femmes-hommes

Les facteurs génétiques peuvent, au même titre que les facteurs sociaux, influencer le choix du conjoint. C'est ce que montre Raphaëlle Chaix et son équipe dans une étude.
Cela fait déjà longtemps que les scientifiques pensent que le MHC, région du génome impliquée dans la réponse immunitaire, pourrait jouer un rôle dans le choix du conjoint. En effet, les gènes du MHC codent pour de petits récepteurs situés à la surface de nos cellules, permettant de détecter l'intrusion d'agents pathogènes dans notre organisme et de déclencher une réponse immunitaire. Il est donc possible que nous ayons une tendance à choisir un conjoint ayant des gènes du MHC différents des nôtres de façon à ce que nos enfants héritent d'un plus grand répertoire de récepteurs et puissent ainsi résister à un plus grand nombre d'infections. Des études suggèrent que nous aurions la faculté de discriminer la composition génétique du MHC de partenaires potentiels sur la base de molécules volatiles odorantes, elles aussi codées par le MHC. Cette implication du MHC dans le choix du conjoint a été démontrée chez diverses espèces animales, en particulier la souris, mais reste controversée chez l'homme. Les résultats des expériences dites "tee-shirts" sont plus précisément à l'origine de cette controverse.
Afin de revisiter cette question, Raphaëlle Chaix et ses collaborateurs ont analysé 4 millions de marqueurs génétiques répartis dans l'ensemble du génome humain de deux populations. Ces analyses ont été faites sur des couples maris-femmes issus des Yorubas du Nigeria et des Mormons d'Utah. Ils ont en particulier testé si les couples maris-femmes étaient ou non plus génétiquement différents au niveau du MHC que des couples d'individus tirés au hasard. Cette approche leur a permis de différencier l'effet du MHC de facteurs sociaux (influence de la famille, de la religion...). Dans l'échantillon africain, il n'a pas été observé d'effet du MHC sur le choix du conjoint, vraisemblablement du fait de la prédominance de facteurs sociaux (qui masquent l'effet éventuel de facteurs biologiques). En revanche, dans la population américaine, une tendance significative à choisir un conjoint génétiquement différent en termes de MHC a été mise en évidence. Cette étude montre donc que dans certaines populations des facteurs biologiques peuvent influencer, au même titre que les facteurs sociaux, le choix du conjoint et souligne la nécessité d'étudier un plus grand nombre de populations afin de mieux appréhender la diversité et l'importance relative de ces facteurs.

Auteur: PloS Genetics

Info: 12 septembre 2008

[ vus-scientifiquement ]

santé mondiale

Un champignon, une levure, à la une de l’édition électronique du New York Times. Candida auris est un nouvel exemple de ces agents infectieux qui au fil des dernières années, des dernières décennies, ont développé une résistance aux traitements qui sont pourtant censés les détruire. Le journal publie des témoignages de chercheurs, expliquant que l'utilisation généralisée de fongicides, notamment en agriculture, contribue à la recrudescence de champignons résistants aux médicaments destinés aux humains. C’est un phénomène connu depuis longtemps pour les bactéries, qui deviennent de plus en plus pharmaco-résistantes à mesure qu’on use et qu’on abuse des antibiotiques.

Les center for disease control (CDC) aux Etats-Unis attirent l’attention, sur ces bactéries résistantes à la plupart, si ce n’est désormais à tous les antibiotiques.

Le New York Times, en quelques chiffres, donne une bonne mesure du phénomène, et de l’urgence : on estime qu’aux États-Unis, au début des années 2010, deux millions de personnes chaque année contractaient des infections résistantes et que 23.000 en mouraient. Des études plus récentes de chercheurs de la faculté de médecine de l’Université de Washington font état d’un nombre de morts désormais 7 fois plus élevé.

En ce qui concerne Candida Auris, découvert pour la première fois en 2009 au Japon, on n’en est pas à la première alerte, c'est ce que rappelle Forbes : en 2016 déjà les autorités sanitaires britanniques s’étaient inquiétées d’un cas à Londres. Et le Corriere Della Serra, de son côté, explique que de nombreux foyers sont répertoriés, et surveillés, en Inde au Pakistan ou encore en Afrique du Sud. C'est que Candida auris voyage très bien, et est devenu extrêmement résistant. L’histoire de cet homme âgé, admis l'an dernier à l’hôpital Mount Sinaï, à New York, illustre bien le problème. Il est mort 90 jours après son admission en soins intensifs, et, explique au New York Times le président de l’hôpital, le docteur Scott Lorin, ça aura été un temps suffisant pour que Candida auris colonise entièrement sa chambre : les murs, le lit, les portes, les rideaux, les téléphones, l'évier, le tableau blanc, les poteaux, la pompe, le matelas, les barrières de lit, les trous de la cartouche, les stores, le plafond : tout dans la chambre était positif”. L'hôpital a dû détruire une partie du carrelage du plafond et du sol de la chambre pour venir à bout du champignon.

Alors le New York Times décortique le phénomène, et explique que la vente des fongicides et des antibiotiques rapporte énormément d'argent aux industries pharmaceutique et phytosanitaire. C'est un marché de 40 milliards de dollars à l'échelle mondiale, rien que pour les antibiotiques. Ce que nous voyons arriver, ce sont peut-être de nouvelles maladies du capitalisme. Ou plus exactement : un effet du "darwinisme... multiplié par les conséquences du capitalisme globalisé", selon l'expression de Matt Richtel, un des auteurs de l'enquête, très complète, et composée d'une série d'articles. A lire, d'ailleurs ce matin, sur le New York Times : un reportage au Kenya, où des antibiotiques à pas cher inondent le marché, et contribuent à créer des bactéries extrêmement dangereuses pour la population, et notamment pour les plus fragiles.

Auteur: Internet

Info: https://www.franceculture.fr, 8 mars 2019

[ big pharma ]

microbiologie

Les bactéries prennent des décisions basées sur des souvenirs générationnels

Elles choisissent de pulluler en fonction de ce qui est arrivé à leurs arrière-grands-parents.

Même les organismes sans cerveau peuvent se souvenir de leur passé : les scientifiques ont découvert que la bactérie Escherichia coli forme son propre type de mémoire suite à son exposition aux nutriments. Ils transmettent ces souvenirs aux générations futures, ce qui peut les aider à échapper aux antibiotiques, a rapporté l'équipe de recherche dans les Actes de la National Academy of Sciences USA .

" Nous considérons généralement les microbes comme des organismes unicellulaires [qui] font chacun leur propre travail ", explique George O'Toole, microbiologiste au Dartmouth College, qui étudie les structures bactériennes appelées biofilms. En réalité, les bactéries survivent souvent en travaillant ensemble. Tout comme les abeilles qui déménagent leur ruche, les colonies de bactéries à la recherche d’un habitat permanent se déplacent souvent sous forme d’unités collectives appelées essaims.

Ces essaims peuvent mieux résister à l’exposition aux antibiotiques en raison de leur densité cellulaire élevée, ce qui les rend particulièrement intéressants pour les microbiologistes tels que Souvik Bhattacharyya de l’Université du Texas à Austin. Il étudiait le comportement d’essaimage d’ E. coli lorsqu’il a observé ce qu’il appelle des " modèles de colonies étranges " qu’il n’avait jamais vus auparavant. En isolant des bactéries individuelles, lui et ses collègues ont découvert que les cellules se comportaient différemment en fonction de leur expérience passée. Les cellules bactériennes des colonies qui avaient déjà essaimé étaient plus enclines à essaimer à nouveau que celles qui ne l'avaient pas fait, et leur progéniture a emboîté le pas pendant au moins quatre générations, soit environ deux heures.

En modifiant le génome d'E. coli , les scientifiques ont découvert que cette capacité repose sur deux gènes qui contrôlent ensemble l'absorption et la régulation du fer. Les cellules présentant de faibles niveaux de cet important nutriment bactérien semblaient prédisposées à former des essaims mobiles. Les chercheurs soupçonnent que ces essaims pourraient alors rechercher de nouveaux emplacements présentant des niveaux de fer idéaux, explique Bhattacharyya.

Des recherches antérieures ont montré que certaines bactéries peuvent se souvenir et transmettre à leur progéniture des détails de leur environnement physique, tels que l'existence d'une surface stable, explique O'Toole, mais cette étude suggère que les bactéries peuvent également se souvenir de la présence de nutriments. Les bactéries, dont certaines se reproduisent plusieurs fois par heure, utilisent ces détails pour déterminer l'adéquation à long terme d'un emplacement et peuvent même s'installer ensemble dans des biofilms, qui sont plus permanents.

Les microbes autres que E. coli se souviennent probablement aussi de l'exposition au fer, dit O'Toole. " Je serais vraiment choqué si [ces résultats] ne tenaient pas également dans d'autres bugs." Il espère que les recherches futures examineront au niveau cellulaire comment les bactéries traduisent la détection du fer en différents comportements.

