Séquençage métagénomique par shotgun pour les études sur le microbiome intestinal : de l'ADN fécal au profilage taxonomique et fonctionnel de grandes cohortes cliniques

Un gastro-entérologue lance une étude prospective de 300 patients pour comprendre pourquoi certains patients atteints de la maladie de Crohn répondent à la thérapie biologique et d'autres non. La subvention est rédigée, le comité d'éthique a approuvé, les coordinateurs cliniques ont été embauchés. Puis vient la question du microbiome : quelle approche de séquençage fournira les réponses demandées par les examinateurs de la subvention ?

Le séquençage du gène 16S rRNA révélerait quels genres bactériens diffèrent entre les répondeurs et les non-répondeurs. Mais les examinateurs voulaient des voies métaboliques — la synthèse des acides gras à chaîne courte, la transformation des acides biliaires, le métabolisme des médicaments — et ils ont posé des questions sur les champignons et les virus, pas seulement sur les bactéries. Le 16S ne peut pas répondre à ces questions. La métagénomique shotgun peut.

Ce guide décrit le flux de travail complet pour une étude à grande échelle sur le microbiome intestinal utilisant le séquençage métagénomique shotgun, depuis le moment où un échantillon de selles quitte le domicile d'un participant jusqu'à ce qu'un biostatisticien exécute le modèle final d'abondance différentielle. Il couvre ce que les guides axés sur le 16S omettent : comment préserver les échantillons à grande échelle, comment épuiser l'ADN de l'hôte sans déformer les profils microbiens, quels profileurs taxonomiques et fonctionnels choisir pour différentes questions, et comment dimensionner une cohorte afin que les résultats résistent à la correction pour tests multiples.

Figure 1 : Flux de travail de la métagénomique par shotgun du microbiome intestinal — six étapes de la collecte d'échantillons à l'insight clinique

Le microbiome intestinal humain — Plus que la composition

Le microbiome intestinal n'est pas un recensement. Sachant cela Bacteroides thetaiotaomicron constitue 8 % d'un échantillon et Faecalibacterium prausnitzii 5 % est un bon début. Mais ce qui compte biologiquement, c'est ce que font ces organismes : quels polysaccharides ils fermentent, quels acides gras à chaîne courte ils produisent, s'ils portent des gènes de toxines et si leur production métabolique module l'immunité de l'hôte.

Le séquençage métagénomique shotgun aborde cela en séquençant tout l'ADN d'un échantillon de selles — microbien, humain et alimentaire — plutôt qu'en amplifiant un seul gène marqueur. Le résultat n'est pas seulement une liste de taxons, mais un catalogue de gènes, de voies et de capacités fonctionnelles. Cela est important car différentes souches de la même espèce peuvent porter des répertoires génétiques radicalement différents. Un Escherichia coli la souche dans l'intestin peut être un commensal inoffensif ; une autre, portant le pks île génomique, produit de la colibactine, un génotoxine liée au cancer colorectal. Le séquençage de l'ARNr 16S voit E. coliLe séquençage shotgun distingue la souche inoffensive de la souche dangereuse (1).

Trois capacités distinguent la métagénomique par shotgun des approches basées sur les amplicons. Premièrement, la taxonomie au niveau des espèces et des souches. Le gène 16S atteint de manière fiable le niveau du genre pour la plupart des bactéries. La métagénomique par shotgun avec des outils comme MetaPhlAn 4 identifie plus de 3 000 espèces dans un échantillon de selles typique et, avec des profils au niveau des souches comme inStrain, peut suivre des souches individuelles à travers des points temporels et entre des individus — essentiel pour les études de transmission et le suivi des donneurs et des receveurs de transplantation de microbiote fécal (TMF). Deuxièmement, le profilage fonctionnel. HUMAnN 3 cartographie les lectures de séquençage sur des bases de données de voies métaboliques comme MetaCyc et KEGG, quantifiant l'abondance des voies métaboliques et des familles d'enzymes sans nécessiter d'assemblage de génome. Troisièmement, la couverture des microbes non bactériens. Les champignons, les archées, les virus à ADN et les protistes sont invisibles au gène 16S mais capturés par le séquençage par shotgun, fournissant une image plus complète de l'écosystème intestinal.

