HAL BIBLIO

# Analyse du Cluster Bibliométrique ## 1. THÈME DU CLUSTER **Infrastructure méthodologique et computationnelle pour l'analyse bioinformatique des données de séquençage à haut débit appliquée à la génomique microbienne, au résistome et au mobilome.** ## 2. SYNTHÈSE Ce cluster réunit les outils logiciels, méthodes statistiques et bases de données fondamentaux qui constituent l'ossature méthodologique de toute étude contemporaine sur le microbiome intestinal, les gènes de résistance aux antibiotiques et le transfert horizontal de gènes. Il ne s'agit pas d'un cluster thématique centré sur un objet biologique unique, mais d'un **écosystème d'outils co-cités** par les chercheurs travaillant sur le résistome et le mobilome. L'environnement statistique R [1] et ses extensions — modèles mixtes [5], contrôle du taux de fausses découvertes [2], visualisation via ggplot2 [27] — forment le socle analytique sur lequel reposent la quasi-totalité des analyses différentielles et exploratoires. L'analyse d'expression différentielle s'appuie principalement sur DESeq2 [3] et edgeR [16], qui sont systématiquement utilisés pour quantifier l'abondance différentielle de gènes de résistance ou de taxons microbiens entre conditions expérimentales. Le comptage des lectures alignées sur des caractéristiques génomiques est assuré par featureCounts [30]. Le traitement des données de séquençage repose sur une chaîne bien établie : le nettoyage des lectures avec Trimmomatic [8] et Cutadapt [22], suivi de l'alignement par BWA [10], Bowtie 2 [11] ou BLAST [4,6], avec gestion des fichiers via SAMtools [9] et BEDTools [28]. Pour les études d'amplicons 16S visant la caractérisation taxonomique du microbiome, QIIME [21], DADA2 [23] et la base SILVA [25] constituent le pipeline de référence. L'annotation fonctionnelle exploite les bases KEGG [18,26] et Gene Ontology [15], enrichie par clusterProfiler [20]. L'analyse phylogénétique, essentielle pour tracer le transfert horizontal de gènes de résistance via plasmides, s'appuie sur les alignements multiples MAFFT [13], MUSCLE [14] et ClustalW [29], puis sur la reconstruction phylogénétique par RAxML [24] et MEGA X [19]. La visualisation de réseaux d'interactions, notamment entre éléments génétiques mobiles, utilise Cytoscape [12]. La Protein Data Bank [17] fournit les structures tridimensionnelles des protéines de résistance. ## 3. TEXTES FONDATEURS - **[1] R Core Team** : Environnement de calcul statistique universel ; plateforme obligatoire sur laquelle fonctionnent la majorité des packages d'analyse du résistome (DESeq2, edgeR, clusterProfiler, ggplot2). - **[4] Altschul et al. (1990) — BLAST** : Algorithme fondamental d'alignement de séquences permettant l'identification des gènes de résistance par similarité contre les bases de données spécialisées (CARD, ResFinder). Sa version améliorée PSI-BLAST [6] étend cette capacité aux protéines divergentes. - **[3] Love et al. (2014) — DESeq2** : Méthode de référence pour l'analyse différentielle d'abondance, directement appliquée à la quantification des variations du résistome entre échantillons traités et non traités aux antibiotiques. - **[8] Bolger et al. (2014) — Trimmomatic** : Outil incontournable de prétraitement des données Illumina, étape préalable à toute analyse métagénomique du microbiome intestinal. - **[23] Callahan et al. (2016) — DADA2** : A remplacé les approches par OTU en introduisant l'inférence à résolution nucléotidique (ASV), transformant la précision taxonomique des études du microbiome. - **[9] Li et al. (2009) — SAMtools** : Infrastructure indispensable de manipulation des alignements, utilisée en aval de tout pipeline de cartographie des lectures métagénomiques sur les génomes de référence ou les bases de gènes de résistance. - **[13] Katoh & Standley (2013) — MAFFT** : Alignement multiple performant, crucial pour les analyses phylogénétiques des familles de gènes de résistance et le traçage des événements de transfert horizontal. - **[24] Stamatakis (2014) — RAxML** : Standard pour la phylogénie par maximum de vraisemblance sur grands jeux de données, essentiel pour reconstruire l'histoire évolutive des éléments du mobilome. ## 4. TENDANCES **Phase 1 — Fondations (1977-2000)** : Les outils pionniers de séquençage [7], d'alignement [4,6], de bases de données structurelles [17] et fonctionnelles [15,18,26], et de statistique [1,2] posent les bases computationnelles. **Phase 2 — Révolution NGS (2009-2013)** : L'avènement du séquençage haut débit engendre une explosion d'outils d'alignement court [10,11], de manipulation de fichiers [9,28], d'analyse d'amplicons [21,25], d'expression