Étant donné que les bactéries sont plus difficiles à tuer lorsqu’elles forment des structures plus grandes, comprendre pourquoi elles le font pourrait éventuellement conduire à de nouvelles approches pour lutter contre les infections tenaces. Cette recherche offre l'opportunité de développer de nouveaux traitements contre les infections, dit O'Toole, d'autant plus cruciale que les antibiotiques deviennent de moins en moins efficaces pour tuer ces microbes,



 

Auteur: Internet

Info: https://www.scientificamerican.com/, Allison Parshall, 29 JANVIER 2024

[ atavismes ] [ adaptation ] [ transgénérationnel ] [ procaryotes ]

biogenèse

La durée des réponses épigénétiques qui sous-tendent l'héritage transgénérationnel est déterminée par un mécanisme actif reposant sur la production de petits ARN et la modulation de facteurs ARNi, dictant si les réponses ARNi* ancestrales seroent mémorisées ou oubliées.

Selon l'épigénétique - l'étude des changements héritables dans l'expression des gènes qui ne sont pas directement codés dans notre ADN - nos expériences de vie peuvent être transmises à nos enfants et aux enfants de nos enfants. Des études menées sur des survivants d'événements traumatiques suggèrent que l'exposition au stress peut effectivement avoir des effets durables sur les générations suivantes.

Mais comment exactement ces "souvenirs" génétiques sont-ils transmis ?

Une nouvelle étude de l'université de Tel Aviv (TAU), publiée la semaine dernière dans Cell, met en évidence le mécanisme précis qui permet d'activer ou de désactiver la transmission de ces influences environnementales.

Jusqu'à présent, on supposait qu'une dilution ou une décroissance passive régissait l'héritage des réponses épigénétiques", a déclaré Oded Rechavi, PhD, de la Faculté des sciences de la vie et de l'École de neurosciences Sagol de l'UAT. "Mais nous avons montré qu'il existe un processus actif qui régule l'héritage épigénétique au fil des générations".

Les scientifiques ont découvert que des gènes spécifiques, qu'ils ont nommés "MOTEK" (Modified Transgenerational Epigenetic Kinetics), étaient impliqués dans l'activation et la désactivation des transmissions épigénétiques.

"Nous avons découvert comment manipuler la durée transgénérationnelle de l'héritage épigénétique chez les vers en activant et désactivant les petits ARN que les vers utilisent pour réguler ces gènes", a déclaré Rechavi*.

Ces commutateurs sont contrôlés par une interaction en retour entre les petits ARN régulateurs de gènes, qui sont héritables, et les gènes MOTEK qui sont nécessaires pour produire et transmettre ces petits ARN à travers les générations.

Cette rétroaction détermine si la mémoire épigénétique se transmet ou non à la descendance, et combien de temps dure chaque réponse épigénétique.

Les chercheurs prévoient maintenant d'étudier les gènes MOTEK pour savoir exactement comment ces gènes affectent la durée des effets épigénétiques, et si des mécanismes similaires existent chez l'homme.

 Rechavi et son équipe avaient précédemment identifié un mécanisme d'"héritage de petits ARN" par lequel des molécules d'ARN produisaient une réponse aux besoins de cellules spécifiques et comment elles étaient régulées entre les générations.

"Nous avons précédemment montré que les vers héritaient de petits ARN suite à la famine et aux infections virales de leurs parents. Ces petits ARN aidaient à préparer leur progéniture à des épreuves similaires", a déclaré le Dr Rechavi. "Nous avons également identifié un mécanisme qui amplifiait les petits ARN héréditaires à travers les générations, afin que la réponse ne soit pas diluée. Nous avons découvert que des enzymes appelées RdRPs sont nécessaires pour recréer de nouveaux petits ARN afin de maintenir la réponse dans les générations suivantes."

On a constaté que la plupart des réponses épigénétiques héritables chez les vers C.elegans ne persistaient que pendant quelques générations. Cela a donné lieu à l'hypothèse que les effets épigénétiques s'effaçaient simplement au fil du temps, par un processus de dilution ou de désintégration.

"Mais cette hypothèse ne tenait pas compte de la possibilité que ce processus ne s'éteigne pas tout bonnement, mais qu'il soit au contraire régulé", a déclaré Rechavi, qui, dans cette étude, a traité des vers C.elegans avec de petits ARN qui ciblent la GFP (protéine fluorescente verte), un gène rapporteur couramment utilisé dans les expériences. "En suivant les petits ARN héréditaires qui régulaient la GFP - qui "réduisaient au silence" son expression - nous avons révélé un mécanisme d'héritage actif et réglable qui peut être activé ou désactivé."

Auteur: Internet

Info: https://www.kurzweilai.net/onoff-button-for-passing-along-epigenetic-memories-to-our-children-discovered. 29 mars 2016. *ARN interférant

[ bio-machine ] [ évolution ]

entomologie

Découvrez comment certains vers du cerveau transforment les fourmis en mortes-vivantes 

(photo : Dans la tête d'une fourmi infectée par plusieurs vers plats parasites en jaune, un ver en rouge se niche à l'intérieur du cerveau de la fourmi, - image capturée par le centre d'imagerie et d'analyse du musée d'histoire naturelle de Londres.)

Peut-on comprendre l’idée d’un ver parasite dans le cerveau d’une fourmi ? Ne vous inquiétez pas, il y a des photos.

Les scientifiques ont récemment capturé les premières images montrant ces parasites " contrôlant l'esprit " en action à l'intérieur de la tête d'une malheureuse fourmi, révélant des vues inédites d'un ver plat mortel vivant dans le cerveau, Dicrocoelium dendriticum (douve lancette du foie ou lancet liver fluke)  et les indices mis au jour quant aux secrets de manipulation et de comportement du ver.

Les douves du foie de Lancet ciblent un large éventail d'espèces de fourmis. Selon les Centres de contrôle et de prévention des maladies (CDC), bien qu'elles ne pratiquent leurs tours de passe-passe que sur les fourmis hôtes, elles font du ping-pong entre plusieurs espèces pour compléter leur cycle de vie.

Sous forme d’œufs, elles habitent les excréments d’animaux de pâturage comme les cerfs ou le bétail. Une fois les excréments infectés mangés par les escargots, les larves de vers éclosent et se développent dans les intestins des mollusques. Les escargots finissent par éjecter les larves de vers sous forme de boules visqueuses, qui sont ensuite englouties par les fourmis. [ 8 terribles infections parasitaires qui feront ramper votre peau ]

C'est à l'intérieur de la fourmi que le ver se transforme. Les fourmis ingèrent généralement plusieurs vers, dont la plupart se cachent dans leur abdomen. Toutefois, l'un d'entre eux parvient jusqu'au cerveau de la fourmi, où il devient le moteur de l'insecte, l'obligeant à adopter des "comportements absurdes", ont rapporté des scientifiques dans une nouvelle étude.

Sous le contrôle du ver, la fourmi désormais zombifiée affiche un souhait de mort, grimpant sur des brins d'herbe, des pétales de fleurs ou d'autres végétaux au crépuscule, une époque où les fourmis retournent généralement à leurs nids. Nuit après nuit, la fourmi s'accroche avec ses mâchoires à une plante, attendant d'être mangée par un mammifère qui en pâture. Une fois que cela se produit, les parasites se reproduisent et pondent chez le mammifère hôte. Les œufs sont expulsés dans les selles et le cycle recommence.

Tout est question de contrôle

Pendant des années, les biologistes avaient été intrigués par la relation entre les vers plats et les fourmis, mais les détails sur la manière dont les parasites manipulent le comportement des fourmis restaient un mystère, " en partie parce que jusqu'à présent, nous n'avons pas pu voir la relation physique entre le parasite et le cerveau de fourmi ", a déclaré le co-auteur de l'étude, Martin Hall, chercheur au département des sciences de la vie du Musée d'histoire naturelle (NHM) de Londres,  Tout a changé lorsqu'une équipe de scientifiques a examiné l'intérieur de la tête et du corps des fourmis infectées à l'aide d'une technique appelée micro-tomographie par ordinateur, ou micro-CT. Cette méthode combine la microscopie et l’imagerie aux rayons X pour visualiser les structures internes de minuscules objets en 3D et avec des détails époustouflants.

(Photo : La plupart des parasites vers plats d'une fourmi infectée attendent patiemment à l'intérieur de l'abdomen de leur hôte, tandis qu'un ou plusieurs vers envahissent le cerveau de la fourmi)

Les chercheurs ont décapité des fourmis prélevées, enlevant leurs mandibules pour mieux voir l'intérieur de leur tête, puis ils ont coloré et scanné la tête et l'abdomen des fourmis, ainsi qu'un corps complet de fourmi, écrivent-ils dans l'étude.

