L’analyse complète de plus de 2 millions d’échantillons de SARS-CoV-2 détecte les co-infections et les recombinaisons au sein de l’hôte

Dans une étude récente publiée dans Communication naturelle, Un groupe de chercheurs a évalué la prévalence des co-infections et de la recombinaison intra-hôte dans plus de 2 millions de cas mondiaux de coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) et a développé des stratégies pour identifier et analyser avec précision les souches recombinantes.

arrière-plan

Le virus SARS-CoV-2, connu pour son taux de mutation élevé, a conduit à l’émergence de nombreuses variantes depuis le début de la pandémie de maladie à coronavirus 2019 (COVID-19). Les co-infections, dans lesquelles un individu est infecté simultanément par plusieurs variants, sont de plus en plus observées, avec une fréquence estimée à environ 0,2 à 0,6 %. Ces co-infections de gravité variable ont été identifiées dans le monde entier, y compris des cas bénins.

Les tendances récentes montrent une prédominance de lignées recombinantes telles que les variantes Omicron XBB, suggérant des co-infections fréquentes. Des recherches plus approfondies sont essentielles pour mieux comprendre la dynamique de la co-infection et de la recombinaison du SRAS-CoV-2, ce qui pourrait avoir des implications significatives pour les stratégies de santé publique et le développement de vaccins.

À propos de l’étude

Dans l’étude, la base de données CoVEO a été utilisée pour le pré-filtrage et la sélection initiale des échantillons de co-infection. Cette base de données PostgreSQL stocke les données de mutation des échantillons de séquençage du SRAS-CoV-2 téléchargés sur le portail de données européen COVID-19.

Pour un filtrage de qualité, parmi les 3 093 454 échantillons d’hôtes humains de la base de données CoVEO, ceux dont le nombre total de bases est inférieur à 100 000 ou dont la profondeur de séquençage est insuffisante ont été exclus. Il restait 2 172 927 échantillons, qui ont ensuite été examinés à la recherche de mutations clairement définies des variantes du virus SARS-CoV-2. Contrairement à l’utilisation de listes précompilées, une approche plus raffinée a été utilisée dans cette étude, utilisant un tableau de marqueurs pour identifier les mutations hautement évocatrices de souches spécifiques.

L’identification des échantillons candidats à la co-infection était basée sur la détection d’au moins 50 % de mutations uniques définissant des variantes provenant d’au moins deux souches différentes. À ce stade, le filtrage de la fréquence allélique n’a pas été appliqué, permettant la détection de souches variantes même mineures. Ce processus a donné 29 666 échantillons potentiels de co-infection.

La sélection finale des échantillons de co-infection impliquait le filtrage des candidats porteurs d’une proportion significative de ces mutations mutuellement exclusives. Un seuil strict garantissait que seuls les échantillons présentant une représentation génomique complète des variantes étaient inclus, ce qui aboutissait à 7 700 échantillons de co-infection.

L’étude a également comparé les dates de collecte de ces échantillons avec la prévalence de différentes variantes pour valider leur occurrence naturelle. De plus, la répartition des échantillons de co-infection dans différentes études et sites a été examinée pour identifier une éventuelle contamination en laboratoire.

La recherche sur la diversité génétique a utilisé des mesures telles que le nombre de variantes concurrentes, l’entropie de l’information et la diversité génétique cumulée. Ces mesures ont été corrélées aux taux de co-infection et ont fourni des informations sur la relation entre la diversité virale et les co-infections.

Deux méthodes différentes ont été utilisées dans l’étude pour détecter les recombinants au sein de l’hôte. Premièrement, un pipeline a été développé pour identifier des échantillons recombinants potentiels sur la base des changements dans les fréquences alléliques (AF) dans la définition des mutations. Cela comprenait la correction des biais des AF et le calcul des rapports de cotes pour distinguer les échantillons avec et sans points d’arrêt potentiels. Cette analyse s’est concentrée sur des échantillons de co-infection avec exactement deux souches variantes et visait à détecter les changements dans les AF qui pourraient indiquer des événements de recombinaison.

L’étude a utilisé une approche indépendante en examinant de courtes lectures à partir des données de séquençage. Les lectures qui se chevauchaient et définissaient des mutations des deux souches parentales dans un échantillon ont été interrogées. Les lectures ont été filtrées strictement par qualité, et celles portant les deux ensembles de mutations ont été considérées comme indiquant une recombinaison.

