Affichage des articles dont le libellé est antibiorésistance. Afficher tous les articles
Affichage des articles dont le libellé est antibiorésistance. Afficher tous les articles

jeudi 8 octobre 2026

Des chercheurs s'inquiètent de la circulation de Campylobacter multirésistants entre les secteurs et les pays en Europe

« Des chercheurs s'inquiètent de la circulation de Campylobacter multirésistants entre les secteurs et les pays en Europe », source Food Safety Magazine.

Une lignée de Campylobacter coli multirésistant circule depuis des années entre les sources humaines, animales, alimentaires et environnementales en Europe, soulignant la nécessité d'une surveillance génomique coordonnée selon l'approche Une seule santé, d'après une étude publiée dans la revue du CDC, Emerging Infectious Diseases.

Une équipe internationale de chercheurs a caractérisé l'émergence et la transmission de la séquence type (ST) 10042 de C. coli, initialement identifié comme un séquence type prédominant grâce à une surveillance fondée sur le séquençage du génome entier au Portugal. L'étude a porté sur 217 isolats de C. coli ST10042 collectés dans neuf pays européens entre août 2018 et décembre 2025. Parmi eux, 184 étaient d'origine humaine et 33 provenaient de sources animales, alimentaires ou environnementales.

Le Portugal a fourni le plus grand nombre d'isolats humains (85), suivi de l'Allemagne (30) et du Luxembourg (21). Au Portugal, la ST10042 représentait 30 % des infections à C. coli en 2022 ; ce taux a chuté à 14-15 % en 2023-2024 avant de remonter à 24 % en 2025. Dans l'ensemble, la ST10042 a été la séquence type de C. coli le plus fréquemment identifié dans le pays entre 2021 et 2025.

Sur les 30 isolats d'origine animale ou alimentaire inclus dans l'étude, 83 % provenaient de volailles. Ces isolats ont été obtenus à partir de viande de volaille crue, de plats préparés à base de poulet, d'animaux d'élevage et d'un chien. Trois autres isolats provenaient d'eaux de surface.

L'analyse génomique a mis en évidence des clusters transfrontaliers, notamment un vaste groupe composé principalement d'isolats du Portugal et du Luxembourg, ainsi que d'isolats provenant d'Allemagne, d'Irlande, du Royaume-Uni, d'Espagne et des Pays-Bas. D'autres clusters notables reliaient des isolats provenant d'Allemagne, du Danemark et d'Irlande. Selon les chercheurs, ces résultats démontrent une circulation transnationale et intersectorielle soutenue, plutôt que des infections sporadiques isolées à C. coli.

Cette lignée présentait également un profil de multirésistance conservé. Les 98 isolats portugais soumis à des tests de sensibilité aux antimicrobiens étaient tous résistants à la ciprofloxacine, à la tétracycline et à l'ampicilline. La quasi-totalité était résistante à l'amoxicilline/acide clavulanique et présentait une sensibilité diminuée à l'ertapénem. Toutefois, les chercheurs ont souligné que l'absence de seuils cliniques établis et de données sur l'évolution clinique limite l'interprétation de la sensibilité à l'ertapénem.

Les chercheurs ont identifié des déterminants génétiques associés à la résistance aux fluoroquinolones, aux tétracyclines et aux β-lactamines dans un ensemble plus vaste de 217 isolats. Ils ont également suggéré que la variation du gène porA influençait la sensibilité à l'amoxicilline/acide clavulanique et à l'ertapénem.

L'étude était limitée par les différences de couverture de la surveillance par séquençage du génome entier entre les pays, la surreprésentation des isolats portugais et le manque de données épidémiologiques détaillées nécessaires pour confirmer les voies de transmission ou la causalité de l'épidémie. Dans l'ensemble, les chercheurs ont affirmé que les résultats démontraient l'importance d'une surveillance harmonisée du séquençage du génome entier dans le cadre de l'approche Une seule santé pour les secteurs humain, animal, alimentaire et environnemental, incluant des méthodes d'échantillonnage et d'analyse standardisées et des bases de données génomiques partagées pour la détection des lignées émergentes de Campylobacter résistants aux antimicrobiens. 

lundi 14 septembre 2026

Quand l’IA apprend à ‘lire’ les bactéries pour lutter contre l’antibiorésistance

« Pasteur IA : quand l’intelligence artificielle apprend à « lire » les bactéries pour lutter contre l’antibiorésistance », source Institut Pasteur du 9 septembre 2026.

Les bactéries résistantes aux antibiotiques pourraient causer plus de 10 millions de décès par an d'ici 2050. Pour trouver de nouvelles molécules efficaces, des scientifiques de l'Institut Pasteur ont entraîné une intelligence artificielle à reconnaître le mode d'action d’antibiotiques, simplement en analysant des images de bactéries au microscope, sans aucun marquage chimique fluorescent.

Pourquoi découvrir de nouveaux antibiotiques est si difficile ?

Trouver une molécule qui tue des bactéries, c’est compliqué. Comprendre comment elle les tue, c’est encore plus difficile. Pourtant, c’est cette question du « mode d’action » qui fait toute la différence : elle permet de savoir si un antibiotique candidat est vraiment innovant et donc capable de contourner les résistances déjà existantes.

Les méthodes actuelles utilisent souvent des marqueurs fluorescents, coûtent cher, et ne détectent un effet que lorsque la molécule est suffisamment concentrée pour bloquer la croissance ou éliminer des bactéries. Résultat : certaines molécules prometteuses, actives à très faible dose, passent complètement inaperçues. 

Une IA qui « voit » l’effet des antibiotiques

Plusieurs équipes de l’Institut Pasteur ont travaillé de pair pour contourner ces limites grâce au deep learning*. Leur modèle d’intelligence artificielle, un réseau de neurones convolutifs inspiré de la façon dont notre cerveau traite les images, a été entraîné à repérer les modifications minimes de forme qu’un antibiotique provoque chez les bactéries.

Pour entraîner leur modèle d’IA, les scientifiques ont utilisé des images de microscopie en lumière blanche (brightfield), sans marquage fluorescent sur des bactéries Escherichia coli exposées à 22 antibiotiques avec huit modes d’action différents. 

Des résultats très prometteurs, même à très faible dose

Les résultats sont particulièrement encourageants. En effet, l’intelligence artificielle reconnaît le mode d’action d’un antibiotique avec une précision quasi parfaite. Mieux encore, elle détecte l’effet d’une molécule à des concentrations sub-inhibitrices, c’est-à-dire avant même que la bactérie ne cesse de se multiplier. Cette capacité constitue un atout majeur pour repérer des candidats que les tests classiques auraient écartés.

Plus surprenant encore, le modèle est capable d’indiquer quand une molécule agit d’une manière inédite. Cette faculté pourrait s’avérer décisive pour découvrir de nouvelles classes d’antibiotiques, celles dont on a le plus besoin pour vaincre les résistances actuelles.

L’approche a aussi été validée sur une autre bactérie, Klebsiella pneumoniae, responsable d’infections graves et souvent multirésistante. Une première preuve que la méthode pourrait s’appliquer à d’autres micro-organismes. 

* Deep learning (apprentissage profond ou apprentissage en profondeur en français est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux artificiels composés de nombreuses couches pour résoudre des tâches complexes. Cette méthode permet à la machine d'apprendre des représentations hiérarchisées directement à partir des données, sans qu'un expert humain n'ait à expliciter les règles. Source Wikipédia.