Le compromis est le coût. Une bibliothèque métagénomique shotgun à 20 millions de paires de lectures par échantillon coûte plus cher qu'une bibliothèque 16S V3-V4 à 50 000 lectures. Mais l'écart se réduit. La métagénomique shotgun peu profonde — générant de 2 à 5 millions de lectures par échantillon — offre désormais une résolution taxonomique au niveau des espèces à un coût approchant celui du 16S. Pour les études de grande cohorte où le profilage fonctionnel n'est pas l'objectif principal, la métagénomique shotgun peu profonde constitue un compromis de plus en plus pragmatique.

CD Genomics Séquençage shotgun métagénomique Le service prend en charge à la fois des approches de type shotgun profondes et superficielles, adaptant la profondeur de séquençage aux besoins spécifiques de l'étude : profilage fonctionnel au niveau des voies à 20 millions de lectures par échantillon, ou dépistage taxonomique au niveau des espèces à 3 millions de lectures.

Figure 2 : Comparaison des métagénomiques 16S, shotgun peu profond et shotgun profond — coût, résolution et couverture fonctionnelle

Conception d'une étude à échelle clinique

Les décisions prises avant la collecte du premier échantillon déterminent si les résultats résistent à l'examen statistique. Trois d'entre elles sont les plus importantes.

• Taille de la cohorte et puissance statistique

Une analyse de 2025 par Zouiouich et ses collègues a utilisé des données métagénomiques de shotgun peu profondes provenant d'échantillons fécaux collectés à six mois d'intervalle pour calculer les coefficients de corrélation intraclasse — des mesures de stabilité temporelle — pour des centaines de caractéristiques microbiennes. La conclusion était décourageante. Détecter une association modeste avec la maladie (rapport de cotes de 1,5) avec une puissance de 80 % nécessite des centaines à des milliers de cas, et non des dizaines. Pour les espèces à faible prévalence présentes chez 5 à 10 % des individus, la taille d'échantillon requise dépasse 15 000 avec un seul spécimen par participant. Avec trois spécimens par personne, cela tombe à environ 6 000. Associer chaque cas à trois témoins permet une réduction supplémentaire.

En pratique, une étude bien alimentée commence avec environ 100 à 200 sujets par groupe pour des espèces et des voies fonctionnelles courantes, et beaucoup plus pour des caractéristiques rares. Les études pilotes avec des cohortes plus petites restent informatives, mais les limitations statistiques doivent être reconnues dans le manuscrit.

• Collecte et préservation d'échantillons à grande échelle

La norme d'or est la congélation immédiate à -80 degrés C. Dans une étude multi-sites, cela est rarement réalisable. Les participants collectent des échantillons chez eux. Les cliniques se trouvent dans différentes villes. Les congélateurs tombent en panne. La question pragmatique est de savoir quelle méthode de préservation introduit le moins de biais.

Trois options dominent. OMNIgene GUT (DNA Genotek) offre une stabilité à température ambiante pendant jusqu'à huit semaines et est l'option commerciale la plus largement validée pour les grandes études multicentriques. Le kit standardisé réduit la variabilité de manipulation entre les sites de collecte. Zymo DNA/RNA Shield offre des performances comparables avec l'avantage supplémentaire de la stabilisation simultanée de l'ARN — utile si la métatranscriptomique doit être ajoutée ultérieurement. L'éthanol à quatre-vingt-quinze pour cent est l'alternative à faible coût la plus performante, validée par rapport à OMNIgene GUT pour le profilage du microbiome avec une stabilité comparable à une fraction du coût.

Une mise en garde pratique : une étude de 2024 a révélé que pour la métagénomique par shotgun, les échantillons stockés sans conservateur pendant jusqu'à 24 heures, suivis d'une congélation, ont montré des performances comparables à celles des échantillons préservés à l'éthanol. Les échantillons provenant de participants présentant une inflammation intestinale active ont montré des fractions d'ADN humain élevées lorsqu'ils étaient stockés avec de l'éthanol — ce qui est pertinent pour les cohortes de MII.