Leurs analyses ont montré qu'une fourmi pouvait avoir jusqu'à trois vers se disputant le contrôle de son cerveau, même si un seul ver parvient finalement à entrer en contact avec le cerveau lui-même. Les ventouses orales aident les parasites à s'accrocher au tissu cérébral de la fourmi, et les vers semblent cibler une région du cerveau associée à la locomotion et au contrôle de la mandibule.

Le détournement de cette zone du cerveau permis très probablement au ver de diriger la fourmi et verrouiller ses mâchoires sur une ancre d'herbe ou de fleur en attendant d'être mangée, rapportent les auteurs de l'étude. 

Auteur: Internet

Info: https://www.livescience.com/62763-zombie-ant-brain-parasite.html, 5 juin 2018, Mindy Weisberger

[ myrmécologie ] [ nématologie ]

santé

Le cuivre, l’ennemi numéro 1 des microbes
En mars dernier, des recherches ont montré que le coronavirus SARS-CoV-2 (Covid-19), responsable de la pandémie de Covid-19, peut survivre jusqu’à quatre heures sur du cuivre, jusqu’à 24 heures sur du carton, et jusqu’à trois jours sur du plastique et de l’acier inoxydable (bien que la charge virale soit, après 72 heures, considérablement réduite). À la publication de cette étude, la seule chose qui surprit Bill Keevil était que l’agent pathogène avait survécu aussi longtemps sur le cuivre.

Ce spécialiste en microbiologie à l’Université de Southampton (Royaume-Uni) est en effet habitué à voir “tomber” les microbes au contact du métal. Dans son laboratoire, qu’il s’agisse de Legionella pneumophila, la bactérie responsable de la maladie du légionnaire, du Staphylococcus aureus, résistant à la méthicilline (SARM), du coronavirus responsable du syndrome respiratoire du Moyen-Orient (MERS), ou encore de H1N1, le virus responsable de la pandémie de grippe porcine de 2009, tous, au contact du cuivre, succombent en quelques minutes.

Les propriétés antimicrobiennes du cuivre ne sont pas nouvelles pour les humains. L’une des premières utilisations enregistrées de cet élément comme agent désinfectant provient du papyrus Ebers, l’un des plus anciens traités médicaux connus, daté du XVIe siècle av. J.-C., pendant le règne d’Amenhotep Ier.

Plus tard, dès 1600 avant J.-C, nous savons que les Chinois utilisaient également des pièces de cuivre pour traiter les douleurs cardiaques et gastriques, ou encore les troubles de la vessie. Autre exemple avec les phéniciens qui, en mer, inséraient parfois des morceaux de leurs épées en bronze (un alliage du cuivre) dans leur blessures pour prévenir les infections. Très tôt également, les femmes ont pris conscience que leurs enfants souffraient beaucoup moins souvent de diarrhées lorsqu’ils buvaient dans des récipients en cuivre. Ce savoir se transmit alors de génération en génération.

Comment expliquer les pouvoirs antimicrobiens du cuivre ?
"Les métaux lourds, dont l’or et l’argent, sont antibactériens, mais la composition atomique spécifique du cuivre lui confère un pouvoir de destruction supplémentaire, explique Bill Keevil. Le cuivre a un électron libre dans sa coquille orbitale externe d’électrons qui participe facilement aux réactions d’oxydoréduction (ce qui fait également du métal un bon conducteur)". C’est cet électron qui, en quelque sorte, vient oxyder les molécules de l’agent pathogène. "L’argent et l’or n’ont pas d’électron libre, poursuit le chercheur. C’est pourquoi ils sont moins réactifs".

Mais le cuivre a également d’autres cordes à son arc. Lorsqu’un microbe atterrit dessus, ses ions vont littéralement faire exploser la membrane cellulaire de l’agent pathogène qui, de ce fait, se retrouve à nu. Les ions s’attaquent ensuite librement à l’ADN ou l’ARN de la victime, empêchant sa réplication.

Bien conscient de toutes ces propriétés, Michael G. Schmidt, professeur de microbiologie à l’Université médicale de Caroline du Sud (États-Unis), focalise depuis plusieurs années ses recherches sur les pouvoirs du cuivre en milieu hospitalier.

Au terme d’une étude menée sur 43 mois, concentrée sur trois hôpitaux proposant des alliages de cuivre sur les rails de chevet, les supports d’administration intraveineuse ou encore sur les accoudoirs de chaises, il avait été constaté une réduction de 58% des infections nosocomiales comparé aux résultats d’établissements plus “classiques”.

Dans le cadre d’une autre étude menée sur deux ans, publiée plus tôt cette année, le chercheur a cette fois comparé les lits d’une unité de soins intensifs proposant des surfaces en plastique et ceux proposant du cuivre. Il est finalement ressorti que les premiers dépassaient les normes de risque acceptées dans près de 90% des échantillons, tandis que les seconds ne dépassaient ces normes que sur 9%.

Depuis plusieurs années, des centres hospitaliers, compte tenu de toutes ces vertus antimicrobiennes, ont évidemment fait le choix du cuivre. Que ce soit dans la robinetterie, les poignées de portes et autres éléments de mobilier. C’est notamment le cas aux États-Unis, en France, en Pologne, ou encore au Pérou et au Chili. Il y a deux ans, des chercheurs britanniques ont également mis au point des blouses imprégnées de nanoparticules de cuivre, toujours dans l’idée de limiter les infections nosocomiales.

Malgré tout, le retour du cuivre se fait encore assez timide, principalement pour des raisons budgétaires. L’actualité sanitaire, en revanche, pourrait pousser d’autres centres hospitaliers à se pencher sur la question. De leur côté, les entrepreneurs pourraient être amenés à proposer des solutions plus abordables.

Auteur: Internet

Info: https://sciencepost.fr, Brice Louvet 21 avril 2020

[ antiseptique ] [ antiputtride ]

microbiologie

Comment le microbiome* influence notre santé 

Nous ne sommes jamais seuls. En plus des 30 000 milliards de cellules humaines, notre corps abrite quelque 39 000 milliards de microbes – bactéries, champignons et protozoaires qui vivent dans nos intestins, nos poumons, notre bouche, notre nez, notre peau et ailleurs dans tout le corps. Les ensembles d’organismes présents dans et sur notre corps, le " microbiote ", font partie d’habitats microbiens plus larges, ou " microbiomes ", qui englobent tous les génomes viraux et cellulaires, les protéines codées et d’autres molécules dans leur environnement local. (Cependant,  il existe une certaine ambiguïté  dans les définitions, de sorte que l'utilisation des termes varie souvent.)

Bien que le microbiome soit récemment devenu un sujet brûlant en raison de son importance potentielle pour notre santé, ce n'est pas un concept nouveau. Certains font remonter ses origines au XVIIe siècle, lorsque le microbiologiste néerlandais Antonie van Leeuwenhoek a décrit pour la première fois de minuscules organismes qu'il avait prélevés dans sa bouche et observés sous un microscope artisanal. Tout au long des années 1900 et au début des années 2000, un certain nombre de découvertes ont attiré l'attention des gens sur les microbes vivant à l'intérieur de nous, mais ce domaine a reçu une attention accrue en 2007 lorsque les National Institutes of Health ont lancé le projet sur le microbiome humain. Depuis lors, les scientifiques ont catalogué de manière de plus en plus détaillée la biodiversité microbienne du corps humain. Ils ont découvert que les microbiomes sont distincts dans tout le corps : la composition microbienne de l’intestin, par exemple, est très différente de celle de la bouche. Ils en sont également venus à reconnaître qu’il n’existe pas de microbiome " ​​normal ". Au contraire, comme pour les empreintes digitales, chacun abrite une sélection unique d’espèces et de souches microbiennes.

Ces microbes jouent de nombreux rôles, depuis la protection contre les agents pathogènes et le réglage de nos réponses immunitaires jusqu'à la digestion des aliments et la synthèse des nutriments. Pour cette raison, lorsqu’un microbiome est désorganisé – par exemple à cause d’une mauvaise alimentation, de maladies infectieuses, de médicaments ou de facteurs environnementaux – cela peut avoir un effet d’entraînement sur notre santé. Des microbiomes malsains ont été associés au cancer, aux maladies cardiaques et pulmonaires, à l’inflammation et aux maladies inflammatoires de l’intestin. On pense même que les microbes régulent l’axe intestin-cerveau, une autoroute de communication qui relie le cerveau au système nerveux entérique, qui contrôle les intestins. Aujourd’hui, la médecine cible de plus en plus les microbiomes pour traiter diverses maladies. Par exemple, les greffes fécales contenant un microbiote sain sont parfois utilisées pour traiter des infections bactériennes graves du côlon.

