Assignation hôte-phage haute résolution via protéines clés utilisant de grands modèles de langage

À la chasse aux virus invisibles de notre intestin

Chaque personne héberge des trillions de bactéries et de virus bactériens dans l’intestin, dont beaucoup restent inconnus. Ces virus cachés peuvent influencer notre santé, de la digestion à l’obésité, mais les scientifiques ignorent souvent quel virus infecte quelle bactérie. Cette étude présente VirHost Hunter, un nouvel outil fondé sur les données qui relie les virus intestinaux à leurs hôtes bactériens en n’utilisant que quelques protéines virales clés, ouvrant la voie à des moyens plus précis d’étudier et potentiellement d’orienter le microbiome.

Une nouvelle méthode pour associer virus et bactéries

Les méthodes traditionnelles d’appariement des virus à leurs hôtes bactériens reposent sur des génomes viraux complets ou sur des indices génétiques spécifiques comme les marqueurs CRISPR. Ces approches ne fonctionnent que si les données de référence adéquates existent et peuvent manquer une grande part des séquences virales, souvent qualifiées de matière virale noire. Les auteurs se concentrent au contraire sur deux types de protéines virales centrales à l’infection : les protéines de queue, qui aident le virus à reconnaître et à s’attacher à une bactérie, et les lysines, qui contribuent à lyser la paroi bactérienne. En se focalisant sur ces protéines, ils évitent le bruit des gènes non pertinents et peuvent travailler même lorsque seuls des fragments du génome viral sont disponibles.

Apprendre aux ordinateurs le langage des protéines et de l’ADN

Pour extraire le sens de ces protéines, l’équipe s’appuie sur des techniques d’apprentissage automatique initialement développées pour la langue humaine. Ils utilisent un modèle de langage protéique appelé ProtT5 pour convertir les séquences d’acides aminés en représentations numériques denses qui capturent des similarités fonctionnelles cachées, même lorsque les séquences paraissent très différentes au premier abord. En parallèle, ils analysent l’ADN codant ces protéines à l’aide d’un modèle Vision Transformer et d’un réseau convolutionnel multi-voies, qui détectent des caractéristiques telles que l’usage typique des codons et des motifs à longue portée le long de l’ADN. Ces signaux protéiques et d’ADN sont ensuite fusionnés et alimentent une paire de classificateurs qui décident conjointement quelle famille, quel genre ou quelle espèce bactérienne un virus donné est susceptible d’infecter.

Des prédictions d’hôtes plus nettes et plus précises

Les chercheurs ont testé VirHost Hunter sur plusieurs collections de référence de bactériophages. Ils montrent que la combinaison d’informations protéiques et d’ADN surpasse nettement l’utilisation de l’un ou de l’autre seul, et que la focalisation sur les protéines de queue et les lysines donne de meilleures prédictions que l’utilisation d’autres parties virales comme la capside ou les enzymes de conditionnement. À différents niveaux de classification bactérienne, VirHost Hunter est plus précis que les outils existants sans alignement et reste fiable même lorsque les virus ne partagent qu’une faible similarité de séquence. Lors d’évaluations sur des phages intestinaux cultivés avec hôtes connus expérimentalement, il identifie les hôtes corrects avec une précision supérieure à celle d’une méthode standard basée sur CRISPR, et l’utilisation conjointe des deux approches améliore encore les résultats.

Dévoiler des virus intestinaux cachés liés aux maladies

Avec le modèle calibré, l’équipe a appliqué VirHost Hunter à une vaste base de données de phages intestinaux humains qui ne disposait auparavant d’informations sur l’hôte que pour moins d’un tiers de ses entrées. En analysant les protéines de queue et les lysines, ils ont presque doublé la part des phages avec hôtes assignés et mis au jour des virus ciblant 29 familles de bactéries intestinales, dont beaucoup associées à des affections chroniques comme les maladies inflammatoires de l’intestin, les maladies cardiovasculaires et l’obésité. Ils ont notamment identifié des dizaines de phages jusque-là non caractérisés prédits infecter des bactéries telles qu’Akkermansia muciniphila et Prevotella copri, impliquées dans des troubles auto-immuns et métaboliques mais dépourvues jusque-là de phages connus.

Des prédictions numériques à un antimicrobien ciblé

Pour transformer ces prédictions en une ressource pratique, les auteurs ont construit une base de données de lysines de phages intestinaux contenant plus de cent mille lysines avec hôtes intestinaux cartographiés. Ils ont examiné leurs structures, leur stabilité et leur diversité, révélant de nombreux clusters distincts et des motifs conservés responsables de la dégradation des parois bactériennes. À titre de preuve de concept, ils ont sélectionné une lysine prédite cibler spécifiquement Megamonas, une bactérie associée à l’obésité. Après synthèse de cette protéine, des tests en laboratoire ont montré qu’elle tue efficacement Megamonas tout en épargnant d’autres microbes intestinaux courants et des souches probiotiques, illustrant comment l’exploitation guidée par modèle de la matière virale noire peut produire des outils hautement sélectifs.

Pourquoi cela compte pour les soins microbiens futurs

Ce travail montre qu’il est possible d’associer un grand nombre de virus intestinaux inconnus à leurs hôtes bactériens en n’utilisant que quelques protéines clés et l’apprentissage automatique moderne. En éclairant qui infecte qui dans le microbiome, VirHost Hunter renforce notre capacité à explorer la diversité virale intestinale et à concevoir des interventions précises, comme des lysines sur mesure, qui réduisent sélectivement les bactéries nuisibles sans perturber la communauté microbienne globale. Bien que des tests et un ingénierie supplémentaires soient nécessaires avant un usage clinique, le cadre fournit une feuille de route puissante pour convertir des séquences virales cachées en stratégies ciblées pour étudier et, un jour, ajuster notre écosystème interne.

Citation: Du, Z., Li, M., Lin, K. et al. High-resolution phage-host assignment through key proteins using large language models. Nat Commun 17, 4439 (2026). https://doi.org/10.1038/s41467-026-70613-x

Mots-clés: virome intestinal, bactériophages, apprentissage automatique, lysines de phage, thérapie du microbiome