différentielle [16] et d'alignement multiple [13,14]. **Phase 3 — Maturité et intégration (2014-2018)** : Les outils se raffinent avec DESeq2 [3], Trimmomatic [8], featureCounts [30], RAxML v8 [24], DADA2 [23] et MEGA X [19]. On observe un **virage majeur** vers l'inférence à haute résolution (ASV via DADA2 [23] remplaçant les OTU de QIIME [21]), vers les modèles mixtes généralisés [5] adaptés aux designs expérimentaux complexes du microbiome, et vers l'annotation fonctionnelle systématique via clusterProfiler [20] et KEGG [18]. La tendance récente est à l'**intégration multi-omique** : les mêmes pipelines (alignement [10,11], quantification [3,16,30], annotation [18,20]) sont combinés pour analyser simultanément métagénome, métatranscriptome et résistome. ## 5. CONTROVERSES ET LACUNES - **Approche OTU versus ASV** : Le passage de QIIME [21] à DADA2 [23] reflète un débat méthodologique majeur sur la résolution taxonomique optimale. Le regroupement en OTU à 97% sous-estime la diversité des communautés porteuses de gènes de résistance, tandis que les ASV [23] augmentent la résolution mais peuvent générer du bruit sur des données de faible qualité. - **Choix des outils d'expression différentielle** : DESeq2 [3] et edgeR [16] utilisent des modèles statistiques différents (modèle négatif binomial avec shrinkage bayésien versus estimation empirique de la dispersion), produisant des résultats parfois discordants sur les mêmes jeux de données métagénomiques, sans consensus clair sur lequel privilégier pour les données du résistome. - **Lacune majeure — absence d'outils spécialisés** : Ce cluster est composé exclusivement d'outils **génériques** de bioinformatique. Les bases de données spécialisées du résistome (CARD, ResFinder, ARG-ANNOT) et les outils dédiés au mobilome (MOB-suite, PlasFlow) sont absents des 30 articles les plus cités, suggérant que ces ressources spécifiques n'atteignent pas encore le niveau de citation des outils fondamentaux, créant un **gap entre infrastructure générique et annotation spécialisée**. - **Correction des tests multiples** : L'application de la méthode de Benjamini-Hochberg [2] aux données métagénomiques massives (milliers de gènes de résistance testés simultanément) reste débattue quant à son caractère trop conservateur ou insuffisamment adapté à la structure de dépendance entre gènes co-localisés sur un même plasmide. - **Alignement versus assemblage** : Les outils dominants de ce cluster privilégient les approches par alignement sur référence [10,11], ce qui constitue un biais potentiel pour l'étude de gènes de résistance nouveaux portés par des éléments génétiques mobiles non référencés, pour lesquels des approches d'assemblage *de novo* seraient plus appropriées mais sont sous-représentées.

# Analyse Bibliométrique du Cluster ## 1. THÈME DU CLUSTER **Résistance bactérienne aux antibiotiques : mécanismes moléculaires, éléments génétiques mobiles, épidémiologie et stratégies de lutte dans un contexte de crise sanitaire mondiale.** ## 2. SYNTHÈSE Ce cluster rassemble des travaux couvrant l'ensemble du spectre de la résistance aux antimicrobiens (RAM), depuis les méthodes de détection jusqu'aux stratégies de gestion. Le socle méthodologique repose sur les techniques standardisées de mesure de la sensibilité aux antibiotiques, notamment l'antibiogramme par diffusion en disque [1], les méthodes de dilution en milieu liquide ou gélosé [2] et la détermination des concentrations minimales inhibitrices [14]. Sur le plan mécanistique, plusieurs revues majeures décrivent les bases moléculaires de la résistance, incluant les pompes à efflux, la modification des cibles et l'inactivation enzymatique [15,26]. La perméabilité de la membrane externe des bactéries Gram-négatives constitue une barrière intrinsèque fondamentale [13]. Des enzymes spécifiques comme les β-lactamases à spectre étendu (BLSE) [19] et les carbapénémases [29] représentent des menaces cliniques majeures. Les tétracyclines illustrent bien l'épidémiologie de la résistance acquise à une classe d'antibiotiques largement utilisée [11]. La résistance au sein des biofilms ajoute une couche de complexité supplémentaire [21]. Le transfert horizontal de gènes constitue un moteur central de la dissémination, les éléments génétiques mobiles — plasmides, transposons, intégrons — étant au cœur de cette dynamique [30]. L'outil PlasmidFinder permet la détection in silico des réplicons plasmidiques dans les données génomiques [10]. L'émergence du gène plasmidique mcr-1 conférant la résistance à la colistine, dernier recours thérapeutique, a constitué un signal d'alarme mondial [8]. L'ampleur de