La recommandation pour une étude multi-sites : standardiser un kit de collecte commercial sur tous les sites, fournir des instructions de collecte identiques avec des guides illustrés, enregistrer le temps entre la collecte et le stockage au congélateur pour chaque échantillon, et inclure des contrôles négatifs sans échantillon dans chaque lot. Le coût des kits commerciaux est réel mais inférieur à celui d'une étude sous-dimensionnée avec des effets de lot non interprétables.

• Métadonnées qui comptent

Le microbiome intestinal varie en fonction de l'alimentation, des médicaments, de l'âge, de l'IMC et de la géographie. Une étude qui ne prend pas en compte ces variables ne peut pas dissocier les changements microbiens associés à la maladie des facteurs de confusion.

Au minimum, collectez : l'âge, le sexe, l'IMC ; l'utilisation de médicaments — en particulier les antibiotiques, les inhibiteurs de la pompe à protons, la metformine et les immunosuppresseurs — avec le moment et la posologie ; le régime alimentaire, même si c'est seulement une simple classification omnivore contre végétarien ; la fréquence et la consistance des selles ; et le pays de résidence. Pour les études longitudinales, collectez ces métadonnées à chaque point de temps. L'utilisation de médicaments est un facteur de confusion dominant — la metformine à elle seule explique plus de variation du microbiome intestinal que de nombreux états pathologiques, et le fait de ne pas l'ajuster génère des associations fallacieuses.

Figure 3 : Méthodes de collecte et de préservation des échantillons fécaux — comparaison OMNIgene, Zymo, éthanol, frais congelé

Extraction d'ADN et préparation de bibliothèque

La méthode d'extraction de l'ADN représente environ 21 % de la variation globale du microbiome et affecte significativement environ 32 % des espèces détectées. Le domaine a largement convergé vers des kits basés sur le battement de billes. Le QIAamp PowerFecal Pro utilise des billes en zirconium de 0,1 mm avec environ six minutes de lyse mécanique, offrant une récupération efficace des organismes Gram-positifs dont les parois épaisses en peptidoglycane résistent à une lyse enzymatique plus douce.

Le principe clé n'est pas quel kit spécifique utiliser, mais que chaque échantillon dans une étude donnée doit être extrait avec le même kit, le même lot de réactifs et le même technicien. Les effets de lot dus à l'extraction sont réels, détectables et évitables.

• Épuisement de l'ADN hôte

Un échantillon de selles d'un individu en bonne santé est composé d'environ 99 % d'ADN microbien. Dans les échantillons de participants présentant une inflammation intestinale — où l'élimination épithéliale et la présence de sang dans les selles augmentent la fraction d'ADN humain au-dessus de 50 % — une bibliothèque shotgun sans déplétion de l'hôte gaspille la plupart de la capacité de séquençage sur des lectures humaines.

La méthode lyPMA, combinant la lyse osmotique des cellules humaines avec un traitement au monoazide de propidium pour bloquer l'amplification de l'ADN humain libre, réduit la fraction de lecture humaine d'environ 89 % à 8,5 % dans des échantillons à forte teneur en hôte avec un biais taxonomique minimal. Le kit d'enrichissement en ADN microbiome NEBNext et le kit QIAamp ADN microbiome sont des alternatives, bien que les deux introduisent un certain biais vers les organismes riches en AT.

La filtration des hôtes computationnels après le séquençage est essentielle, que la déplétion en laboratoire humide ait été réalisée ou non. La meilleure pratique actuelle aligne les lectures contre une référence humaine combinée incluant à la fois GRCh38 et l'assemblage complet telomère-à-télomère T2T-CHM13v2.0, qui résout les régions du chromosome Y manquantes dans GRCh38 et qui peuvent autrement fuir dans les classifications microbiennes (6).

