Pour aller au-delà des anciennes cohortes du microbiote, il nous fallait une passerelle

Dans le premier article de cette série, nous posions une question précise. Certaines études sur l'alimentation et le microbiote forment une famille très homogène : elles identifient les bactéries à partir de leur ADN par séquençage 16S, et recherchent les associations entre facteurs alimentaires et bactéries avec MaAsLin, une méthode statistique. Leurs tableaux de coefficients publiés concordent-ils assez pour être réutilisés de façon responsable ?

La réponse était oui, avec une concordance suffisante pour justifier une couche de référence.

Ça ne réglait que le premier problème.

Une grande partie de la littérature récente la plus précieuse sur le microbiote ne se situe plus dans cet ancien espace de coefficients 16S. Les grandes cohortes récentes, ces groupes de participants que suit chaque étude, utilisent la métagénomique shotgun, une autre méthode pour identifier les bactéries à partir de leur ADN. Elles passent par des transformations en log-ratio centré (CLR), qui transforment les proportions de bactéries pour pouvoir les analyser, et par d'autres méthodes statistiques. Elles couvrent souvent plus de phénotypes, ont de meilleures données sur les médicaments et des variables plus structurées sur le plan clinique. Et du même coup, la comparaison naïve ne tient plus.

La question suivante allait donc de soi : peut-on faire entrer certaines cohortes récentes dans le même programme sans faire comme si tous les coefficients publiés étaient naturellement interchangeables ?

Cet article résume notre deuxième publication, qui s'attaque à ce problème de passerelle.

Pourquoi un deuxième article était nécessaire

Après le premier article, nous disposions d'une couche de référence 16S validée, bâtie sur trois cohortes :

• LifeLines-DEEP
• Flemish Gut Flora Project
• American Gut Project, réanalysé dans un format comparable

Cette couche de référence était utile, mais incomplète. Elle ne couvrait qu'une petite part de l'ensemble des résultats de recherche publiés. Beaucoup des cohortes plus grandes et plus modernes qui font avancer le domaine utilisent d'autres technologies de séquençage et d'autres espaces d'abondance transformée. Ces études apportent souvent exactement les variables dont une couche de preuves plus large a besoin : expositions aux médicaments, phénotypes cliniques structurés, profils de symptômes et métadonnées plus riches, reliées aux dossiers de santé.

Autrement dit, l'ensemble des résultats publiés grandissait plus vite que sa partie comparable.

C'est la raison d'être du deuxième article. Il cherche à savoir si certaines de ces cohortes récentes peuvent être raccordées à la couche de référence validée grâce à une étape de calibration explicite. Anciennes et nouvelles cohortes restent pour autant distinctes.

Le problème : une couverture cartographiée n'est pas une réutilisation validée

On a vite fait d'exagérer ce que veut dire « harmoniser ».

On peut faire correspondre des facteurs d'une cohorte à l'autre sur le plan du sens, et se retrouver malgré tout avec des espaces de coefficients qui ne se comparent pas directement. Une variable peut correspondre au même concept alors que la taille d'effet rapportée se situe dans un autre espace de transformation. Dès qu'une cohorte rapporte des coefficients 16S en arc sinus de la racine carrée et qu'une autre rapporte des coefficients shotgun basés sur le CLR, comparer les amplitudes brutes n'est plus fiable.

Un panel harmonisé plus large produit donc deux sortes de progrès très différentes :

• la couverture cartographiée, où davantage de facteurs et de taxons, des groupes de bactéries, peuvent entrer dans un cadre commun
• le recoupement validé, où les observations partagées sont assez solides pour permettre une vraie comparaison entre cohortes

Le deuxième article sert surtout à ne pas confondre ces deux idées.

Ce que nous avons ajouté

Nous sommes passés de trois à cinq cohortes en ajoutant deux études shotgun/CLR :

• Dutch Microbiome Project (DMP) : 8 208 participants, une large couverture de phénotypes et un volet médicaments important
• Estonian Microbiome Project (EstMB) : 2 509 participants, une cohorte indépendante avec une autre méthode basée sur le CLR

Cet ajout a nettement modifié la carte des preuves. Il a surtout élargi la couverture sur :

• les médicaments
• les expositions structurées sur le plan clinique
• les symptômes digestifs
• les variables de santé mentale
• les facteurs liés à la petite enfance et aux dossiers de santé

C'est utile. Mais ça rend aussi le problème de comparabilité impossible à ignorer. Davantage de facteurs cartographiés ne veut pas automatiquement dire une réutilisation des coefficients plus fiable.

L'idée de la passerelle : la calibration par ancres

La solution que nous proposons dans cet article, nous l'appelons calibration par ancres empiriques.

L'intuition est simple. Si une cohorte cible récente et une cohorte de référence validée partagent certaines associations facteur-taxon, et que ces paires partagées vont dans le même sens, ces recoupements peuvent servir d'ancres. Les ancres les plus nettes sont les prédicteurs binaires, parce qu'ils réduisent le risque qu'un rapport de coefficients reflète des différences d'échelle des prédicteurs plutôt que la transformation de l'abondance elle-même.

Au lieu de traiter les coefficients CLR comme s'ils étaient sur la même échelle que la couche de référence 16S, nous avons donc cherché à savoir si des ancres binaires partagées permettaient d'estimer une passerelle empirique vers cet espace de référence.

C'est une affirmation bien plus modeste qu'une comparabilité universelle. Et bien plus défendable.

Ce que nous avons trouvé

La passerelle la plus solide de l'article relie DMP et Zhernakova 2016.