Malgré une accélération de la recherche sur le microbiome au cours des dernières décennies, qui a donné naissance à de nouvelles technologies génomiques puissantes, de nombreuses questions fondamentales restent sans réponse complète. Comment acquérons-nous le microbiote et comment la communauté évolue-t-elle tout au long de notre vie ? Quel est l’impact des différents environnements et modes de vie sur le microbiome ? Comment le microbiome peut-il provoquer ou être utilisé pour traiter des maladies ? Ces questions et bien d’autres alimentent la recherche biologique et nous aident à mieux comprendre qui et ce qui fait de nous ce que nous sommes.

Quoi de neuf et remarquable

D’où vient notre microbiome ? Plusieurs études réalisées au cours de la dernière année ont donné des indications. Les bébés acquièrent la plupart de leurs microbes de leur mère à la naissance et dans les mois qui suivent. Mais il s’avère que les mères ne partagent pas seulement des organismes microbiens avec leurs bébés, elles partagent également des gènes microbiens. Dans une étude de 2022 publiée dans Cell , des scientifiques ont révélé que de courtes séquences d'ADN appelées éléments mobiles peuvent passer des bactéries de la mère aux bactéries du bébé, même des mois après la naissance. Comme je l'ai déjà signalé dans  Quanta , il est probable que ces gènes pourraient aider à développer un microbiome intestinal plus performant chez le bébé, ce qui pourrait à son tour développer davantage son système immunitaire.

La transmission ne se produit pas seulement à la naissance. En fait, les microbiomes sont incroyablement dynamiques et peuvent changer radicalement au cours de la vie d’une personne. Dans un article de Quanta publié l’année dernière, j’ai rendu compte de l’analyse mondiale la plus complète de la transmission du microbiome à ce jour. À l’aide de nouveaux outils génomiques, une équipe de biologistes italiens a retracé plus de 800 000 souches de microbes entre familles, colocataires, voisins et villages dans 20 pays. Ils ont découvert que les microbes sautent beaucoup entre les personnes, en particulier entre les conjoints et les colocataires, qui passent beaucoup de temps ensemble. Ces résultats suggèrent que certaines maladies qui ne sont pas considérées comme contagieuses pourraient avoir un aspect contagieux si elles impliquent le microbiome. Cependant, cette idée est spéculative et sera sûrement débattue et étudiée dans les années à venir.

Les connaissances sur la manière dont nous acquérons le microbiome et son impact sur notre corps ne proviennent pas uniquement d’études réalisées sur des humains. D’autres animaux possèdent également des microbiomes essentiels à leur santé et à leur développement – ​​et plusieurs études récentes ont établi des liens entre les microbes intestinaux et le cerveau. En 2019, Quanta a signalé que le comportement de peur diffère entre les souris ayant des microbiomes différents, et en 2022, nous avons rendu compte de la manière dont les microbiomes influencent les compétences sociales et la structure cérébrale du poisson zèbre.

Auteur: Internet

Info: https://www.quantamagazine.org/ - 11 03 2024 - Yasemin Saplakogku. *Pour préciser : Le terme microbiote est suivi du nom de l'environnement dans lequel il se trouve. Par exemple, le « microbiote intestinal » fait référence au microbiote présent dans les voies intestinales. Le microbiome fait référence à l'ensemble des gènes hébergés par des micro-organismes, ce que l'on appelle le théâtre d'activité.

[ orchestre invisible du corps ] [ Des bactéries aux organes ]

médecine

L'intelligence artificielle peut prédire l'activité sur et hors cible des outils CRISPR qui ciblent l'ARN au lieu de l'ADN, selon une nouvelle recherche publiée dans Nature Biotechnology.

L'étude menée par des chercheurs de l'université de New York, de l'université Columbia et du New York Genome Center associe un modèle d'apprentissage profond à des écrans CRISPR pour contrôler l'expression des gènes humains de différentes manières, comme si l'on appuyait sur un interrupteur pour les éteindre complètement ou si l'on utilisait un bouton d'atténuation pour réduire partiellement leur activité. Ces contrôles précis des gènes pourraient être utilisés pour développer de nouvelles thérapies basées sur CRISPR.

CRISPR est une technologie d'édition de gènes qui a de nombreuses applications en biomédecine et au-delà, du traitement de la drépanocytose à la fabrication de feuilles de moutarde plus savoureuses. Elle fonctionne souvent en ciblant l'ADN à l'aide d'une enzyme appelée Cas9. Ces dernières années, les scientifiques ont découvert un autre type de CRISPR qui cible l'ARN à l'aide d'une enzyme appelée Cas13.

Les CRISPR ciblant l'ARN peuvent être utilisés dans un large éventail d'applications, notamment l'édition de l'ARN, l'élimination de l'ARN pour bloquer l'expression d'un gène particulier et le criblage à haut débit pour déterminer les candidats médicaments prometteurs. Des chercheurs de l'Université de New York et du New York Genome Center ont créé une plateforme de criblage CRISPR ciblant l'ARN et utilisant Cas13 pour mieux comprendre la régulation de l'ARN et identifier la fonction des ARN non codants. L'ARN étant le principal matériel génétique des virus, notamment du SRAS-CoV-2 et de la grippe, les CRISPR ciblant l'ARN sont également prometteurs pour le développement de nouvelles méthodes de prévention ou de traitement des infections virales. Par ailleurs, dans les cellules humaines, lorsqu'un gène est exprimé, l'une des premières étapes est la création d'ARN à partir de l'ADN du génome.

L'un des principaux objectifs de l'étude est de maximiser l'activité des CRISPR ciblant l'ARN sur l'ARN cible prévu et de minimiser l'activité sur d'autres ARN qui pourraient avoir des effets secondaires préjudiciables pour la cellule. L'activité hors cible comprend à la fois les mésappariements entre l'ARN guide et l'ARN cible, ainsi que les mutations d'insertion et de délétion. 

Les études antérieures sur les CRISPR ciblant l'ARN se sont concentrées uniquement sur l'activité sur la cible et les mésappariements ; la prédiction de l'activité hors cible, en particulier les mutations d'insertion et de délétion, n'a pas fait l'objet d'études approfondies. Dans les populations humaines, environ une mutation sur cinq est une insertion ou une délétion ; il s'agit donc d'un type important de cibles potentielles à prendre en compte dans la conception des CRISPR.

"À l'instar des CRISPR ciblant l'ADN tels que Cas9, nous prévoyons que les CRISPR ciblant l'ARN tels que Cas13 auront un impact considérable sur la biologie moléculaire et les applications biomédicales dans les années à venir", a déclaré Neville Sanjana, professeur agrégé de biologie à l'université de New York, professeur agrégé de neurosciences et de physiologie à l'école de médecine Grossman de l'université de New York, membre de la faculté principale du New York Genome Center et coauteur principal de l'étude. "La prédiction précise des guides et l'identification hors cible seront d'une grande valeur pour ce nouveau domaine de développement et pour les thérapies.

Dans leur étude publiée dans Nature Biotechnology, Sanjana et ses collègues ont effectué une série de criblages CRISPR de ciblage de l'ARN dans des cellules humaines. Ils ont mesuré l'activité de 200 000 ARN guides ciblant des gènes essentiels dans les cellules humaines, y compris les ARN guides "parfaitement adaptés" et les désadaptations, insertions et suppressions hors cible.

Le laboratoire de Sanjana s'est associé à celui de David Knowles, expert en apprentissage automatique, pour concevoir un modèle d'apprentissage profond baptisé TIGER (Targeted Inhibition of Gene Expression via guide RNA design) qui a été entraîné sur les données des cribles CRISPR. En comparant les prédictions générées par le modèle d'apprentissage profond et les tests en laboratoire sur des cellules humaines, TIGER a été capable de prédire l'activité sur cible et hors cible, surpassant les modèles précédents développés pour la conception de guides sur cible Cas13 et fournissant le premier outil de prédiction de l'activité hors cible des CRISPR ciblant l'ARN.

"L'apprentissage automatique et l'apprentissage profond montrent leur force en génomique parce qu'ils peuvent tirer parti des énormes ensembles de données qui peuvent maintenant être générés par les expériences modernes à haut débit. Il est important de noter que nous avons également pu utiliser l'"apprentissage automatique interprétable" pour comprendre pourquoi le modèle prédit qu'un guide spécifique fonctionnera bien", a déclaré M. Knowles, professeur adjoint d'informatique et de biologie des systèmes à la School of Engineering and Applied Science de l'université Columbia, membre de la faculté principale du New York Genome Center et coauteur principal de l'étude.

