Abstract :
[fr] La coculture bactérienne fournit des informations précieuses sur les processus métaboliques et peut potentiellement réveiller des clusters de gènes biosynthétiques cryptiques (BGC), habituellement silencieux dans des conditions de monoculture. On peut espérer que ces BGCs codent pour produire de nouveaux produits bioactifs, non découverts à ce jour. L'imagerie par spectrométrie de masse (MSI) est, par ailleurs, un outil puissant pour explorer la distribution spatiale des molécules sur des surfaces complexes, fournissant entre autres, des informations moléculaires sur les bactéries productrices.
Cependant, l'approche conventionnelle repose principalement sur une analyse manuelle longue et laborieuse de milliers de signaux, négligeant la plupart des informations. Par conséquent, le travail actuel propose une nouvelle méthode de travail, basé sur deux nouveaux outils bio-informatiques pour mettre en évidence les ions d'intérêt spécifique à la coculture afin de pouvoir analyser un grand nombre d'échantillons.
Pour valider la méthode, nous avons utilisé la MSI à haute résolution pour examiner la distribution spatiale des métabolites par Streptomyces coelicolor et Escherichia coli, cultivés seuls ou en conditions de coculture. Les données brutes sont par après converties au format imzML, puis analysées à l'aide de nos outils, basées soit sur la structure des images ou les signaux différentiels. Les résultats ont montré que la combinaison des deux nouvelles méthodes, a permis de générer une liste de 110 signaux spécifiques à l’interaction. Chaque ion a été observé ensuite manuellement pour montrer que chaque m/z d'intérêt, mettait bien en évidence la localisation des métabolites produits uniquement dans des conditions de coculture.
En résumé, cette étude présente une méthode nouvelle et efficace pour analyser les données MSI des conditions de coculture bactérienne, fournissant des informations précieuses pour la découverte de potentiels produits bioactifs. L'approche proposée est rapide, robuste et peut être utilisée pour identifier rapidement les signaux spécifiques apparaissant lors de l'interaction entre les couples bactériens.
