• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  Science >> Science >  >> Biologie
    Une étude propose un modèle pour prédire comment les microbiomes peuvent réagir au changement
    Un nouveau modèle développé à l'Université de Chicago permet de prédire comment les communautés de micro-organismes vivant dans ou sur les humains, les animaux, les plantes et d'autres organismes s'adaptent au fil du temps lorsque leur environnement change.

    On sait que les microbiomes jouent un rôle important dans de nombreux aspects de la santé et des maladies, et peuvent être fortement affectés par des variables telles que l’alimentation, les médicaments et le stress physique.

    Le modèle est décrit dans un article publié en mars 2022 dans la revue _Nature Ecology &Evolution_. Il s’agit du premier modèle de ce type développé pour ce que l’on appelle les « communautés écologiques structurées dynamiques », une catégorie qui inclut les microbiomes.

    « Comprendre comment les microbiomes réagissent au changement pourrait conduire à de nouvelles connaissances sur la façon de traiter les maladies associées aux microbiomes, telles que la maladie de Crohn, le syndrome du côlon irritable et la parodontite », a déclaré Christopher Tarnita, PhD, professeur adjoint d'écologie et d'évolution et du Collège d'UChicago. , et auteur principal de l’article.

    Le modèle a été développé en collaboration avec des chercheurs de l'Imperial College de Londres et de l'Université de Stanford.

    Une nouvelle approche

    La plupart des modèles mathématiques de la dynamique des communautés microbiennes ne prennent pas en compte la structure de la communauté, en particulier la répartition des ressources entre les différents groupes.

    Cependant, a déclaré Tarnita, la structure joue un rôle essentiel dans la détermination de la manière dont les communautés réagissent au changement.

    Le modèle développé par l’équipe est ancré dans la théorie de la compétition, selon laquelle, étant donné les ressources fixes, l’espèce ayant le seuil de ressources le plus bas finira par chasser toutes les autres.

    Les chercheurs ont ajouté une autre faille à la théorie de la concurrence, en reflétant que dans des contextes réels, certaines espèces peuvent avoir plus de facilité à accéder à certaines ressources que d'autres parce qu'elles sont capables d'exploiter ces ressources plus efficacement ou parce qu'elles disposent de ressources en plus grande abondance dans leur environnement immédiat. environs.

    Test des prédictions

    L'équipe a testé le modèle en exécutant des simulations dans lesquelles les communautés étaient divisées en deux groupes, dont l'un avait un accès plus facile aux ressources, sur la base de données réelles sur des espèces dans divers environnements.

    Conformément à leurs attentes, les simulations ont révélé que le groupe ayant le plus facile accès aux ressources a augmenté en abondance et a absorbé la majorité de la biomasse communautaire, aux dépens de l'autre groupe.

    Les chercheurs ont également testé les prédictions du modèle à l’aide d’ensembles de données réelles sur les communautés microbiennes de l’intestin humain et de la cavité buccale.

    Ces tests ont montré que le modèle pouvait fournir des prédictions précises sur la composition d’une communauté microbienne après une perturbation, c’est-à-dire après l’introduction d’une nouvelle espèce, la suppression d’une espèce ou un changement dans l’abondance d’une ressource clé.

    Implications pour la santé humaine

    Tarnita a déclaré que les résultats pourraient aider les chercheurs à développer de nouvelles stratégies pour manipuler les microbiomes afin de promouvoir la santé humaine.

    Par exemple, le modèle pourrait aider à identifier les microbes qui pourraient être introduits dans l’intestin pour favoriser la santé digestive ou réduire l’inflammation.

    "Un élément clé de notre modèle est que si vous ciblez un petit nombre d'espèces qui ont l'accès le plus facile aux ressources, vous pourriez potentiellement provoquer de grands changements dans la composition globale de la communauté", a-t-il déclaré. "Notre modèle pourrait aider à identifier ces cibles clés."

    © Science https://fr.scienceaq.com