la crise est documentée par des analyses épidémiologiques montrant une augmentation globale de la consommation d'antibiotiques [23] et son caractère multifactoriel [22,27]. Les infections nosocomiales, favorisées par la persistance des pathogènes sur les surfaces [28] et les agents du groupe ESKAPE [9], aggravent le problème. Des directives institutionnelles pour le bon usage des antibiotiques (antibiotic stewardship) ont été élaborées [20,24]. Les alternatives explorées incluent les nanoparticules antimicrobiennes [16], les probiotiques [4] et les approches basées sur CRISPR-Cas9 [3]. La génomique bactérienne, depuis le premier séquençage complet [7] jusqu'au concept de pan-génome [25], et la métagénomique [18] ont transformé la compréhension du résistome. ## 3. TEXTES FONDATEURS - **[1]** Bauer et al. (1966) : Article fondateur de l'antibiogramme standardisé par méthode de diffusion en disque, méthode universellement adoptée pour évaluer la sensibilité bactérienne et détecter la résistance phénotypique ; avec plus de 18 000 citations, c'est la pierre angulaire méthodologique du domaine. - **[6]** Davies & Davies (2010) : Revue de référence sur les origines évolutives et les mécanismes de dissémination de la résistance aux antibiotiques, intégrant les dimensions environnementale, clinique et génétique dans un cadre conceptuel unifié. - **[8]** Liu et al. (2015) : Découverte du gène mcr-1, premier mécanisme de résistance transférable à la colistine porté par un plasmide, révélant une menace pour le dernier antibiotique de recours et galvanisant la recherche sur le mobilome. - **[30]** Partridge et al. (2018) : Revue exhaustive des éléments génétiques mobiles (plasmides, transposons, intégrons, séquences d'insertion) associés à la résistance, constituant la référence contemporaine sur les mécanismes de transfert horizontal. - **[15]** Blair et al. (2014) : Synthèse incontournable des mécanismes moléculaires de résistance (efflux, modification de cible, inactivation enzymatique, imperméabilité), servant de cadre conceptuel pour la compréhension des phénotypes résistants. - **[10]** Carattoli et al. (2014) : Outil bioinformatique PlasmidFinder devenu standard pour le typage in silico des plasmides à partir de données de séquençage complet, essentiel pour la surveillance génomique de la dissémination plasmidique de la résistance. - **[7]** Fleischmann et al. (1995) : Premier séquençage complet d'un génome bactérien (*H. influenzae*), inaugurant l'ère de la génomique bactérienne et rendant possibles toutes les analyses génomiques ultérieures du résistome. ## 4. TENDANCES L'évolution chronologique de ce cluster révèle trois phases distinctes : **Phase fondatrice (1966-2001)** : Mise en place des méthodes phénotypiques de référence [1,2,14] et premières descriptions systématiques des mécanismes de résistance par classe d'antibiotiques [11]. Le premier génome bactérien séquencé [7] ouvre la voie à la génomique. **Phase de consolidation (2003-2010)** : Les revues de synthèse documentent l'ampleur de la crise [6,9], décrivent les barrières intrinsèques [13], la résistance des biofilms [21], et l'épidémiologie des BLSE [19] et carbapénémases [29]. L'outil métagénomique MG-RAST [18] et le concept de pan-génome [25] transforment les approches analytiques. **Virage récent (2014-2018)** : Un tournant majeur s'opère avec la convergence de la bioinformatique génomique [10], la découverte de mécanismes de résistance transférables alarmants comme mcr-1 [8], et la documentation de l'augmentation mondiale de la consommation d'antibiotiques [23]. Les stratégies de réponse se diversifient : programmes d'antibiotic stewardship [20,24], alternatives thérapeutiques comme les nanoparticules [16] et les probiotiques [4], et technologies d'édition génomique CRISPR-Cas9 potentiellement applicables à la lutte contre la résistance [3]. La revue de Partridge et al. [30] synthétise la compréhension contemporaine du mobilome. Le discours scientifique s'oriente vers une vision « One Health » intégrant santé humaine, animale et environnementale [22,27]. ## 5. CONTROVERSES / GAPS **Lacune méthodologique entre phénotype et génotype** : Les méthodes phénotypiques classiques [1,2,14] restent la référence clinique, mais les outils génomiques in silico [10,18] peinent encore à prédire de manière fiable le phénotype de résistance à partir du seul génotype, créant un décalage entre surveillance moléculaire et pratique clinique. **Crise du pipeline thérapeutique vs alternatives non conventionnelles** : Alors que le déficit en nouveaux antibiotiques est clairement documenté [9], les alternatives proposées — nanoparticules [16], probiotiques [4], CRISPR [3] — manquent encore de validation clinique à grande échelle. L'efficacité réelle de ces approches contre les infections à bactéries multirésistantes reste à démontrer. **Usage agricole et transmission zoonotique** : La découverte de mcr-1 dans des isolats animaux et humains [8] soulève la question controversée de l'utilisation des antibiotiques en élevage, mais le cluster ne contient pas de travaux quantifiant précisément la contribution relative des réservoirs animal et environnemental par rapport au milieu hospitalier dans la dissémination des gènes de résistance [6,22]. **Biofilms et échec thérapeutique** : La résistance accrue des biofilms [21] est bien documentée in vitro, mais les implications pour les protocoles de traitement clinique et les seuils de CMI [14] restent insuffisamment intégrées dans les recommandations de stewardship [20,24]. **Dynamique du transfert horizontal en conditions réelles** : Bien que les éléments génétiques mobiles soient exhaustivement catalogués [30], la fréquence réelle du transfert horizontal de gènes de résistance dans le microbiote intestinal humain in vivo, notamment sous pression antibiotique, demeure mal quantifiée — un gap majeur par rapport à la requête de recherche initiale centrée sur le gut microbiome et le résistome.

# Analyse Bibliométrique du Cluster ## 1. THÈME DU CLUSTER **Contamination environnementale par les antibiotiques et les gènes de résistance aux antimicrobiens : sources agricoles et aquatiques, devenir dans les eaux usées et implications pour la santé publique.** ## 2. SYNTHÈSE Ce cluster réunit des travaux explorant la chaîne complète reliant l'usage massif d'antibiotiques dans les productions animales et humaines à la dissémination environnementale de gènes de résistance aux antimicrobiens (ARGs). La demande alimentaire mondiale croissante [1] et l'intensification de l'élevage [8] stimulent un recours prophylactique aux antibiotiques, notamment en aquaculture [17] et dans les élevages porcins chinois, où une diversité et une abondance considérables d'ARGs ont été documentées [15]. À l'échelle mondiale, les tendances de consommation d'antimicrobiens chez les animaux de production montrent une trajectoire ascendante préoccupante [8], avec des conséquences directes sur la santé humaine [19,25]. Les antibiotiques et leurs métabolites sont largement émis dans l'environnement via les effluents d'élevage et les eaux usées urbaines. Des modélisations à l'échelle nationale en Chine ont quantifié ces émissions et leur devenir dans les bassins versants [7], tandis que des inventaires globaux ont cartographié les voies d'exposition des antibiotiques vétérinaires [10]. Les stations d'épuration urbaines (STEP) constituent des points névralgiques de concentration et de dissémination tant des antibiotiques [22] que des bactéries résistantes et des ARGs dans l'environnement récepteur [16,29]. Les micropolluants pharmaceutiques, incluant les antibiotiques mais aussi des composés comme la carbamazépine et le diclofénac, persistent à travers les filières de traitement [6,14,30]. Du côté écologique, la résistance aux antibiotiques est désormais conceptualisée comme un contaminant environnemental émergent [21,24], les sols constituant un réservoir ancestral d'ARGs partagés avec les pathogènes humains [27]. La biodiversité microbienne des sols [9,23,28] et les interactions rhizosphériques [4] fournissent le contexte écologique de ces échanges génétiques. Les communautés microbiennes intestinales, fortement influencées par le régime alimentaire [2], représentent un autre compartiment clé de sélection et de transfert de résistances. La pollution des milieux aquatiques par les antibiotiques crée des pressions de sélection favorisant l'émergence de résistances dans les écosystèmes naturels [20]. ## 3. TEXTES FONDATEURS - **[15]** — Zhu et al. (2013) : Première caractérisation à grande échelle du résistome des élevages porcins chinois par approche métagénomique, démontrant la diversité et l'abondance exceptionnelles des ARGs dans ces environnements, article pivot reliant production animale et résistome environnemental. - **[21]** — Pruden et al. (2006) : Article fondateur conceptualisant les ARGs comme contaminants environnementaux émergents et documentant leur occurrence dans divers compartiments (rivières, exploitations laitières, STEP) du Colorado, établissant le paradigme de surveillance environnementale des ARGs. - **[27]** — Forsberg et al. (2012) : Démonstration par métagénomique fonctionnelle que des bactéries du sol partagent des ARGs nucléotidiquement identiques avec des pathogènes