Évaluation de l'application d'une analyse de réseau génomique en écologie des populations : Inférer des motifs de dispersion et de structure géographique chez le pathogène émergent, Coccidioides

RÉSUMÉ Un défi dans les études d'écologie des populations est d'identifier la meilleure façon de regrouper les individus en populations, surtout lorsque l'origine des individus est inconnue. L'apprentissage automatique a amélioré les méthodes traditionnelles d'identification de la structure des populations et est plus efficace pour traiter de grandes bases de données complexes. Nous démontrons l'applicabilité d'une méthode d'apprentissage automatique pour identifier la structure hiérarchique des populations d'un pathogène émergent, Coccidioides spp., l'agent responsable de la fièvre de la vallée. Nous avons comparé les clusters du réseau à la structure identifiée par des outils traditionnels comme validation de la performance du réseau. Nous avons utilisé des données de génome entier accessibles au public pour 48 C. immitis et 102 C. posadasii, aboutissant à 168 211 SNPs à l'échelle du génome parmi les deux espèces. L'analyse du réseau a regroupé des échantillons en populations comparables à la littérature pour ces espèces, mais a également identifié une structure géographique à petite échelle et des cas associés aux déplacements non encore rapportés jusqu'à présent. Explorer différentes résolutions dans le réseau a facilité l'identification de génotypes uniques spécifiques à la Californie et possiblement au Nevada, ainsi que des infections acquises à Phoenix et Tucson dans des zones non endémiques, indépendamment des antécédents de voyage rapportés. La présente étude fournit un exemple prometteur de la façon dont une analyse de réseau basée sur l'apprentissage automatique peut améliorer notre capacité à comprendre l'écologie des pathogènes, regrouper des cas en populations et inférer des infections associées aux déplacements.