la surveillance génomique

La pandémie de COVID-19 a marqué un tournant dans la surveillance génomique. Quelques semaines après les premiers cas, les scientifiques chinois ont publié le génome complet du SRAS-CoV-2. Cette séquence a permis de développer des tests diagnostiques, des vaccins contre l'ARNm et des traitements antiviraux.

Détection et réponse de la variante

Fin 2020, le consortium britannique COG-UK a séquencé plus de 100 000 génomes viraux et identifié la variante Alpha (B.1.1.7), qui était 50% plus transmissible. Cette découverte a déclenché des interdictions de voyager, une surveillance accrue et des campagnes accélérées de tir de rappel. De même, le réseau de séquençage sud-africain a détecté la variante bêta avec des propriétés d'évasion immunitaire, et l'Inde INSACOG a signalé la variante Delta derrière une seconde vague catastrophique.

Impact réel sur le monde

Lorsque l'on a constaté qu'Omicron évitait l'immunité induite par le vaccin, les doses de rappel étaient prioritaires. Le [WHO] a entièrement utilisé les données génomiques soumises pour classer les Variants de préoccupation. La technologie a également guidé la conception de vaccins mis à jour : Pfizer et Moderna ont retravaillé leurs prises d'ARNm pour cibler les sous-variants d'Omicron en fonction des signaux de surveillance génomique.

Limitations exposées

La pandémie a également révélé des lacunes. De nombreux pays à faible revenu et à revenu intermédiaire manquaient de capacité de séquençage, laissant des points morts. L'OMS a estimé qu'au milieu de 2022, moins de 1 % des échantillons positifs en Afrique étaient séquencés, comparativement à plus de 10 % en Europe. L'inégalité mondiale dans la surveillance a permis aux variantes de se propager sans être détectées.

Étude de cas 2: Ebola – Tracer les chaînes de transmission en temps réel

L'épidémie d'Ebola en Afrique de l'Ouest 2013-2016 a été la plus meurtrière de l'histoire, avec plus de 28 000 cas. À la fin de l'épidémie, les chercheurs ont commencé à déployer des dispositifs de séquençage portatifs (MinION) directement sur le terrain.

Séquences sur le terrain en Guinée et en Sierra Leone

Les données montrent que l'épidémie est le résultat d'une seule introduction d'animaux, puis qu'elle s'est propagée principalement par transmission d'humains à humains. Les arbres phylogénétiques ont révélé que certaines chaînes de transmission n'avaient pas été détectées par le repérage des contacts, ce qui a incité les responsables de la santé à étendre les zones de surveillance.

Impact sur le confinement

Au cours de l'épidémie de 2018-2020 en République démocratique du Congo, le séquençage a confirmé que le virus n'avait pas encore sauté des animaux mais était plutôt lié à une chaîne humaine persistante, informant la vaccination ciblée avec le vaccin rVSV-ZEBOV. Le virage rapide a permis aux intervenants d'allouer les ressources plus efficacement.

Enseignements tirés

La surveillance génomique d'Ebola a démontré que le séquençage portable fonctionne dans des environnements austères et a également mis en évidence la nécessité de cadres éthiques : le partage des données génétiques provenant des zones d'éclosion a soulevé des préoccupations au sujet de la stigmatisation communautaire et du partage des avantages.

Étude de cas 3: Grippe saisonnière – Le système de surveillance génomique original

Bien avant la COVID-19, la grippe avait le réseau de surveillance génomique le plus mature. Le Global Influenza Surveillance and Response System (GISRS), coordonné par l'OMS, collecte et séquençage des souches de grippe depuis les années 1950.

Le cycle annuel

L'analyse phylogénétique identifie les clades émergents qui peuvent échapper à une immunité antérieure. Deux fois par an, l'OMS convoque des experts pour examiner les données et recommander les souches qui devraient être introduites dans le vaccin de la prochaine saison. Ce processus repose entièrement sur une surveillance génomique continue.

Préparation à la pandémie

Lorsque le H1N1pdm09 est apparu en 2009, le séquençage a rapidement révélé qu'il s'agissait d'un réassortiment de virus porcins, aviaires et humains. Le même réseau a détecté des cas d'influenza aviaire A(H5N1) et A(H7N9) chez l'humain, déclenchant des efforts de confinement.

Étude de cas 4: Résistance aux antimicrobiens – Surveillance génomique des bactéries

La surveillance génomique n'est pas limitée aux virus. Les bactéries évoluent la résistance aux antibiotiques à des taux alarmants, et le séquençage du génome entier (WGS) est maintenant utilisé pour suivre les clones résistants dans les hôpitaux et les communautés. Le Global Antimicrobial Resistance Surveillance System (GLASS) de l'OMS intègre des données génomiques pour surveiller les souches résistantes de E. coli[, Klebsiella pneumoniae, Staphylococcus aureus et Mycobacterium tuberculosis[.

Détection des épidémies dans les établissements de santé

Lorsqu'une éclosion de la maladie de Klebsiella pneumoniae est résistante aux carbapénomes, le SGG peut déterminer si les cas sont liés ou non, ce qui permet aux équipes de lutte contre l'infection de concentrer les efforts de nettoyage et d'isolement. Par exemple, le CDC=S AR Lab Network utilise la génomique pour détecter et contenir les menaces résistantes, empêchant ainsi la propagation au-delà des hôpitaux.

Une seule surveillance de la santé

La surveillance génomique peut retracer les bactéries résistantes des animaux de ferme aux humains dans la chaîne alimentaire. Des programmes de collaboration comme la classification AWaRe de l'OMS intègrent des données génomiques pour guider les politiques d'intendance des antibiotiques dans le monde entier.