"Nos recherches antérieures ont montré comment concevoir des guides Cas13 capables d'éliminer un ARN particulier. Avec TIGER, nous pouvons maintenant concevoir des guides Cas13 qui trouvent un équilibre entre l'élimination sur la cible et l'évitement de l'activité hors cible", a déclaré Hans-Hermann (Harm) Wessels, coauteur de l'étude et scientifique principal au New York Genome Center, qui était auparavant chercheur postdoctoral dans le laboratoire de Sanjana.

 Les chercheurs ont également démontré que les prédictions hors cible de TIGER peuvent être utilisées pour moduler précisément le dosage des gènes - la quantité d'un gène particulier qui est exprimée - en permettant l'inhibition partielle de l'expression des gènes dans les cellules avec des guides de mésappariement. Cela peut être utile pour les maladies dans lesquelles il y a trop de copies d'un gène, comme le syndrome de Down, certaines formes de schizophrénie, la maladie de Charcot-Marie-Tooth (une maladie nerveuse héréditaire), ou dans les cancers où l'expression aberrante d'un gène peut conduire à une croissance incontrôlée de la tumeur.

Notre modèle d'apprentissage profond peut nous indiquer non seulement comment concevoir un ARN guide qui supprime complètement un transcrit, mais aussi comment le "régler", par exemple en lui faisant produire seulement 70 % du transcrit d'un gène spécifique", a déclaré Andrew Stirn, doctorant à Columbia Engineering et au New York Genome Center, et coauteur de l'étude.

En associant l'intelligence artificielle à un crible CRISPR ciblant l'ARN, les chercheurs pensent que les prédictions de TIGER permettront d'éviter une activité CRISPR hors cible indésirable et de stimuler le développement d'une nouvelle génération de thérapies ciblant l'ARN.

"À mesure que nous recueillons des ensembles de données plus importants à partir des cribles CRISPR, les possibilités d'appliquer des modèles d'apprentissage automatique sophistiqués sont de plus en plus rapides. Nous avons la chance d'avoir le laboratoire de David à côté du nôtre pour faciliter cette merveilleuse collaboration interdisciplinaire. Grâce à TIGER, nous pouvons prédire les cibles non ciblées et moduler avec précision le dosage des gènes, ce qui ouvre la voie à de nouvelles applications passionnantes pour les CRISPR ciblant l'ARN dans le domaine de la biomédecine", a déclaré Sanjana.

Cette dernière étude fait progresser la large applicabilité des CRISPR ciblant l'ARN pour la génétique humaine et la découverte de médicaments, en s'appuyant sur les travaux antérieurs de l'équipe de l'Université de New York pour développer des règles de conception de l'ARN guide, cibler les ARN dans divers organismes, y compris des virus comme le SRAS-CoV-2, concevoir des protéines et des ARN thérapeutiques, et exploiter la biologie de la cellule unique pour révéler des combinaisons synergiques de médicaments contre la leucémie.

Auteur: Internet

Info: L'IA combinée à CRISPR contrôle précisément l'expression des gènes par l'Université de New York. https://phys.org/, 3 juillet 2023 - Nature Biotechnology. Prediction of on-target and off-target activity of CRISPR-Cas13d guide RNAs using deep learning, Nature Biotechnology (2023). DOI: 10.1038/s41587-023-01830-8

[ génie génétique ]

tour d'horizon de l'IA

Intelligence artificielle symbolique et machine learning, l’essor des technologies disruptives

Définie par le parlement Européen comme la " reproduction des comportements liés aux humains, tels que le raisonnement, la planification et la créativité ", l’intelligence artificielle s’initie de façon spectaculaire dans nos vies. Théorisée au milieu des années 50, plusieurs approches technologiques coexistent telles que l’approche machine learning dite statistique basée sur l’apprentissage automatique, ou l’approche symbolique basée sur l’interprétation et la manipulation des symboles. Mais comment se différencient ces approches ? Et pour quels usages ?

L’intelligence artificielle, une histoire ancienne

Entre les années 1948 et 1966, l’Intelligence Artificielle a connu un essor rapide, stimulé par des financements importants du gouvernement américain pour des projets de recherche sur l’IA, notamment en linguistique. Des progrès significatifs ont été réalisés dans la résolution de problèmes de logique symbolique, mais la capacité de l’IA à traiter des données complexes et imprécises était encore limitée.

A la fin des années 70, plus précisément lors du deuxième “été de l’IA” entre 1978 et 1987,  l’IA connaît un regain d’intérêt. Les chercheurs ont commencé à explorer de nouvelles approches, notamment l’utilisation de réseaux neuronaux et de systèmes experts. Les réseaux neuronaux sont des modèles de traitement de l’information inspirés par le fonctionnement du cerveau humain, tandis que les systèmes experts sont des programmes informatiques qui simulent l’expertise humaine dans un domaine spécifique.

Il faudra attendre la fin des années 90 pour voir un renouveau de ces domaines scientifiques, stimulé par des avancées majeures dans le traitement des données et les progrès de l’apprentissage automatique. C’est d’ailleurs dans cette période qu’une IA, Deepblue, gagne contre le champion mondial Garry Kasparov aux échecs.$

Au cours des dernières années, cette technologie a connu une croissance exponentielle, stimulée par des progrès majeurs dans le deep learning, la robotique ou la compréhension du langage naturel (NLU). L’IA est maintenant utilisée dans un large éventail de domaines, notamment la médecine, l’agriculture, l’industrie et les services. C’est aujourd’hui un moteur clé de l’innovation et de la transformation de notre monde, accentué par l’essor des generative AIs. 

Parmi ces innovations, deux grandes approches en intelligence artificielle sont aujourd’hui utilisées : 

1 - Le Machine Learning : qui est un système d’apprentissage automatique basé sur l’exploitation de données, imitant un réseau neuronal

2 - L’IA Symbolique : qui se base sur un système d’exploitation de " symboles ”, ce qui inspire des technologies comme le “système expert” basé sur une suite de règles par exemple.

Mais comment fonctionnent ces deux approches et quels sont leurs avantages et leurs inconvénients ? Quels sont leurs champs d’application ? Peuvent-ils être complémentaires ?

Le machine learning

Le Machine Learning est le courant le plus populaire ces dernières années, il est notamment à l’origine de ChatGPT ou bien MidJourney, qui font beaucoup parler d’eux ces derniers temps. Le Machine Learning (ML) est une famille de méthodes d’apprentissage automatique qui permet aux ordinateurs d’apprendre à partir de données, sans être explicitement programmés. En utilisant des algorithmes, le ML permet aux ordinateurs de comprendre les structures et les relations dans les données et de les utiliser pour prendre des décisions.

Le ML consiste à entraîner des modèles informatiques sur de vastes ensembles de données. Ces modèles sont des algorithmes auto apprenant se basant sur des échantillons de données, tout en déterminant des schémas et des relations/corrélations entre elles. Le processus d’entraînement consiste à fournir à l’algorithme des données étiquetées, c’est-à-dire des données qui ont déjà été classifiées ou étiquetées pour leur attribuer une signification. L’algorithme apprend ensuite à associer les caractéristiques des données étiquetées aux catégories définies en amont. Il existe cependant une approche non-supervisée qui consiste à découvrir ce que sont les étiquettes elles-mêmes (ex: tâche de clustering).

Traditionnellement, le machine learning se divise en 4 sous-catégories : 

Apprentissage supervisé : 

Les ensembles de données sont étiquetés, ce qui permet à l’algorithme de trouver des corrélations et des relations entre les caractéristiques des données et les étiquettes correspondantes. 

Apprentissage non supervisé : 

Les ensembles de données ne sont pas étiquetés et l’algorithme doit découvrir les étiquettes par lui-même. 

Apprentissage semi-supervisé : 

L’algorithme utilise un mélange de données étiquetées et non étiquetées pour l’entraînement.

Apprentissage par renforcement : 

L’algorithme apprend à prendre des décisions en interagissant avec son environnement. Il reçoit des récompenses ou des pénalités pour chaque action, ce qui lui permet d’ajuster sa stratégie pour maximiser sa récompense globale.

Un exemple d’application du Machine Learning est la reconnaissance d’images. Des modèles d’apprentissages profonds sont entraînés sur des millions d’images pour apprendre à reconnaître des objets, des personnes, des animaux, etc. Un autre exemple est la prédiction de la demande dans le commerce de détail, où des modèles sont entraînés sur des données de ventes passées pour prédire les ventes futures.

Quels sont les avantages ? 

Étant entraîné sur un vaste corpus de données, le ML permet de prédire des tendances en fonction de données.  

- Le machine learning offre la capacité de détecter des tendances and des modèles dans les données qui peuvent échapper à l’observation humaine.

- Une fois configuré, le machine learning peut fonctionner de manière autonome, sans l’intervention humaine. Par exemple, dans le domaine de la cybersécurité, il peut surveiller en permanence le trafic réseau pour identifier les anomalies.