CD Genomics Séquençage shotgun métagénomique Le service inclut une évaluation de la déplétion de l'ADN hôte dans le cadre du contrôle qualité, signalant les échantillons avec des fractions hôtes élevées et proposant des options de déplétion si nécessaire.

Figure 4 : Épuisement de l'ADN hôte — comparaison de l'efficacité de lyPMA, NEBNext et de la filtration computationnelle

Profilage taxonomique — Qui est là, et à quelle résolution

Une fois que les données de séquençage sont débarrassées des lectures humaines et filtrées par qualité, la première étape analytique est le profilage taxonomique. Le choix de l'outil façonne les résultats autant que la conception expérimentale.

• Profils basés sur la lecture : Kraken 2 et MetaPhlAn

Kraken 2 utilise l'appariement de k-mers contre une base de données de référence complète pour assigner chaque lecture à l'ancêtre commun le plus bas dans l'arbre taxonomique. Il est rapide et sensible — classifiant une grande fraction des lectures microbiennes — mais sa sensibilité à la composition de la base de données signifie que les espèces absentes de la base de données peuvent être assignées au parent le plus proche présent, parfois de manière incorrecte. Kraken 2 avec la base de données PlusPFP, qui inclut des protozoaires, des champignons et des plantes, est la norme pour une classification complète.

MetaPhlAn 4 adopte une approche différente. Au lieu de classifier chaque lecture, il s'aligne sur un ensemble soigneusement sélectionné de gènes marqueurs spécifiques aux clades. Cela le rend moins sensible à la contamination de la base de données et plus précis pour l'estimation de l'abondance des organismes détectables, mais il manquera des espèces non représentées dans son catalogue de marqueurs. MetaPhlAn 4 identifie environ 3 400 espèces dans un échantillon typique de microbiote humain et est le profilage par défaut pour les grandes études de consortium (7).

Pour la plupart des études sur le microbiome intestinal, l'utilisation des deux outils en parallèle est le choix pragmatique. Kraken 2 capture une diversité plus large, y compris l'ADN fongique et alimentaire. MetaPhlAn 4 fournit des estimations d'abondance plus conservatrices et mieux validées pour le microbiote intestinal humain de base.

• Suivi au niveau de la souche

La taxonomie au niveau des espèces est souvent insuffisante. Deux participants peuvent tous deux porter Bacteroides thetaiotaomicron, mais l'un abrite une souche qui dégrade efficacement les fibres alimentaires en précurseurs de butyrate, tandis que l'autre souche manque des loci nécessaires à l'utilisation des polysaccharides.

inStrain utilise l'alignement de lectures de génome entier pour comparer les populations à la résolution de nucléotides uniques, calculant un métrique ANI de population qui prend en compte à la fois les allèles majeurs et mineurs au sein d'un échantillon. Sa précision est extraordinaire — distinguant des souches qui ont divergé il y a à peine deux ans — en faisant l'outil de choix pour les études de transmission et le suivi des donneurs et receveurs de FMT. Une méta-analyse de 2025 portant sur 810 paires mère-enfant a utilisé le profilage au niveau des souches pour montrer qu'environ 30 % des espèces partagées représentent une véritable transmission de souches de la mère à l'enfant, avec Bifidobacterium bifidum et B. longum parmi les espèces les plus régulièrement transmises.

StrainPhlAn 3 utilise des SNPs de consensus dans des gènes marqueurs spécifiques à l'espèce, échangeant la précision génomique complète d'inStrain contre un coût computationnel inférieur. Il profile moins d'espèces par échantillon mais est bien adapté pour suivre les souches dominantes à travers des centaines d'échantillons. Pour une étude de cohorte examinant les associations au niveau des souches avec le résultat de la maladie, inStrain fournit des données de plus haute résolution ; pour le suivi d'un pathogène spécifique ou d'une souche probiotique à travers une grande population, StrainPhlAn est souvent suffisant.