Stratégies clés pour l'élaboration ou le renforcement d'un programme de surveillance génomique

Plans d'échantillonnage stratégiques

Il n'est pas nécessaire de séquencer tous les échantillons positifs.Une base d'échantillonnage bien conçue équilibre la représentativité avec la faisabilité. L'OMS recommande d'échantillonner au minimum 5 à 10 % des cas confirmés pendant les éclosions, avec un suréchantillonnage des présentations inhabituelles, des cas graves et des infections par cassure.

Investir dans l'infrastructure de laboratoire

Les pays peuvent commencer par des séquenceurs petits et portables comme MinION pour les besoins à faible débit, puis s'étendre jusqu'aux plateformes Illumina à mesure que la capacité augmente.Les centres régionaux – comme le Centre africain d'excellence en génomique des maladies infectieuses (ACEGID) – servent plusieurs pays, partagent leurs compétences et réduisent leurs coûts.

Développement d'une expertise bio-informatique

Les programmes de formation en bioinformatique sont essentiels.Les plateformes comme Galaxy offrent des interfaces conviviales pour analyser les données génomiques sans compétences en ligne de commande.Les cours en ligne de Coursera, EDX et le programme Wellcome Connecting Science aident à développer des talents locaux.

Favoriser le partage et la collaboration des données

Les accords de surveillance génomique devraient comprendre des protocoles de partage de données pré-approuvés qui équilibrent la transparence avec les droits des pays qui produisent les données. Les plateformes comme l'AIDIS fournissent une attribution et permettent aux producteurs de données de conserver le contrôle tout en permettant une analyse mondiale.

Intégration aux données épidémiologiques et cliniques

Les données génomiques sont les plus puissantes lorsqu'elles sont reliées à des métadonnées anonymes du patient : âge, état de vaccination, antécédents de voyage, résultat. Le couplage sécurisé des données nécessite des systèmes d'information robustes, souvent basés sur des outils open-source comme DHIS2 ou REDCap.

Défis liés à la surveillance génomique

Contraintes en matière de ressources

Les chaînes d'approvisionnement des réactifs sont vulnérables; pendant la pandémie, les pays ont fait concurrence à des trousses, ce qui a entraîné des inégalités. D'autres approches, comme le séquençage commun et les panneaux d'amplicon ciblés, peuvent réduire les coûts, mais nécessitent une validation.

Préoccupations en matière d'éthique et de protection de la vie privée

Les données génomiques peuvent identifier les personnes si elles sont liées à des renseignements personnels. Les génomes pathogènes peuvent également révéler des détails sensibles sur un microbiome hôte ou un statut immunitaire. Des politiques claires sur l'anonymat des données, le consentement et l'accès aux données sont nécessaires.

Manque de main-d'œuvre

Il y a une pénurie mondiale de bioinformaticiens et d'épidémiologistes génomiques. Le maintien en poste dans les systèmes de santé publique est difficile lorsque les salaires du secteur privé sont plus élevés. Les programmes qui offrent des bourses, comme l'Institut de génomique des pathogènes de l'Union africaine, visent à former et à retenir les talents par des parcours de carrière et des possibilités de recherche.

Validation et normalisation techniques

Les procédures d'exploitation normalisées et les comparaisons interlaboratoires sont essentielles pour l'harmonisation des données. Les OMS La Stratégie mondiale de surveillance génomique appelle à un cadre d'assurance de la qualité pour garantir la fiabilité des séquences provenant de tout laboratoire.

Orientations futures de la surveillance génomique

Surveillance des eaux usées

Cette approche a permis de détecter la propagation précoce d'Omicron dans plusieurs villes avant que les cas cliniques ne augmentent. L'intégration de la génomique des eaux usées dans la surveillance de routine peut fournir des mises en garde précoces rentables pour les virus respiratoires, la polio et même les gènes de résistance aux antimicrobiens.

Séquences portatives et au point de service

Des appareils comme le MinION et de nouveaux séquenceurs rapides de sociétés comme Quantapore promettent d'apporter un séquençage aux hôpitaux de district et aux zones d'éclosion.

Intelligence artificielle pour la surveillance prédictive

Des modèles d'apprentissage automatique formés sur les données génomiques et épidémiologiques peuvent prévoir quelles variantes sont susceptibles de devenir dominantes. Des outils comme PyR0 et EVEscape[ prédisent déjà des mutations d'échappement pour le SRAS-CoV-2.

Une intégration de la santé

La surveillance génomique de la faune, du bétail et des animaux domestiques (p. ex., le projet des États-Unis peut détecter les menaces avant qu'elles ne deviennent des éclosions humaines.

Gouvernance mondiale et équité

Le monde négocie un traité sur la pandémie qui comprend des dispositions pour le partage des données génomiques. Le Fonds pandémique et Systéme de biohub de l'OMS visent à assurer que les avantages – comme les vaccins et les diagnostics – soient équitablement partagés avec les pays qui fournissent des données génomiques.

Conclusion

La surveillance génomique a transformé la façon dont nous découvrons, suivons et réagissons aux épidémies de maladies infectieuses.Depuis les premières séquences d'Ebola générées dans une tente jusqu'aux millions de génomes du SRAS-CoV-2 téléchargés chaque semaine, la technologie a prouvé sa valeur. Pourtant, ce n'est pas une balle d'argent. La réussite dépend d'une infrastructure robuste, d'un personnel formé, de cadres éthiques et de la collaboration internationale.