- Les résultats obtenus par le machine learning peuvent s’affiner et s’améliorer avec le temps, car l’algorithme peut apprendre de nouvelles informations et ajuster ses prédictions en conséquence.

- Le machine learning est capable de traiter des volumes massifs et variés de données, même dans des environnements dynamiques et complexes.

L’intelligence artificielle symbolique

L’IA symbolique est une autre approche de l’intelligence artificielle. Elle utilise des symboles and des règles de traitement de l’information pour effectuer des tâches. Les symboles peuvent être des concepts, des objets, des relations, etc. Les règles peuvent être des règles de déduction, des règles de production, des règles d’inférence…etc.

Un exemple d’application de l’IA symbolique est le système expert. Un système expert est un programme informatique qui utilise des règles de déduction pour résoudre des problèmes dans un domaine spécifique, comme le diagnostic médical ou l’aide à la décision en entreprise. Un autre exemple est la traduction automatique basée sur des règles, les règles de grammaire et de syntaxe sont utilisées pour traduire un texte d’une langue à une autre.

Quelques exemples d’usages de l’IA symbolique :

La traduction

L’IA symbolique a été utilisée pour développer des systèmes de traduction automatique basés sur des règles. Ces systèmes utilisent des règles de grammaire et de syntaxe pour convertir un texte d’une langue à une autre. Par exemple, le système SYSTRAN, développé dans les années 1960, est un des premiers systèmes de traduction automatique basé sur des règles. Ce type de système se distingue des approches basées sur le Machine Learning, comme Google Translate, qui utilisent des modèles statistiques pour apprendre à traduire des textes à partir de corpus bilingues.

Le raisonnement logique

L’IA symbolique est également utilisée pour développer des systèmes capables de raisonnement logique, en exploitant des règles et des connaissances déclaratives pour résoudre des problèmes complexes. Par exemple, les systèmes d’aide à la décision basés sur des règles peuvent être utilisés dans des domaines tels que la finance, l’assurance ou la logistique, pour aider les entreprises à prendre des décisions éclairées. Un exemple concret est le système MYCIN, développé dans les années 1970 pour aider les médecins à diagnostiquer des infections bactériennes et à prescrire des antibiotiques adaptés.

L’analyse de textes

L’IA symbolique peut être utilisée pour l’analyse de textes, en exploitant des règles et des connaissances linguistiques pour extraire des informations pertinentes à partir de documents. Par exemple, les systèmes d’extraction d’information basés sur des règles peuvent être utilisés pour identifier des entités nommées (noms de personnes, d’organisations, de lieux, etc.) et des relations entre ces entités dans des textes. Un exemple d’application est l’analyse et la catégorisation des messages entrants pour les entreprises, cœur de métier de Golem.ai avec la solution InboxCare.

Les avantages de l’IA symbolique 

L’IA symbolique est une approche qui utilise des symboles, et parfois des " règles” basées sur des connaissances, qui comporte plusieurs avantages :

- Explicablilité : Les décisions prises par les systèmes d’IA symbolique sont explicites et peuvent être expliquées en fonction des règles logiques et des connaissances déclaratives utilisées par le système. Cette transparence peut être essentielle dans des applications critiques, comme la médecine ou la défense.

- Frugalité : Contrairement au Machine Learning, l’IA symbolique ne nécessite pas d’entraînement, ce qui la rend moins gourmande en énergie à la fois lors de la conception et de l’utilisation.

- Adaptabilité : Les systèmes d’IA symbolique peuvent être facilement adaptés à de nouveaux domaines en ajoutant de nouvelles règles logiques et connaissances déclaratives à leurs bases de connaissances existantes, leurs permettant de s’adapter rapidement à de nouvelles situations.

L’intelligence artificielle hybride ou le neuro-symbolique 

Les systèmes hybrides combinent les avantages de l’IA symbolique et du Machine Learning en utilisant une approche mixte. Dans ce type de système, l’IA symbolique est utilisée pour représenter les connaissances et les règles logiques dans un domaine spécifique. Les techniques de Machine Learning sont ensuite utilisées pour améliorer les performances de l’IA symbolique en utilisant des ensembles de données pour apprendre des modèles de décision plus précis et plus flexibles. Mais nous pouvons également voir d’autres articulations comme la taxonomie de Kautz par exemple.

L’IA symbolique est souvent utilisée dans des domaines où il est important de comprendre et de contrôler la façon dont les décisions sont prises, comme la médecine, la finance ou la sécurité. En revanche, le Machine Learning est souvent utilisé pour des tâches de classification ou de prédiction à grande échelle, telles que la reconnaissance de voix ou d’image, ou pour détecter des modèles dans des données massives.

En combinant les deux approches, les systèmes hybrides peuvent bénéficier de la compréhensibilité et de la fiabilité de l’IA symbolique, tout en utilisant la flexibilité et la capacité de traitement massif de données du Machine Learning pour améliorer la performance des décisions. Ces systèmes hybrides peuvent également offrir une plus grande précision et un temps de réponse plus rapide que l’une ou l’autre approche utilisée seule.

Que retenir de ces deux approches ?

L’Intelligence Artificielle est en constante évolution et transforme de nombreux secteurs d’activité. Les deux approches principales de l’IA ont leurs avantages et inconvénients et peuvent être complémentaires. Il est donc crucial pour les entreprises de comprendre ces technologies pour rester compétitives. 

Cependant, les implications éthiques et sociales de l’IA doivent également être prises en compte. Les décisions des algorithmes peuvent avoir un impact sur la vie des personnes, leur travail, leurs droits et leurs libertés. Il est donc essentiel de mettre en place des normes éthiques et des réglementations pour garantir que l’IA soit au service de l’humanité. Les entreprises et les gouvernements doivent travailler ensemble pour développer des IA responsables, transparentes et équitables qui servent les intérêts de tous. En travaillant ensemble, nous pouvons assurer que l’IA soit une force positive pour l’humanité dans les années à venir. 



 

Auteur: Merindol Hector

Info: https://golem.ai/en/blog/technologie/ia-symbolique-machinelearning-nlp - 4 avril 2023

[ dualité ]

aliénisme

La cause de la dépression n’est probablement pas celle que vous pensez

La dépression a souvent été imputée à de faibles niveaux de sérotonine dans le cerveau. Cette réponse est insuffisante, mais des alternatives apparaissent et modifient notre compréhension de la maladie.

Les gens pensent souvent savoir ce qui cause la dépression chronique. Des enquêtes indiquent que plus de 80 % de la population attribue la responsabilité à un " déséquilibre chimique " dans le cerveau. Cette idée est répandue dans la psychologie populaire et citée dans des documents de recherche et des manuels de médecine. L'écoute de Prozac, un livre qui décrit la valeur révolutionnaire du traitement de la dépression avec des médicaments visant à corriger ce déséquilibre, a passé des mois sur la liste des best-sellers du New York Times.

La substance chimique cérébrale déséquilibrée en question est la sérotonine, un neurotransmetteur important aux effets légendaires de " bien-être ". La sérotonine aide à réguler les systèmes cérébraux qui contrôlent tout, de la température corporelle au sommeil, en passant par la libido et la faim. Depuis des décennies, il est également présenté comme le produit pharmaceutique le plus efficace dans la lutte contre la dépression. Les médicaments largement prescrits comme le Prozac (fluoxétine) sont conçus pour traiter la dépression chronique en augmentant les niveaux de sérotonine.

Pourtant, les causes de la dépression vont bien au-delà de la carence en sérotonine. Les études cliniques ont conclu à plusieurs reprises que le rôle de la sérotonine dans la dépression avait été surestimé. En effet, l’ensemble de la théorie du déséquilibre chimique pourrait être erroné, malgré le soulagement que le Prozac semble apporter à de nombreux patients.

Une revue de la littérature parue dans Molecular Psychiatry en juillet a sonné le glas le plus récent et peut-être le plus fort de l’hypothèse de la sérotonine, du moins dans sa forme la plus simple. Une équipe internationale de scientifiques dirigée par Joanna Moncrieff de l'University College London a examiné 361 articles dans six domaines de recherche et en a soigneusement évalué 17. Ils n’ont trouvé aucune preuve convaincante que des niveaux plus faibles de sérotonine provoquaient ou étaient même associés à la dépression. Les personnes souffrant de dépression ne semblaient pas avoir une activité sérotoninergique inférieure à celle des personnes non atteintes. Les expériences dans lesquelles les chercheurs abaissaient artificiellement les niveaux de sérotonine des volontaires n’entraînaient pas systématiquement une dépression. Les études génétiques semblaient également exclure tout lien entre les gènes affectant les niveaux de sérotonine et la dépression, même lorsque les chercheurs essayaient de considérer le stress comme un cofacteur possible.