C'est la comparaison entre méthodes la plus nette du panel actuel, parce que les deux cohortes viennent du même environnement LifeLines. Cette origine commune appelle à la prudence sur le plan méthodologique, mais elle fait aussi de cette paire le meilleur endroit pour tester si une cohorte de référence 16S peut être raccordée à une cohorte shotgun/CLR moderne sans que la concordance s'effondre.

Le résultat est encourageant :

• 100 % de concordance de signe au niveau de l'espèce, sur 12 paires significatives partagées
• 74,2 % de concordance de signe au niveau du genre, sur 31 observations significatives partagées
• une corrélation de rang positive au niveau du genre ($\rho$ = +0,416)

Au sein de cette passerelle, le sous-ensemble d'ancres binaires forme un groupe serré et très fiable autour d'un facteur d'échelle de 0,165 pour DMP par rapport à l'espace de référence 16S.

DMP semble donc assez raccordable pour entrer dans la couche de preuves, avec une réutilisation calibrée et assortie de réserves explicites. Il reste une cohorte distincte des anciennes cohortes de référence.

Pourquoi c'est important

C'est l'étape méthodologique qui transforme une couche de référence restreinte et validée en point de départ d'un programme d'intégration plus large.

Avec DMP et EstMB, le panel cartographié devient bien plus riche, surtout dans des domaines que les premières cohortes 16S couvraient à peine. Les signaux liés aux médicaments en sont l'exemple le plus clair. Le panel élargi contient désormais nettement plus de preuves structurées sur les inhibiteurs de la pompe à protons, la metformine, les statines et d'autres expositions cliniques proches que la couche d'origine à trois cohortes ne pouvait en fournir seule.

Le deuxième article définit plusieurs niveaux d'intégration, selon ce qui a été validé.

Certaines cohortes peuvent être solidement raccordées. D'autres ne peuvent être reprises qu'à titre provisoire. Certaines familles de méthodes resteront entièrement hors de cette passerelle tant qu'un autre cadre n'existera pas.

Cette distinction compte si l'on veut s'appuyer sur la littérature sans survendre ce qui a vraiment été validé.

La passerelle plus fragile reste instructive

La deuxième nouvelle cohorte, EstMB, est précieuse pour une autre raison.

Comme elle est indépendante de LifeLines, elle permet de vérifier si l'idée de passerelle tient hors du cadre particulièrement favorable de DMP. Pour l'instant, la réponse est : en partie seulement. EstMB donne une estimation d'échelle provisoire de 0,083, mais cette estimation repose aujourd'hui sur une seule paire d'ancres binaires.

EstMB ne peut donc pas être traitée comme une passerelle aussi fiable que DMP.

Ce n'est pas un échec. C'est exactement le genre de résultat qu'une démarche d'intégration par étapes doit accepter de publier. Une passerelle fragile doit être reprise comme telle, sans être promue au rang de fausse certitude.

Une des grandes leçons : l'expansion va plus vite que la validation

L'un des apports les plus importants du deuxième article est conceptuel plutôt que chiffré.

À mesure que le panel grandit, le volume de signaux cartographiés augmente plus vite que le recoupement directement validé. DMP apporte des centaines d'associations significatives. Seule une petite partie est significative dans les deux cohortes et permet une comparaison assez rigoureuse pour servir à la calibration. Pour EstMB, c'est encore plus maigre.

Cette asymétrie n'a rien d'un détail en marge de l'analyse. C'est le fait central qui doit guider la construction des modèles en aval.

Toute couche d'intégration sérieuse bâtie sur des résultats publics du microbiote devrait distinguer :

• les preuves solidement raccordées
• les preuves partiellement raccordées
• les preuves cartographiées mais pas encore validées

Ce que ça signifie pour Gut Twin

Pour Gut Twin (jumeau intestinal), cet article est la deuxième étape d'une architecture plus large.

Le premier article a montré que la réutilisation des coefficients est possible au sein d'une famille étroite et compatible. Le deuxième cherche à savoir si cette réutilisation peut franchir une frontière méthodologique importante.

La réponse est encourageante, mais sous conditions :

• certaines cohortes CLR modernes semblent raccordables
• les passerelles solides méritent plus de poids en aval
• les passerelles fragiles doivent rester pondérées à la baisse
• et toutes les familles de méthodes publiées n'ont pas leur place dans la même couche intégrée

C'est la règle que nous voulons suivre pour ce projet. Toutes les preuves n'entrent pas à égalité. Chaque cohorte gagne sa place par la comparabilité, la validation et une gestion explicite du niveau de confiance.

Ce que nous publions

Nous publions les métadonnées d'harmonisation, les résumés du calcul des ancres, les résultats de concordance et les métadonnées de couverture nécessaires pour examiner la logique de la passerelle.

Nous ne publions ni les tableaux de coefficients intégrés prêts pour les modèles, ni la pondération en aval construite par-dessus. Ils font partie de l'infrastructure propriétaire de Gut Twin, plus large.

Où en est la série

Ensemble, les deux premiers articles décrivent une façon plus rigoureuse de s'appuyer sur les résultats publiés sur le microbiote.

Le premier article a établi une couche de référence restreinte et validée. Le deuxième montre comment raccorder certaines cohortes récentes à cette couche grâce à une calibration empirique, sans mise en commun naïve.

De larges pans de la littérature restent malgré tout hors de la passerelle. Certaines cohortes futures demanderont peut-être une tout autre logique de calibration. Mais nous pensons que c'est le bon ordre des opérations :

d'abord valider, puis raccorder, puis intégrer, et seulement alors faire assez confiance à la couche de preuves élargie pour l'utiliser en aval.

Marvin Uhlmann et Maria Otworowska Gut Twin Research, Bliss Labs OÜ

Article technique complet (en anglais) : « Anchor calibration for extending diet-microbiome coefficient harmonization beyond 16S/MaAsLin cohorts. »