humains, fournissant la preuve d'un transfert horizontal inter-compartiments. - **[8]** — Van Boeckel et al. (2015) : Première cartographie mondiale de la consommation d'antimicrobiens en production animale avec projections à 2030, référence incontournable pour la quantification du problème à l'échelle planétaire. - **[16]** — Rizzo et al. (2013) : Revue de synthèse établissant les STEP comme hotspots de dissémination de bactéries résistantes et d'ARGs, article structurant pour le champ de recherche eaux usées-résistance. - **[17]** — Cabello (2006) : Alerte pionnière sur l'usage prophylactique massif d'antibiotiques en aquaculture et ses conséquences sanitaires et environnementales, reliant production aquacole et résistance. - **[7]** — Zhang et al. (2015) : Modélisation multimédia à l'échelle des bassins versants chinois intégrant émissions, devenir environnemental et lien avec la résistance bactérienne, approche méthodologique de référence. - **[24]** — Martínez (2009) : Synthèse conceptuelle sur la double pollution par les antibiotiques et par les déterminants de résistance, articulant les dimensions chimique et génétique du problème. ## 4. TENDANCES L'évolution chronologique révèle trois phases distinctes : **Phase pionnière (2005-2009)** : Les premiers travaux identifient le problème en conceptualisant les ARGs comme contaminants émergents [21], en cartographiant l'usage vétérinaire des antibiotiques [10], en alertant sur l'aquaculture [17] et en posant les bases théoriques de la pollution par les déterminants de résistance [20,24]. **Phase de consolidation (2010-2014)** : Les études deviennent systématiques et quantitatives. La caractérisation du résistome des élevages [15] et la démonstration du partage d'ARGs entre sol et pathogènes [27] marquent des avancées majeures. Les STEP sont identifiées comme nœuds critiques [16,22,29]. Les revues sur les micropolluants [6,14] élargissent la perspective aux co-contaminants. Les liens entre alimentation et microbiote [2] et la biodiversité des sols [9,28] apportent le contexte écologique. **Phase de globalisation (2015-2022)** : L'analyse s'étend à l'échelle planétaire avec la cartographie mondiale de l'usage d'antimicrobiens [8], la modélisation intégrée des bassins versants [7], et les rapports institutionnels sur la durabilité alimentaire [1,3,11]. Les outils moléculaires se perfectionnent [18] et les revues intégratives lient agriculture, résistance et santé publique [25]. L'intérêt pour les biofilms comme réservoirs de résistance émerge [26]. Le **virage récent** est celui d'une approche « One Health » intégrant santé humaine, animale et environnementale, avec une attention croissante pour les pays en développement [8,25] et les systèmes aquacoles [3,11,17]. ## 5. CONTROVERSES ET LACUNES **Quantification du risque réel de transfert** : Bien que le partage d'ARGs entre sol et pathogènes ait été démontré in vitro [27], la fréquence et la signification clinique du transfert horizontal in situ restent débattues. Le lien causal entre concentrations environnementales d'antibiotiques et émergence de résistances cliniquement pertinentes n'est pas fermement établi [20,24]. **Efficacité des STEP** : Un désaccord persiste sur la capacité des traitements conventionnels et avancés à réduire significativement les ARGs et les bactéries résistantes. Certains travaux montrent que les STEP concentrent et disséminent les résistances [16,22], tandis que l'évaluation des technologies de traitement reste insuffisante [6,29]. **Lacune géographique** : La majorité des données provient de Chine [7,15], d'Europe [2,29] et d'Amérique du Nord [21]. Les pays à revenus faibles ou intermédiaires, où l'usage non réglementé d'antibiotiques est le plus intense [8,17,25], demeurent sous-étudiés. **Seuils de sécurité absents** : Il n'existe pas de normes environnementales pour les concentrations d'ARGs, contrairement aux polluants chimiques classiques [14,21,24]. La définition de seuils de risque constitue une lacune réglementaire majeure. **Interactions micropolluants-résistance** : Les effets combinés des antibiotiques avec d'autres micropolluants (pharmaceutiques, biocides, métaux lourds) sur la sélection de résistances sont encore peu explorés [6,14,30], malgré leur co-occurrence systématique dans les effluents. **Rôle du mobilome et des plasmides** : Malgré la requête de recherche originale ciblant explicitement le transfert horizontal et le mobilome, ce cluster est relativement pauvre en études mécanistiques sur les éléments génétiques mobiles, les plasmides et les intégrons comme vecteurs de dissémination, suggérant un gap thématique important.