" Si vous pensez toujours qu'il s'agissait simplement d'un déséquilibre chimique de la sérotonine, alors oui, c'est assez accablant", a déclaré Taylor Braund , neuroscientifique clinicien et chercheur postdoctoral au Black Dog Institute en Australie, qui n'a pas participé à l'étude. nouvelle étude. (" Le chien noir " était le terme utilisé par Winston Churchill pour désigner ses propres humeurs sombres, que certains historiens pensent être une dépression.)

La prise de conscience que les déficits de sérotonine en eux-mêmes ne provoquent probablement pas la dépression a amené les scientifiques à se demander ce qui pouvait en être la cause. Les faits suggèrent qu’il n’y a peut-être pas de réponse simple. En fait, cela amène les chercheurs en neuropsychiatrie à repenser ce que pourrait être la dépression.

Traiter la mauvaise maladie

L’intérêt porté à la sérotonine dans la dépression a commencé avec un médicament contre la tuberculose. Dans les années 1950, les médecins ont commencé à prescrire de l’iproniazide, un composé développé pour cibler la bactérie Mycobacterium tuberculosis vivant dans les poumons. Le médicament n’était pas particulièrement efficace pour traiter les infections tuberculeuses, mais il a béni certains patients avec un effet secondaire inattendu et agréable. "Leur fonction pulmonaire et tout le reste ne s'améliorait pas beaucoup, mais leur humeur avait tendance à s'améliorer", a déclaré Gerard Sanacora, psychiatre clinicien et directeur du programme de recherche sur la dépression à l'Université de Yale.

(Photo : Pour évaluer les preuves selon lesquelles les déséquilibres en sérotonine provoquent la dépression, la chercheuse en psychiatrie Joanna Moncrieff de l'University College London a organisé une récapitulation qui a examiné des centaines d'articles dans six domaines de recherche.) 

Perplexes face à ce résultat, les chercheurs ont commencé à étudier le fonctionnement de l'iproniazide et des médicaments apparentés dans le cerveau des rats et des lapins. Ils ont découvert que les médicaments empêchaient le corps des animaux d'absorber des composés appelés amines, parmi lesquels se trouve la sérotonine, un produit chimique qui transmet les messages entre les cellules nerveuses du cerveau.

Plusieurs psychologues éminents, parmi lesquels les regrettés cliniciens Alec Coppen et Joseph Schildkraut, se sont emparés de l'idée que la dépression pourrait être causée par un déficit chronique de sérotonine dans le cerveau. L’hypothèse de la dépression liée à la sérotonine a ensuite inspiré des décennies de développement de médicaments et de recherche neuroscientifique. À la fin des années 1980, cela a conduit à l’introduction de médicaments inhibiteurs sélectifs du recaptage de la sérotonine (ISRS), comme le Prozac. (Ces médicaments augmentent les niveaux d'activité de la sérotonine en ralentissant l'absorption du neurotransmetteur par les neurones.)  Aujourd'hui, l'hypothèse de la sérotonine reste l'explication la plus souvent donnée aux patients souffrant de dépression lorsqu'on leur prescrit des ISRS.

Mais des doutes sur le modèle sérotoninergique circulaient au milieu des années 1990. Certains chercheurs ont remarqué que les ISRS ne répondaient souvent pas aux attentes et n’amélioraient pas de manière significative les performances de médicaments plus anciens comme le lithium. " Les études ne concordaient pas vraiment ", a déclaré Moncrieff.

Au début des années 2000, peu d’experts pensaient que la dépression était causée uniquement par un manque de sérotonine, mais personne n’a jamais tenté une évaluation complète de ces preuves. Cela a finalement incité Moncrieff à organiser une telle étude, " afin que nous puissions avoir une idée si cette théorie était étayée ou non ", a-t-elle déclaré.

Elle et ses collègues ont découvert que ce n’était pas le cas, mais l’hypothèse de la sérotonine a toujours des adeptes. En octobre dernier – quelques mois seulement après la parution de leur étude – un article publié en ligne dans Biological Psychiatry prétendait offrir une validation concrète de la théorie de la sérotonine. D'autres chercheurs restent cependant sceptiques, car l'étude n'a porté que sur 17 volontaires. Moncrieff a rejeté les résultats comme étant statistiquement insignifiants.

Un déséquilibre chimique différent

Bien que les niveaux de sérotonine ne semblent pas être le principal facteur de dépression, les ISRS montrent une légère amélioration par rapport aux placebos dans les essais cliniques. Mais le mécanisme à l’origine de cette amélioration reste insaisissable. "Ce n'est pas parce que l'aspirine soulage les maux de tête que les déficits en aspirine dans le corps provoquent des maux de tête", a déclaré John Krystal , neuropharmacologue et directeur du département de psychiatrie de l'Université de Yale. " Comprendre pleinement comment les ISRS produisent des changements cliniques est encore un travail en cours. "

Les spéculations sur la source de ce bénéfice ont donné naissance à des théories alternatives sur les origines de la dépression.

Malgré le terme " sélectif " dans leur nom, certains ISRS modifient les concentrations relatives de produits chimiques autres que la sérotonine. Certains psychiatres cliniciens pensent que l’un des autres composés pourrait être la véritable force induisant ou soulageant la dépression. Par exemple, les ISRS augmentent les niveaux circulants de tryptophane, un acide aminé, un précurseur de la sérotonine qui aide à réguler les cycles de sommeil. Au cours des 15 dernières années, ce produit chimique est devenu un candidat sérieux pour prévenir la dépression. "Les études sur la déplétion en tryptophane fournissent des preuves assez solides", a déclaré Michael Browning , psychiatre clinicien à l'Université d'Oxford.

Un certain nombre d' études sur l'épuisement du tryptophane ont révélé qu'environ les deux tiers des personnes récemment remises d'un épisode dépressif rechuteront lorsqu'elles suivront un régime artificiellement pauvre en tryptophane. Les personnes ayant des antécédents familiaux de dépression semblent également vulnérables à une carence en tryptophane. Et le tryptophane a pour effet secondaire d’augmenter les niveaux de sérotonine dans le cerveau.

Des preuves récentes suggèrent également que le tryptophane et la sérotonine pourraient contribuer à la régulation des bactéries et autres microbes se développant dans l’intestin, et que les signaux chimiques émis par ce microbiote pourraient affecter l’humeur. Bien que les mécanismes exacts liant le cerveau et l’intestin soient encore mal compris, ce lien semble influencer le développement du cerveau. Cependant, comme la plupart des études sur la déplétion en tryptophane ont jusqu’à présent été limitées, la question est loin d’être réglée.

D'autres neurotransmetteurs comme le glutamate, qui joue un rôle essentiel dans la formation de la mémoire, et le GABA, qui empêche les cellules de s'envoyer des messages, pourraient également être impliqués dans la dépression, selon Browning. Il est possible que les ISRS agissent en modifiant les quantités de ces composés dans le cerveau.

Moncrieff considère la recherche d'autres déséquilibres chimiques à l'origine de la dépression comme une tentative de changement de marque plutôt que comme une véritable nouvelle ligne de recherche. " Je dirais qu’ils souscrivent toujours à quelque chose comme l’hypothèse de la sérotonine ", a-t-elle déclaré – l’idée selon laquelle les antidépresseurs agissent en inversant certaines anomalies chimiques dans le cerveau. Elle pense plutôt que la sérotonine a des effets si répandus dans le cerveau que nous pourrions avoir du mal à dissocier son effet antidépresseur direct des autres changements dans nos émotions ou sensations qui remplacent temporairement les sentiments d’anxiété et de désespoir.

Réponses génétiques

Toutes les théories sur la dépression ne reposent pas sur des déficits en neurotransmetteurs. Certains recherchent des coupables au niveau génétique.

Lorsque la première ébauche de séquence à peu près complète du génome humain a été annoncée en 2003, elle a été largement saluée comme le fondement d’une nouvelle ère en médecine. Au cours des deux décennies qui ont suivi, les chercheurs ont identifié des gènes à l’origine d’un large éventail de troubles, dont environ 200 gènes associés à un risque de dépression. (Plusieurs centaines de gènes supplémentaires ont été identifiés comme pouvant augmenter le risque.)

"Il est vraiment important que les gens comprennent qu'il existe une génétique à la dépression", a déclaré Krystal. "Jusqu'à très récemment, seuls les facteurs psychologiques et environnementaux étaient pris en compte."

Notre connaissance de la génétique est cependant incomplète. Krystal a noté que des études sur des jumeaux suggèrent que la génétique pourrait expliquer 40 % du risque de dépression. Pourtant, les gènes actuellement identifiés ne semblent expliquer qu’environ 5 %.

De plus, le simple fait d’avoir les gènes de la dépression ne garantit pas nécessairement qu’une personne deviendra déprimée. Les gènes doivent également être activés d’une manière ou d’une autre, par des conditions internes ou externes.

