Le code-barres ADN in silico dépasse le séquençage du génome entier pour l’identification des espèces dans des pools de surveillance vectorielle

Pourquoi de petits insectes comptent

Les moustiques tuent plus de personnes chaque année que tout autre animal, principalement via des maladies comme le paludisme, la dengue et la fièvre jaune. Les équipes de santé publique cherchent à savoir quelles espèces de moustiques sont présentes dans une région et si elles portent des agents pathogènes, mais cela est difficile à réaliser rapidement et avec précision, en particulier dans de nombreuses zones d’Afrique subsaharienne. Cette étude explore un moyen plus rapide et moins coûteux de lire les « codes-barres » génétiques des moustiques et des germes qu’ils transportent, en utilisant un séquenceur d’ADN de la taille d’une poche qui pourrait être exploité dans des laboratoires régionaux proches des foyers d’épidémie.

Des pièges de terrain à des échantillons mixtes de moustiques

En surveillance réelle, les pièges attrapent souvent un mélange d’espèces plutôt que des échantillons constitués d’un seul moustique. Pour reproduire cela, les chercheurs ont constitué cinq « pools » en laboratoire composés de quatre espèces courantes vectrices de maladies : Aedes aegypti, deux espèces d’Anopheles transmettant le paludisme, et Culex quinquefasciatus. Dans deux des pools, ils ont aussi ajouté de l’ADN de trois parasites, dont le Plasmodium falciparum responsable du paludisme et deux vers à l’origine de filarioses. Chaque pool ressemblait donc à la réalité désordonnée d’un piège : de nombreux individus, plusieurs espèces et parfois des agents pathogènes dissimulés à faible abondance.

Un séquenceur portable à la place des grosses machines

L’équipe a testé le MinION, un appareil portable d’Oxford Nanopore Technologies capable de lire de longues séquences d’ADN. À la différence des gros séquenceurs coûteux surtout présents dans des laboratoires bien financés, le MinION est relativement bon marché, fonctionne sur un ordinateur portable et est déjà utilisé pour enquêter sur des foyers d’épidémie. Ici, l’ADN de chaque pool a été séquencé sur une cellule de flux MinION dédiée. Les lectures génétiques obtenues ont ensuite été analysées avec cinq approches logicielles différentes pour déterminer laquelle donnait la meilleure image des espèces et parasites présents, et de leurs proportions.

Génomes complets versus codes-barres ADN

Une stratégie a consisté à utiliser les lectures génétiques pour tenter de reconstituer des génomes entiers de moustiques et de parasites. Cette approche « génome complet » a permis de trouver les principales espèces dans chaque pool, mais elle a régulièrement mal estimé leurs proportions réelles. Les espèces de moustiques étroitement apparentées étaient particulièrement difficiles à distinguer, et certains pipelines attribuaient même de faibles nombres de lectures à des espèces absentes. Les chercheurs ont alors testé une tactique plus ciblée : au lieu d’aligner les lectures sur chaque région de chaque génome, ils ne les ont mappées que sur de courtes régions bien choisies servant de codes-barres. Ces régions, comme un fragment d’ADN ribosomal appelé ITS2, diffèrent suffisamment entre espèces pour les séparer, tout en étant courtes et faciles à séquencer de manière exhaustive.

Des résultats plus nets avec des codes-barres ciblés

Lorsque l’équipe s’est concentrée sur ces régions-codes-barres, les estimations d’abondance des espèces coïncidaient beaucoup mieux avec la composition connue de chaque pool. La région ITS2 et certaines combinaisons de segments de codes-barres ont fourni la correspondance la plus fidèle à la réalité, en particulier pour séparer les deux vecteurs d’Anopheles du paludisme. Fait important, cette méthode ciblée a également évité les « faux positifs » : elle n’a pas inventé d’espèces absentes du mélange. Même si l’ADN initial était de qualité seulement modérée — similaire à ce que l’on peut attendre dans des conditions chaudes et humides sur le terrain — le MinION a tout de même produit une couverture de codes-barres suffisante pour détecter de manière fiable à la fois les moustiques et, à faible niveau, certains parasites filaires.

Coût, simplicité et application sur le terrain

Les chercheurs ont comparé les coûts et constaté que réaliser ces expériences sur des cellules de flux MinION revenait à peu près moitié moins cher que sur une plateforme de séquençage Illumina de référence, sans tenir compte du prix d’achat beaucoup plus élevé et des frais logiciels de la machine plus grosse. Parce que l’analyse basée sur les codes-barres porte sur de petits fragments d’ADN, elle permettrait aux laboratoires d’utiliser des réactions PCR simples pour amplifier ces régions, d’assembler de nombreux échantillons en pool avec des codes-barres attribués en laboratoire, et de les analyser en une seule course MinION. Les besoins en traitement des données sont assez modestes pour que du personnel formé dans des laboratoires régionaux africains puisse les prendre en charge sans dépendre de centres de calcul haute performance éloignés.

Ce que cela change pour la lutte contre les maladies

En termes clairs, l’étude montre qu’un « échantillonnage intelligent » de l’ADN — lire seulement les fragments de codes-barres essentiels au lieu d’essayer de tout séquencer — peut donner une image plus nette et moins coûteuse des espèces de moustiques et des parasites présents dans un échantillon mixte. Cette preuve de concept in silico suggère que de futurs kits prêts pour le terrain pourraient permettre aux équipes locales de scanner rapidement des pools de moustiques piégés, de vérifier la présence d’espèces dangereuses ou d’agents pathogènes, et d’ajuster les mesures de contrôle avant que les épidémies ne prennent de l’ampleur. En mettant des outils génétiques puissants dans des appareils plus petits et plus abordables, ce travail ouvre la voie à des stratégies de lutte contre les maladies transmises par les moustiques plus réactives et mieux informées localement.

Citation: Nascimento, C.L., Tonge, D.P. & Tripet, F. In silico DNA barcoding surpasses whole genome sequencing for species identification from vector surveillance pools. Sci Rep 16, 10231 (2026). https://doi.org/10.1038/s41598-026-39937-y

Mots-clés: surveillance des moustiques, code-barres ADN, séquencement nanopore, maladies vectorielles, diagnostic moléculaire