Avant de nous appuyer sur des études publiées sur le microbiote, nous avons vérifié si leurs résultats concordaient

Pour construire quelque chose de sérieux sur la recherche autour du microbiote intestinal, une question s'impose avant toutes les autres : quand deux grandes cohortes, ces groupes de participants que suit chaque étude, relient le même facteur alimentaire au même genre bactérien, est-ce qu'elles disent vraiment la même chose ?

La question dépasse le simple souci de rigueur académique. Investisseurs, partenaires et lecteurs à l'aise avec la technique ont toutes les raisons de se méfier d'une entreprise qui prétend transformer des articles sur le microbiote en conseils utiles, tant qu'elle ne montre pas que les données de départ vont au moins dans le même sens d'une cohorte indépendante à l'autre.

Cet article résume la première étape de notre programme de validation des résultats de recherche publiés, mené par l'équipe de recherche de Gut Twin (jumeau intestinal). Nous ne cherchions pas un titre accrocheur sur la « santé intestinale ». L'objectif était plus modeste, et plus important : vérifier si les tableaux de coefficients publiés par des études comparables sur l'alimentation et le microbiote concordent assez pour qu'on puisse les réutiliser avec méthode.

Cette première étape était volontairement limitée. Des cohortes plus récentes utilisent le séquençage shotgun, une méthode pour identifier les bactéries à partir de leur ADN, et la transformation CLR, qui transforme les proportions de bactéries pour pouvoir les analyser. Avant de nous demander si elles peuvent rejoindre la même couche de preuves, nous voulions établir que la réutilisation fonctionne tout court, au sein de la famille d'études publiées la plus homogène.

Le problème d'infrastructure qui se cache derrière les produits liés au microbiote

La littérature publiée sur l'alimentation et le microbiote est devenue si vaste que presque n'importe qui peut en tirer un récit. C'est justement là que ça coince. La plupart des études utilisent des questionnaires différents, des méthodes de séquençage différentes, des cadres statistiques différents et des codages de variables différents. Deux articles peuvent sembler rapporter « la même » association alors qu'ils mesurent en réalité des choses différentes, dans des unités différentes.

Les résultats publiés ne manquent pas. Le vrai goulot d'étranglement, c'est la portabilité des coefficients. Peut-on comparer, trier et intégrer des résultats publiés sans finir avec un tas de signaux qui se ressemblent sur le papier mais restent incompatibles sur le plan méthodologique ?

Notre position est simple : si on ne peut pas montrer que des études comparables s'accordent sur l'essentiel, on ne doit pas en tirer une couche de preuves harmonisée.

Ce que nous avons testé

Nous n'avons pas cherché à comparer toute la littérature sur le microbiote. Cela n'aurait eu aucun sens sur le plan méthodologique. Nous avons plutôt défini un critère de compatibilité strict. Les études devaient utiliser le séquençage 16S, l'autre grande méthode pour identifier les bactéries à partir de leur ADN, et une régression de la famille MaAsLin, une méthode statistique qui recherche des associations entre facteurs alimentaires et bactéries. Leurs codages des facteurs devaient aussi être assez proches pour qu'une comparaison au niveau des coefficients ait un sens.

Sur onze cohortes candidates, trois seulement ont passé ce filtre.

Les voici :

• LifeLines-DEEP : 1 135 adultes néerlandais, publié dans Science (2016)
• Flemish Gut Flora Project : 1 106 adultes belges, également dans Science (2016)
• American Gut Project : 4 376 adultes, pour la plupart américains, dont nous avons nous-mêmes réanalysé les données publiques pour les rendre compatibles avec les études européennes

Nous avons mis en correspondance 59 facteurs alimentaires et de mode de vie entre les trois cohortes, et signalé explicitement neuf cas où des variables au nom proche n'avaient pas le même sens ou la même échelle. Ce catalogue des écarts compte autant que le reste de l'analyse. Pour réutiliser des données de façon responsable, il faut repérer les endroits où un simple rapprochement par mots-clés créerait un faux désaccord, ou un faux accord.

Nous avons ensuite posé la question de validation la plus simple possible : quand deux cohortes donnent chacune un coefficient pour le même facteur et le même genre bactérien, vont-elles dans le même sens ?

Ce que nous avons trouvé

La réponse est oui, au sein de cette famille méthodologique compatible et dans les limites du recoupement qui existe aujourd'hui.

Parmi les signaux partagés les plus forts, c'est-à-dire les associations significatives dans les deux cohortes, 89 % allaient dans le même sens dans la plus grande comparaison.