"Il existe parfois une fausse distinction entre les facteurs environnementaux et les facteurs génétiques", a déclaré Srijan Sen, neuroscientifique à l'Université du Michigan. "Pour les caractères d'intérêt les plus courants, les facteurs génétiques et environnementaux jouent un rôle essentiel."

Le laboratoire de Sen étudie les bases génétiques de la dépression en cartographiant le génome des sujets et en observant attentivement comment les individus présentant des profils génétiques différents réagissent aux changements dans leur environnement. (Récemment, ils se sont penchés sur le stress provoqué par la pandémie de Covid-19.) Différentes variations génétiques peuvent affecter la réaction des individus à certains types de stress, tels que le manque de sommeil, la violence physique ou émotionnelle et le manque de contact social, en devenant déprimé.

Les influences environnementales comme le stress peuvent aussi parfois donner lieu à des changements " épigénétiques " dans un génome qui affectent l’expression ultérieure des gènes. Par exemple, le laboratoire de Sen étudie les changements épigénétiques dans les capuchons situés aux extrémités des chromosomes, appelés télomères, qui affectent la division cellulaire. D'autres laboratoires examinent les modifications des étiquettes chimiques appelées groupes de méthylation qui peuvent activer ou désactiver les gènes. Les changements épigénétiques peuvent parfois même se transmettre de génération en génération. "Les effets de l'environnement sont tout aussi biologiques que les effets des gènes", a déclaré Sen. " Seule la source est différente. "

Les études de ces gènes pourraient un jour aider à identifier la forme de traitement à laquelle un patient répondrait le mieux. Certains gènes peuvent prédisposer un individu à de meilleurs résultats avec une thérapie cognitivo-comportementale, tandis que d'autres patients pourraient mieux s'en sortir avec un ISRS ou de la kétamine thérapeutique. Cependant, il est beaucoup trop tôt pour dire quels gènes répondent à quel traitement, a déclaré Sen.

Un produit du câblage neuronal

Les différences dans les gènes d’une personne peuvent la prédisposer à la dépression ; il en va de même pour les différences dans le câblage neuronal et la structure de leur cerveau. De nombreuses études ont montré que les individus diffèrent dans la manière dont les neurones de leur cerveau s’interconnectent pour former des voies fonctionnelles, et que ces voies influencent la santé mentale.

Lors d'une récente conférence, une équipe dirigée par Jonathan Repple, chercheur en psychiatrie à l'Université Goethe de Francfort, en Allemagne, a décrit comment elle a scanné le cerveau de volontaires gravement déprimés et a découvert qu'ils différaient structurellement de ceux d'un groupe témoin non déprimé. Par exemple, les personnes souffrant de dépression présentaient moins de connexions au sein de la " substance blanche " des fibres nerveuses de leur cerveau. (Cependant, il n'y a pas de seuil de matière blanche pour une mauvaise santé mentale : Repple note que vous ne pouvez pas diagnostiquer la dépression en scannant le cerveau de quelqu'un.)

Après que le groupe déprimé ait subi six semaines de traitement, l'équipe de Repple a effectué une autre série d'échographies cérébrales. Cette fois, ils ont constaté que le niveau général de connectivité neuronale dans le cerveau des patients déprimés avait augmenté à mesure que leurs symptômes diminuaient. Pour obtenir cette augmentation, le type de traitement que les patients recevaient ne semblait pas avoir d'importance, du moment que leur humeur s'améliorait.

Une explication possible de ce changement est le phénomène de neuroplasticité. "La neuroplasticité signifie que le cerveau est réellement capable de créer de nouvelles connexions, de modifier son câblage", a déclaré Repple. Si la dépression survient lorsqu'un cerveau a trop peu d'interconnexions ou en perd certaines, alors exploiter les effets neuroplastiques pour augmenter l'interconnexion pourrait aider à améliorer l'humeur d'une personne.

Inflammation chronique

Repple prévient cependant qu'une autre explication des effets observés par son équipe est également possible : peut-être que les connexions cérébrales des patients déprimés ont été altérées par l'inflammation. L'inflammation chronique entrave la capacité du corps à guérir et, dans le tissu neuronal, elle peut progressivement dégrader les connexions synaptiques. On pense que la perte de ces connexions contribue aux troubles de l’humeur.

De bonnes preuves soutiennent cette théorie. Lorsque les psychiatres ont évalué des populations de patients souffrant de maladies inflammatoires chroniques comme le lupus et la polyarthrite rhumatoïde, ils ont constaté que " tous présentaient des taux de dépression supérieurs à la moyenne ", a déclaré Charles Nemeroff, neuropsychiatre à l'Université du Texas Austin. Bien sûr, savoir qu'ils souffrent d'une maladie dégénérative incurable peut contribuer aux sentiments de dépression du patient, mais les chercheurs soupçonnent que l'inflammation elle-même est également un facteur.

Des chercheurs médicaux ont découvert que provoquer une inflammation chez certains patients peut déclencher une dépression. L'interféron alpha, qui est parfois utilisé pour traiter l'hépatite C chronique et d'autres affections, provoque une réponse inflammatoire majeure dans tout le corps en inondant le système immunitaire de protéines appelées cytokines, des molécules qui facilitent les réactions allant d'un léger gonflement au choc septique. L’afflux soudain de cytokines inflammatoires entraîne une perte d’appétit, de la fatigue et un ralentissement de l’activité mentale et physique – autant de symptômes d’une dépression majeure. Les patients prenant de l’interféron déclarent souvent se sentir soudainement, parfois sévèrement, déprimés.

Si une inflammation chronique négligée est à l’origine de la dépression chez de nombreuses personnes, les chercheurs doivent encore déterminer la source de cette inflammation. Les maladies auto-immunes, les infections bactériennes, le stress élevé et certains virus, dont celui qui cause le Covid-19, peuvent tous induire des réponses inflammatoires persistantes. L’inflammation virale peut s’étendre directement aux tissus du cerveau. La mise au point d’un traitement anti-inflammatoire efficace contre la dépression peut dépendre de la connaissance de laquelle de ces causes est à l’œuvre.

On ne sait pas non plus si le simple traitement de l’inflammation pourrait suffire à soulager la dépression. Les cliniciens tentent encore de déterminer si la dépression provoque une inflammation ou si l’inflammation conduit à la dépression. "C'est une sorte de phénomène de poule et d'œuf", a déclaré Nemeroff.

La théorie du parapluie

De plus en plus, certains scientifiques s’efforcent de recadrer le terme " dépression " pour en faire un terme générique désignant un ensemble de pathologies connexes, tout comme les oncologues considèrent désormais le " cancer " comme faisant référence à une légion de tumeurs malignes distinctes mais similaires. Et tout comme chaque cancer doit être prévenu ou traité de manière adaptée à son origine, les traitements de la dépression peuvent devoir être adaptés à chaque individu. 

S’il existe différents types de dépression, ils peuvent présenter des symptômes similaires – comme la fatigue, l’apathie, les changements d’appétit, les pensées suicidaires et l’insomnie ou un sommeil excessif – mais ils peuvent résulter de mélanges complètement différents de facteurs environnementaux et biologiques. Les déséquilibres chimiques, les gènes, la structure cérébrale et l’inflammation pourraient tous jouer un rôle à des degrés divers. "Dans cinq ou dix ans, nous ne parlerons plus de la dépression comme d'un phénomène unitaire", a déclaré Sen.

Pour traiter efficacement la dépression, les chercheurs en médecine devront peut-être développer une compréhension nuancée de la manière dont elle peut survenir. Nemeroff s'attend à ce qu'un jour, la référence en matière de soins ne soit pas seulement un traitement, mais un ensemble d'outils de diagnostic capables de déterminer la meilleure approche thérapeutique pour la dépression d'un patient individuel, qu'il s'agisse d'une thérapie cognitivo-comportementale, de changements de style de vie, de neuromodulation, d'évitement. déclencheurs génétiques, thérapie par la parole, médicaments ou une combinaison de ceux-ci.

Cette prédiction pourrait frustrer certains médecins et développeurs de médicaments, car il est beaucoup plus facile de prescrire une solution universelle. Mais " apprécier la véritable complexité de la dépression nous amène sur un chemin qui, en fin de compte, aura le plus d’impact ", a déclaré Krystal. Dans le passé, dit-il, les psychiatres cliniciens étaient comme des explorateurs qui atterrissaient sur une petite île inconnue, installaient leur campement et s’installaient confortablement. "Et puis nous avons découvert qu'il y avait tout un continent énorme."



 

Auteur: Internet

Info: https://www.quantamagazine.org/ - Joanna Thompson, 26 janvier 2023

[ corps-esprit ] [ thérapie holistique idiosyncrasique ]