BactoTraits : une base de données de traits pour explorer la diversité fonctionnelle des communautés bactériennes

Pourquoi les microbes minuscule sont importants pour de grandes questions environnementales

Les bactéries sont partout : dans les sols, les rivières, les océans et même à l’intérieur de nos corps. Ces habitants microscopiques contribuent à dépolluer, recycler les nutriments et soutenir la vie des plantes et des animaux. Pourtant, la plupart des études considèrent encore les espèces bactériennes comme de simples noms sur une liste, sans se demander ce qu’elles font réellement. Cet article présente BactoTraits, un vaste jeu de données ouvert qui transforme des informations de laboratoire dispersées sur les bactéries en profils de « traits » opérationnels, aidant les chercheurs à relier qui est présent dans un habitat à la façon dont la communauté fonctionne et réagit aux changements environnementaux.

Des traits des plantes aux traits bactériens

Les écologues utilisent depuis longtemps des traits — des caractéristiques comme la taille des feuilles ou la masse des graines — pour comprendre comment les plantes font face à la sécheresse, à la pollution ou au réchauffement. Des approches basées sur les traits existent aussi pour les animaux et les invertébrés du sol, et elles ont facilité la prédiction des changements de communautés sous les pressions humaines. Pour les microbes, toutefois, cette façon de penser est encore en retard, même si les bactéries répondent rapidement aux perturbations et peuvent servir d’indicateurs précoces de problèmes écosystémiques. BactoTraits adapte cette logique axée sur les traits aux bactéries, définissant les traits comme des caractéristiques qui influencent la survie, la croissance et les interactions des souches avec leur environnement.

Construire un atlas de traits pour des dizaines de milliers de souches

Les auteurs ont constitué BactoTraits en exploitant trois ressources ouvertes majeures : BacDive, une métabase décrivant des souches bactériennes cultivées ; rrnDB, qui recense le nombre de copies du gène ARN ribosomal portées par chaque souche ; et genomesizeR, qui prédit la taille des génomes à partir d’enregistrements de séquences. À partir de ces sources, ils ont extrait des informations pour 100 866 souches et les ont converties en 31 traits fonctionnels pour 97 721 souches disposant d’au moins quelques données utilisables. Ces traits couvrent les caractéristiques cellulaires de base (comme la forme, la taille et la capacité à former des endospores), les préférences environnementales (température, salinité et pH), le mode de vie et le métabolisme (utilisation de l’oxygène, sources d’énergie et de carbone, pigments et résistance aux antibiotiques) et les propriétés génomiques (teneur en GC, nombre de copies de gènes et taille de génome estimée).

Transformer des enregistrements brouillons en profils de traits utilisables

Les données des bases d’origine sont inégales et parfois contradictoires : une étude peut décrire une souche comme mobile, une autre comme non mobile. L’équipe a résolu cela en harmonisant la terminologie puis en utilisant une approche de codage « floue ». Plutôt que de forcer chaque souche dans une seule catégorie, ils ont autorisé une appartenance partielle à plusieurs classes de traits. Par exemple, si la plupart des études décrivent une souche comme non mobile et quelques-unes comme mobile, le profil de la souche reflète les deux possibilités avec des poids différents qui s’additionnent à un. Les valeurs quantitatives telles que la température ou le pH ont été regroupées en plages claires définies à partir de la littérature et des distributions de données, équilibrant sens biologique et nécessité de conserver suffisamment de souches par classe. Le résultat est une matrice où chaque souche est liée à un profil de traits gradé qui capture à la fois la connaissance et l’incertitude.

Relier les relevés d’ADN à ce que les bactéries peuvent faire

La microbiologie environnementale moderne repose souvent sur le séquençage haut débit d’un gène marqueur (16S rRNA) pour dresser la liste des types bactériens présents dans des échantillons de sol, d’eau ou d’hôtes. Cette liste, prise seule, dit peu sur la fonction. BactoTraits comble ce fossé. Les auteurs fournissent une série de scripts R qui associent chaque unité séquencée (OTU ou variante d’amplicon) aux souches de la base via l’information taxonomique du jeu de référence SILVA. Lorsqu’il existe plusieurs souches correspondantes, leurs profils de traits sont moyennés. Si l’appariement échoue au niveau du genre, les scripts remontent étape par étape au niveau de la famille, de l’ordre, de la classe ou du phylum, en notant toujours le niveau utilisé. Enfin, pour chaque échantillon environnemental, les scripts calculent un profil moyen pondéré par la communauté : à quel point l’ensemble de la communauté bactérienne exprime chaque trait, en tenant compte à la fois des valeurs de traits et des abondances relatives.

Comment les chercheurs peuvent utiliser cette nouvelle ressource

Le jeu de données BactoTraits et les scripts ont été conçus pour être transparents, flexibles et faciles à mettre à jour à mesure que BacDive, SILVA, rrnDB et les enregistrements de génomes s’enrichissent. Les chercheurs peuvent combiner BactoTraits avec des outils de prédiction basés sur les gènes pour obtenir une image plus riche des communautés : non seulement quelles voies métaboliques pourraient être présentes, mais aussi comment les bactéries diffèrent en taille, forme, tolérance au stress, stratégie de croissance et potentiel de pathogénicité. Des travaux antérieurs utilisant une version précédente du jeu de données ont déjà montré que certaines combinaisons de traits peuvent signaler une contamination par des métaux ou des hydrocarbures dans les sols, ou la coexistence de bactéries aérobies et anaérobies dans des environnements contaminés par le pétrole. La version étendue couvre désormais beaucoup plus de souches, de traits et de niveaux taxonomiques, rendant ces applications plus robustes.

Ce que cela signifie pour la compréhension des communautés vivantes

Pour un lecteur non spécialiste, le message central est que BactoTraits transforme une immense masse de faits microbiologiques dispersés en une carte cohérente de la façon dont les bactéries vivent et se comportent. En reliant les relevés d’ADN courants à des caractéristiques concrètes comme les préférences de température, la tolérance au sel ou la capacité à résister aux antibiotiques, il devient possible de suivre non seulement quelles bactéries sont présentes, mais comment leurs capacités collectives évoluent sous l’effet de la pollution, du changement climatique ou des actions de gestion. Cela peut améliorer la biosurveillance, orienter la conservation et la restauration, et aider les scientifiques à tester des hypothèses sur l’assemblage des communautés microbiennes. En bref, BactoTraits offre un nouvel objectif puissant pour observer les rouages cachés de la vie bactérienne à l’échelle des écosystèmes.

Citation: Laderriere, V., Usseglio-Polatera, P., Maunoury-Danger, F. et al. BactoTraits: a trait database for exploring functional diversity of bacterial communities. Sci Data 13, 337 (2026). https://doi.org/10.1038/s41597-026-06652-2

Mots-clés: traits bactériens, écologie microbienne, diversité fonctionnelle, ADN environnemental, biosurveillance