Concrètement, 16 des 18 paires significatives partagées concordaient entre la cohorte néerlandaise LifeLines-DEEP et la cohorte American Gut réanalysée. L'ampleur des coefficients était elle aussi positivement corrélée, ce qui laisse penser que l'accord dépasse le seul sens de l'effet.

Quand nous avons élargi la comparaison à toutes les paires comparables, quelle que soit leur force statistique, la concordance est tombée à 67 %. Rien d'étonnant. Les signaux faibles sont plus bruités, et tout cadre d'intégration sérieux doit distinguer un recoupement large d'un recoupement solide.

Deux associations seulement pouvaient être testées dans les trois cohortes, toutes deux liées au type de selles sur l'échelle de Bristol :

• Selles plus molles, moins de Bacteroides : concordant dans les trois cohortes
• Selles plus molles, plus de Roseburia : concordant dans les trois cohortes

Ces résultats n'ont rien de spectaculaire, mais ils sont utiles. Ils collent à ce qu'on sait de la physiologie du temps de transit et servent de points d'ancrage biologiques nets dans un ensemble de recoupements encore maigre.

Ce que ça signifie

Ce résultat ne veut pas dire que la science du microbiote est réglée, ni que les tableaux de coefficients publiés sont interchangeables tels quels. Le recoupement reste limité. Trois cohortes occidentales ne représentent qu'une petite part de la diversité alimentaire mondiale, et seuls 17 des 59 facteurs harmonisés étaient comparables dans au moins deux études.

Il montre en revanche qu'un tri soigneux de la compatibilité, une harmonisation au niveau des concepts et une gestion explicite des écarts permettent de retrouver un espace de comparaison commun, où la concordance est assez forte pour justifier la suite du travail.

Pour les chercheurs, c'est un résultat méthodologique utile. Pour les partenaires et les investisseurs, c'est la preuve que nous ne traitons pas « la littérature » comme un bloc indistinct. Nous construisons une couche de preuves par étapes, en commençant par la part des résultats publics que la validation permet de juger fiables.

Chez nous, ça veut dire établir une couche de référence avant de s'attaquer aux problèmes de passerelle, plus difficiles. La prochaine question méthodologique porte moins sur l'existence d'autres cohortes que sur la possibilité d'ajouter des cohortes produites avec d'autres chaînes de séquençage et de transformation sans casser la comparabilité.

Pourquoi c'est important pour Gut Twin

Gut Twin construit un outil de conseil alimentaire à partir de données publiques et structurées sur le lien entre nos habitudes alimentaires et la composition du microbiote intestinal. Ce travail ne tient la route que si la chaîne de traitement des preuves est plus rigoureuse que « rassembler plein d'articles et en faire la moyenne ».

Cet exercice de validation en est la première couche. Avant d'intégrer des cohortes dans des modèles en aval, nous voulons savoir :

• quelles études sont comparables, tout simplement
• où l'accord est réel
• où le désaccord vient probablement de la méthode
• et où le recoupement reste trop mince pour justifier des affirmations fortes

C'est le niveau d'exigence dont ce domaine a besoin, selon nous.

Ce que nous publions

Nous publions la logique de validation, les métadonnées d'harmonisation et les statistiques de concordance résumées, pour que chacun puisse examiner le raisonnement.

Nous ne publions ni les poids intégrés prêts pour les modèles, ni l'ensemble de la chaîne de modélisation en aval. Ils font partie de l'infrastructure propriétaire que nous construisons sur cet ensemble validé de résultats publiés.

La suite

Cet article est le premier d'une série en plusieurs étapes. Il établit la couche de référence 16S/MaAsLin, volontairement restreinte, à laquelle les extensions suivantes devront se raccorder. D'autres cohortes ne pourront rejoindre le cadre qu'après avoir passé le même test de base : d'abord la compatibilité méthodologique, ensuite l'harmonisation, et la validation avant toute intégration.

C'est plus lent que de tout mettre en commun dès que ça semble pertinent. C'est aussi, selon nous, la seule façon crédible de s'appuyer sur les résultats publiés sur le microbiote sans faire dire à la littérature plus qu'elle n'en dit.

L'étape suivante de la série s'attaque justement à ce cas plus difficile : savoir si certaines cohortes plus récentes, en shotgun/CLR, peuvent être raccordées à cette couche de référence grâce à une calibration par ancres empiriques, pour élargir la couverture sans prétendre que tous les espaces de coefficients sont naturellement interchangeables.

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

Article technique complet (en anglais) : « Building a harmonized public evidence base for diet-microbiome modelling: initial validation across three 16S cohorts. »