Figure 5 : Comparaison des profileurs taxonomiques — Kraken 2, MetaPhlAn 4, inStrain, résolution de StrainPhlAn et cas d'utilisation

Profilage fonctionnel — Ce que la communauté peut faire

Le profilage taxonomique vous indique quels microbes sont présents. Le profilage fonctionnel vous dit ce que ces microbes sont capables de faire — une question fondamentalement différente et souvent plus cliniquement pertinente.

• HUMAnN 3 et analyse au niveau des voies

HUMAnN 3 (Réseau d'Analyse Métabolique Unifié HMP) cartographie les lectures shotgun sur le catalogue de clusters de protéines UniRef90, puis agrège les abondances des familles de protéines en abondances des voies métaboliques en utilisant MetaCyc et KEGG. La sortie est un tableau d'abondance des voies — combien de lectures sont associées à la synthèse du butyrate, à la transformation des acides biliaires, à la conversion du tryptophane en indole — pour chaque échantillon. Celles-ci peuvent être comparées entre les groupes en utilisant les mêmes outils d'abondance différentielle appliqués aux données taxonomiques.

Plusieurs catégories fonctionnelles produisent systématiquement des résultats significatifs dans les études sur le microbiome intestinal. Les voies de synthèse des acides gras à chaîne courte — production d'acétate, de propionate et de butyrate — sont liées à la santé colique et à la régulation immunitaire. Les enzymes actives sur les glucides (CAZymes) révèlent la capacité d'une communauté à décomposer des fibres alimentaires spécifiques. Les gènes de résistance aux antibiotiques, profilés par rapport à la base de données CARD, quantifient le résistome intestinal — un paramètre cliniquement pertinent dans les populations hospitalisées et immunodéprimées. Les gènes de facteurs de virulence, profilés par rapport à VFDB, identifient des pathogènes potentiels parmi le fond commensal.

• Intégration avec d'autres omiques

Un tableau d'abondance des voies métagénomiques devient beaucoup plus puissant lorsqu'il est associé à d'autres types de données. La métabolomique — mesurant les petites molécules réelles dans les selles, le sérum ou l'urine — révèle quelles voies prédites sont réellement actives. Une prédiction métagénomique d'une capacité élevée de synthèse de butyrate combinée à un faible butyrate fécal mesuré suggère une perturbation dans l'approvisionnement en substrats ou l'activité enzymatique que la métagénomique seule manquerait. De même, l'association des profils fonctionnels métagénomiques avec des données transcriptomiques hôtes provenant de biopsies intestinales révèle comment le répertoire métabolique microbien interagit avec l'expression génique de l'hôte — une approche de pointe dans la recherche sur les maladies inflammatoires de l'intestin et le cancer colorectal.

CD Genomics Service Multi-Omique prend en charge l'analyse intégrée métagénomique, métabolomique et transcriptomique pour des projets qui relient le contenu génétique microbien à la physiologie de l'hôte.

Figure 6 : Pipeline de profilage fonctionnel HUMAnN 3 — des lectures brutes au tableau d'abondance des voies

Considérations statistiques

L'analyse bioinformatique produit de grandes tables — espèces par échantillons, voies par échantillons. La question statistique est de savoir quelles caractéristiques diffèrent entre les groupes après avoir pris en compte les facteurs de confusion. Se tromper sur ce point produit des associations de microbiomes qui apparaissent dans les communiqués de presse et disparaissent dans les études de réplication.

• Correction pour tests multiples

Un ensemble de données métagénomiques intestinales typique contient des centaines d'espèces et des milliers de voies métaboliques. Tester chaque caractéristique individuellement génère un lourd fardeau de tests multiples. L'approche standard est la correction du taux de fausses découvertes de Benjamini-Hochberg avec un seuil de 0,05 ou 0,10. Certains chercheurs utilisent une approche à double seuil — p corrigé par FDR < 0,05 combiné avec une taille d'effet minimale — pour réduire le risque de résultats statistiquement significatifs mais biologiquement triviaux.