L’analyse a identifié des positions génomiques présentant des preuves suffisantes de recombinaison dans plusieurs échantillons comme points chauds potentiels de recombinaison. Ces régions ont ensuite été comparées aux points d’arrêt de recombinaison connus dans d’autres bases de données pour confirmer les résultats. De plus, les lectures recombinantes ont été examinées à la recherche de traces d’acide ribonucléique (ARN) sous-génomique afin de confirmer davantage leur origine.

Résultats de l’étude

Dans la base de données CoVEO, les échantillons de co-infection ont été déterminés par la présence d’une proportion significative de mutations mutuellement exclusives définissant des variantes provenant d’au moins deux souches virales différentes. Le nombre d’échantillons de co-infection identifiés variait en fonction du seuil fixé pour ces mutations. Un seuil strict de 80 % a permis l’identification de 7 700 échantillons de co-infection provenant de plus de 2,1 millions d’échantillons d’hôtes humains de haute qualité, correspondant à un taux de co-infection de 0,35 %. Ce taux est cohérent avec les études précédentes.

Les co-infections les plus courantes impliquaient des combinaisons de Delta et Omicron (BA.1), Alpha et Iota et d’autres variantes. La prévalence de la co-infection correspondait au nombre d’échantillons attribués à chaque variant dans la base de données, ce qui suggère une association avec la répartition géographique et temporelle des variants.

Pour garantir la fiabilité de ces résultats, l’étude a également examiné la possibilité d’une contamination en laboratoire. Bien que certaines études aient signalé des taux de co-infection supérieurs à la moyenne, la méthode de détection rigoureuse utilisée dans cette étude suggère que le taux de co-infection de 0,35 % est une estimation prudente. La distribution des échantillons de co-infection dans différentes études a réduit la probabilité qu’une contamination influence les résultats globaux.

Géographiquement, les échantillons de co-infection étaient répartis assez uniformément, bien que des variations dues aux différences dans la capacité et les stratégies de séquençage aient été notées. Par exemple, la France avait une prévalence plus élevée, mais cela était influencé par un nombre total d’échantillons plus faible et des études spécifiques axées sur les co-infections. Dans les pays disposant d’un plus grand nombre d’échantillons, les taux de co-infection variaient, soulignant la nécessité d’une surveillance mondiale systématique. La chronologie des cas de co-infection dans les pays disposant de plus de 1 000 échantillons de haute qualité a montré que les co-infections étaient plus probables lorsque plusieurs variantes circulaient en même temps.

L’étude a également examiné la présence d’une recombinaison intra-hôte dans des échantillons de co-infection en examinant les changements dans l’Afs des mutations déterminantes. Cependant, le biais des amorces de la réaction en chaîne par polymérase (PCR) affectait souvent la précision de l’Afs mesuré. Néanmoins, l’analyse a identifié 13 échantillons recombinants potentiels, provenant principalement de co-infections delta-omicron (BA.1). Certains échantillons issus d’études utilisant des mélanges de variantes artificielles ont également été identifiés comme recombinants, soulevant des questions sur la méthodologie de détection.

Une autre méthode consistait à examiner les données brutes de séquençage pour les lectures portant des mutations provenant de plusieurs souches. Une corrélation significative a été trouvée entre la densité de ces mutations et la présence de lectures superposées. Les régions du génome présentant des signes de recombinaison ne correspondaient pas toujours à celles identifiées dans d’autres bases de données.

L’examen d’échantillons non artificiels a identifié des régions génomiques spécifiques comme points chauds potentiels de recombinaison, en particulier au sein des gènes S et M des co-infections delta-omicron (BA.1). Cependant, aucune preuve concluante de lectures recombinantes aux points d’arrêt suspectés n’a été trouvée dans les 13 échantillons initialement marqués pour une possible recombinaison, soulignant la complexité et les défis de la détection de la recombinaison intra-hôte dans le SRAS-CoV-2.

Même si la répartition géographique des cas de co-infection était largement cohérente, elle présentait des différences influencées par les stratégies locales d’échantillonnage et les capacités de séquençage. Cette inégalité met en évidence l’importance d’une surveillance mondiale continue et systématique pour capturer avec précision la dynamique des co-infections virales.

En examinant la recombinaison au sein de l’hôte, l’étude a exploré les complexités des distributions AF et l’analyse brute des données de séquençage. L’identification de recombinants potentiels, en particulier dans les échantillons présentant des combinaisons de variantes communes telles que Delta et Omicron, fournit des informations intéressantes.

En fin de compte, l’approche de l’étude consistant à analyser plus de 2 millions d’échantillons pour les co-infections et les recombinants du virus SARS-CoV-2 fournit un cadre robuste qui équilibre les critères de détection rigoureux avec les défis pratiques de l’analyse des données génomiques à grande échelle.