Département Ecologie aquatique
Évolution pathogène
Notre groupe de recherche se concentre sur la compréhension de l'évolution de la résistance aux médicaments chez divers pathogènes, allant des bactéries aux vers parasites. Nous travaillons à l'interface de la biologie évolutive et de la pharmacologie, en développant des modèles mathématiques et en collaborant avec des expérimentateurs pour générer des prédictions testables. Notre objectif est de contribuer au développement de stratégies plus efficaces pour gérer la résistance aux médicaments dans un contexte de One Health.
Le groupe a été fondé en 2024 avec le soutien d'une bourse de démarrage de la Swiss National Science Foundation. Notre travail s'appuie sur divers domaines, y compris la génétique des populations, la pharmacodynamique et l'informatique évolutive, afin de créer un cadre complet pour comprendre et prédire l'évolution de la résistance aux médicaments. Nos principales approches sont la modélisation mathématique ainsi que la collecte et l'analyse de données.
Modélisation mathématique
Malgré les différences biologiques majeures entre les pathogènes, les principes évolutifs fondamentaux régissant l'évolution de la résistance chez tous sont les mêmes : les organismes subissent une pression de sélection due au traitement médicamenteux, et ceux qui acquièrent un mécanisme pour y faire face ont plus de chances de survivre et de se reproduire, transmettant ce mécanisme.
Par conséquent, notre groupe développe un cadre computationnel généralisé et modulaire pour étudier l'évolution de la résistance aux médicaments, qui peut être adapté à divers organismes.
Notre cadre flexible et modulaire nous permet d'identifier les effets de ces aspects, de trouver des similitudes et des différences dans l'évolution de la résistance aux médicaments à travers divers taxa, d'adapter le modèle pour capturer les nuances biologiques uniques de différents organismes et de déterminer les facteurs critiques qui façonnent l'évolution de la résistance aux médicaments.
Collecte de données et numérisation
Les données pharmacodynamiques sont cruciales pour paramétrer les modèles et générer des prévisions concrètes et testables. L'absence d'un référentiel centralisé et facilement accessible pour les données pharmacocinétiques et pharmacodynamiques (PKPD) entrave la recherche et la collaboration efficaces dans la lutte contre la résistance aux médicaments. Bien que de nombreuses bases de données existent, elles sont souvent fragmentées, incomplètes et difficiles à naviguer. De plus, une grande quantité de données PKPD reste cachée dans des documents supplémentaires ou non publiés, ce qui rend leur accès incroyablement difficile.
Notre groupe vise à développer une plateforme en ligne complète pour centraliser et standardiser les données PKPD. Nous extrayons des paramètres clés (par exemple, taux de croissance, concentrations minimales inhibitrices) de diverses sources, y compris des bases de données existantes et la littérature publiée, en utilisant des techniques avancées de fouille de textes et d'intelligence artificielle. Ces informations soigneusement sélectionnées seront annotées, cataloguées et rendues librement accessibles dans une base de données interactive et conviviale, au bénéfice des chercheurs de toutes les disciplines.
Analyse des données
En agrégeant ces données, nous serons en mesure d'analyser systématiquement la disponibilité, la variabilité et la fiabilité des paramètres PKPD, tout en identifiant les lacunes critiques en matière de connaissances et les tendances émergentes à travers les espèces, les médicaments et les environnements. Nous visons à fournir des éclaircissements sur les mécanismes à l'origine de ces tendances et à identifier les facteurs critiques qui différencient l'évolution de la résistance entre les espèces et les classes de médicaments.
Publications
2022 Trubenová, B. , Roizman D., Rolff, J., Regös, R.R. Modeling Polygenic Antibiotic Resistance Evolution in Biofilms. Frontiers in Microbiology : 13, 916035
2022 Szep, E. *, Trubenová, B. * , Csilléry, K. Using gridCoal to assess whether standard population genetic theory holds in the presence of spatio-temporal heterogeneity in population size. Molecular Ecology Resources: 22 (8), 2941-2955
2022 Trubenová, B. , Roizman D., Moter, A., Rolff, J., Regös, R.R. Population genetics, biofilm recalcitrance and antibiotic resistance evolution. Trends in Microbiology : 30 (9), 841-852
*Les auteurs ont contribué de manière égale.