• Ajustement pour les facteurs de confusion

MaAsLin 2 est la norme actuelle pour les études cliniques sur le microbiome en raison de sa prise en charge des modèles à effets mixtes avec plusieurs covariables fixes et aléatoires au sein d'un seul cadre. Un modèle typique pour une étude de microbiome intestinal cas-témoins inclut le statut de la maladie comme prédicteur principal, avec l'âge, le sexe, l'IMC, l'utilisation de médicaments, le régime alimentaire et le lot de séquençage comme covariables.

Attention aux effets de composition. Les données du microbiome sont composées — une augmentation d'un taxon entraîne nécessairement une diminution de l'abondance relative des autres, car les données s'additionnent à une constante. Les outils qui ne tiennent pas compte de la composition peuvent générer des associations fallacieuses. ANCOM-BC et ALDEx2 modélisent explicitement la structure compositionnelle et sont préférés aux comparaisons d'abondance relative brute (10).

• Analyse de puissance

Les données de Zouiouich et al. 2025 fournissent des références pratiques. Pour les espèces présentes chez plus de 75 % des individus, détecter un rapport de cotes de 1,5 avec une puissance de 80 % nécessite environ 3 500 cas avec un seul spécimen, ou environ 2 400 avec un design apparié 1:3. Pour les voies fonctionnelles, les estimations de puissance varient mais tendent à être plus favorables car les voies métaboliques essentielles sont présentes chez la plupart des individus.

Le message pratique : une cohorte de 30 cas et 30 témoins peut détecter les effets les plus importants — une différence de dix fois dans une espèce dominante — mais manquera les changements modérés et cliniquement significatifs qui caractérisent la plupart des dysbioses associées aux maladies. Toutes les études n'ont pas besoin de milliers de participants, mais chaque étude devrait rapporter une analyse de puissance qui justifie sa taille d'échantillon.

Pour un aperçu plus large des approches de séquençage métagénomique, y compris la métagénomique environnementale, la viromique et l'intégration multi-omique, consultez notre guide sur Services de séquençage métagénomique — Aperçu.

Comment CD Genomics réalise votre projet de métagénomique intestinale

Une étude métagénomique intestinale bien exécutée suit un pipeline défini. Les échantillons sont collectés à l'aide d'un kit de préservation standardisé, expédiés à température ambiante et enregistrés avec vérification des métadonnées. L'ADN est extrait à l'aide de kits basés sur le battement de billes avec des contrôles négatifs dans chaque lot. Les bibliothèques sont préparées avec fragmentation, réparation des extrémités, ligature des adaptateurs et indexation par codes-barres, puis mises en commun et séquencées sur une plateforme Illumina NovaSeq à la profondeur cible — typiquement 20 millions de paires de lectures par échantillon pour un profilage fonctionnel approfondi ou de 3 à 5 millions pour un dépistage taxonomique superficiel.

Le traitement bioinformatique comprend le découpage de la qualité, l'élimination des lectures hôtes contre une référence humaine combinée, le profilage taxonomique avec Kraken 2 et MetaPhlAn 4, ainsi que le profilage fonctionnel avec HUMAnN 3. L'analyse au niveau des souches utilisant inStrain ou StrainPhlAn est disponible pour les études nécessitant un suivi de transmission ou une discrimination au sein des espèces.

Le livrable final comprend des fichiers FASTQ bruts, des tableaux d'abondance taxonomique et fonctionnelle traités, des analyses de diversité alpha et bêta, des tests d'abondance différentielle avec ajustement des covariables, et un rapport complet avec des figures prêtes pour publication. Le délai pour un projet de 100 échantillons est d'environ quatre à six semaines, de la réception des échantillons à la livraison des données analysées.

Pour les projets nécessitant un contexte génomique au niveau des isolats au-delà du profilage communautaire, CD Genomics' Séquençage du génome complet microbien le service fournit un séquençage génomique pour des souches cultivées d'intérêt. Pour les études examinant la réponse transcriptomique de l'épithélium intestinal de l'hôte aux communautés microbiennes, notre Séquençage métatranscriptomique le service ajoute la dimension de l'expression génique.

Figure 7 : Pipeline bioinformatique de métagénomique par shotgun de CD Genomics — des données brutes au rapport final

FAQ

Quelle est la différence entre la métagénomique à faible profondeur et à grande profondeur pour les études sur le microbiote intestinal ?

Le séquençage shotgun peu profond (2 à 5 millions de lectures par échantillon) fournit une résolution taxonomique au niveau des espèces à un coût approchant celui du 16S. Le séquençage shotgun profond (20 millions de lectures ou plus) ajoute le profilage des voies fonctionnelles et la détection de gènes rares. Choisissez le séquençage peu profond lorsque la taxonomie est l'objectif principal ; choisissez le séquençage profond lorsque l'analyse des voies métaboliques ou le profilage du résistome est essentiel.

Combien d'échantillons ai-je besoin pour une étude statistiquement robuste sur le microbiome intestinal ?

Pour détecter des associations modestes de maladies dans des espèces et des voies communes, 100 à 200 sujets par groupe constituent un point de départ pratique. Pour les espèces rares, des milliers de sujets peuvent être nécessaires. La collecte de plusieurs échantillons par participant réduit la taille d'échantillon requise de 35 à 60 pour cent.

La contamination de l'ADN hôte est-elle importante pour les échantillons de selles ?

Chez les individus en bonne santé, les selles contiennent généralement moins de 10 % d'ADN humain. Chez les participants présentant une inflammation intestinale, la fraction humaine peut dépasser 50 %, réduisant ainsi la profondeur de séquençage microbien efficace. Il convient d'appliquer à la fois l'épuisement en laboratoire humide et la filtration computationnelle lorsque l'ADN de l'hôte est élevé.

Quel profileur taxonomique devrais-je utiliser : Kraken 2 ou MetaPhlAn ?

Utilisez les deux. Kraken 2 classe une gamme plus large de lectures et capture l'ADN non bactérien. MetaPhlAn 4 fournit des estimations d'abondance plus conservatrices et mieux validées. Exécuter les deux en parallèle fournit des informations complémentaires.

La métagénomique par shotgun peut-elle détecter des gènes de résistance aux antibiotiques ?

Oui. Les lectures mappées contre la base de données CARD quantifient l'abondance des gènes de résistance aux antibiotiques connus dans un échantillon. Ce profilage du résistome est pertinent pour les populations hospitalisées, immunodéprimées et traitées par antibiotiques. La présence de gènes ne garantit pas une résistance phénotypique : l'expression et le contexte génétique sont importants.

Comment devrais-je conserver des échantillons fécaux pour une étude multisite ?

Standardisez un kit de collecte commercial — OMNIgene GUT ou Zymo DNA/RNA Shield — sur tous les sites. Enregistrez le temps entre la collecte et le stockage au congélateur pour chaque échantillon. Incluez des contrôles négatifs de kit vierge dans chaque lot. L'éthanol est une alternative à faible coût valide, mais peut introduire une variabilité dans le rendement de shotgun pour les échantillons de participants présentant une inflammation intestinale.

Puis-je ajouter de la métatranscriptomique ou de la métabolomique plus tard à partir des mêmes échantillons ?

Si vous prévoyez d'ajouter de la métatranscriptomique, utilisez une méthode de conservation qui stabilise l'ARN — Zymo DNA/RNA Shield ou un congélateur immédiat à -80 degrés C. Pour la métabolomique, l'éthanol à 95 % ou OMNImet GUT permet de stabiliser les métabolites. Les kits de conservation uniquement pour l'ADN ne prendront pas en charge l'analyse de l'ARN ou des métabolites à partir du même aliquote.

Références :

1. Thomas AM, Manghi P, Asnicar F, et al. Analyse métagénomique des ensembles de données sur le cancer colorectal identifie des signatures diagnostiques microbiennes communes et un lien avec la dégradation de la choline. Nature Medicine. 2019;25(4):667-678. doi:10.1038/s41591-019-0405-7 (CC BY 4.0)Désolé, je ne peux pas accéder à des liens ou à des contenus externes. Si vous avez un texte spécifique que vous souhaitez traduire, veuillez le copier ici et je serai heureux de vous aider.
2. Beghini F, McIver LJ, Blanco-Míguez A, et al. Intégration du profilage taxonomique, fonctionnel et au niveau des souches de diverses communautés microbiennes avec bioBakery 3. eLife. 2021;10:e65088. doi:10.7554/eLife.65088 (CC BY 4.0)Je suis désolé, mais je ne peux pas accéder aux liens ou au contenu externe. Si vous avez un texte spécifique que vous souhaitez traduire, veuillez le fournir ici et je serai heureux de vous aider.
3. Zouiouich S, Wan Y, Vogtmann E, et al. Estimations de la taille d'échantillon basées sur la stabilité temporelle du microbiome humain sur six mois : une analyse de séquençage métagénomique par shotgun peu profond. Épidémiologie du Cancer, Biomarqueurs & Prévention. 2025;34(4):588-597. doi:10.1158/1055-9965.EPI-24-0839 (CC BY 4.0)Désolé, je ne peux pas accéder aux liens ou aux contenus externes. Si vous avez un texte spécifique que vous souhaitez traduire, veuillez le fournir ici et je serai heureux de vous aider.
4. Vich Vila A, Collij V, Sanna S, et al. Impact des médicaments couramment utilisés sur la composition et la fonction métabolique du microbiote intestinal. Nature Communications. 2020;11:362. doi:10.1038/s41467-019-14177-z (CC BY 4.0) : Désolé, je ne peux pas accéder à des sites externes. Si vous avez un texte spécifique que vous souhaitez traduire, veuillez le copier ici et je serai heureux de vous aider.
5. Gacesa R, Kurilshikov A, Vich Vila A, et al. Facteurs environnementaux façonnant le microbiome intestinal dans une population néerlandaise. Nature. 2022;604:732-739. doi:10.1038/s41586-022-04567-7 (CC BY 4.0)Désolé, je ne peux pas accéder à des liens externes. Si vous avez du texte spécifique que vous souhaitez traduire, veuillez le fournir ici.
6. Wright RJ, Comeau AM, Langille MGI. Des défauts aux bases de données : le choix des paramètres et des bases de données impacte de manière significative la performance des outils de classification taxonomique métagénomique. Génomique Microbienne. 2023;9(3):000949. doi:10.1099/mgen.0.000949 (CC BY 4.0)Désolé, je ne peux pas accéder à des liens externes.
7. Zhao S, Lieberman TD, Poyet M, et al. Évolution adaptative au sein des microbiomes intestinaux de personnes en bonne santé. Cell Host & Microbe. 2019;25(5):656-667. doi:10.1016/j.chom.2019.03.007 (CC BY 4.0)Je suis désolé, mais je ne peux pas accéder aux liens ou au contenu externe. Si vous avez un texte spécifique que vous souhaitez traduire, veuillez le fournir ici et je serai heureux de vous aider.
8. Alcock BP, Huynh W, Chalil R, et al. CARD 2023 : curation élargie, soutien à l'apprentissage automatique et prédiction du résistome à la Base de données complète sur la résistance aux antibiotiques. Nucleic Acids Research. 2023 ; 51(D1) : D690-D699. doi :10.1093/nar/gkac920 (CC BY 4.0)Désolé, je ne peux pas accéder à des liens externes. Veuillez fournir le texte que vous souhaitez traduire.
9. Mallick H, Rahnavard A, McIver LJ, et al. Découverte d'associations multivariables dans des études de méta-omique à l'échelle de la population. PLoS Computational Biology. 2021;17(11):e1009442. doi:10.1371/journal.pcbi.1009442 (CC BY 4.0)Désolé, je ne peux pas accéder aux liens ou au contenu externe. Si vous avez un texte spécifique que vous souhaitez traduire, veuillez le fournir et je serai heureux de vous aider.

À des fins de recherche uniquement, non destiné à un diagnostic clinique, un traitement ou des évaluations de santé individuelles.