Soutenance de thèse de HMIDI Slim
Titre de thèse
Nouvelles méthodes en surveillance épidémiologique : intégration des biomarqueurs MALDI-TOF MS et de l'analyse des réseaux pour une détection ciblée des pathogènes
New Methods in Epidemiological Surveillance: Integration of MALDI-TOF MS Biomarkers and Network Analysis for Targeted Pathogen Detection.
Résumé de la thèse
La surveillance épidémiologique est indispensable pour détecter les épidémies, suivre l'évolution des pathogènes et orienter les interventions de santé publique. La pandémie de COVID-19 a profondément modifié l'épidémiologie des bactéries pathogènes, mettant en évidence la nécessité d'outils de suivi en temps réel et à haute résolution. Bien que le séquençage complet du génome offre un pouvoir discriminant inégalé, son déploiement à grande échelle reste limité par son coût et sa complexité technique. La spectrométrie de masse MALDI-TOF, initialement conçue pour l'identification rapide des espèces microbiennes, s'impose comme une alternative prometteuse pour la différenciation clonale, la détection de résistances aux antimicrobiens et le profilage de virulence. Cette thèse explore le potentiel de la MALDI-TOF MS en surveillance épidémiologique à travers quatre études complémentaires : (i) évaluation des modifications liées à la pandémie dans l'incidence et la diversité clonale de Haemophilus influenzae et Staphylococcus aureus ; (ii) caractérisation des réseaux d'interactions microbiennes ; (iii) prédiction de phénotypes cliniquement pertinents, dont les souches toxinogènes de Clostridium difficile, par apprentissage automatique et profond ; et (iv) développement de PeakBase, une base de données ouverte de pics biomarqueurs MALDI-TOF reproductibles liés à la résistance et à la virulence. Les résultats montrent que la MALDI-TOF MS, combinée à l'analyse computationnelle et à des ressources collaboratives, peut constituer une plateforme évolutive et polyvalente pour le typage bactérien et l'analyse épidémiologique en temps réel. Ce travail positionne la MALDI-TOF MS comme un lien entre microbiologie diagnostique et santé publique de précision, offrant des informations exploitables sur la diversité, la résistance et la virulence des pathogènes.
Thesis resume
Epidemiological surveillance is essential for detecting infectious disease outbreaks, monitoring pathogen trends, and guiding public health interventions. The COVID-19 pandemic profoundly altered the epidemiology of bacterial pathogens, underscoring the need for high-resolution, real-time monitoring tools. While whole-genome sequencing offers unmatched discriminatory power, its large-scale application is hindered by cost and technical demands. Matrix-Assisted Laser Desorption/Ionization Time-of-Flight Mass Spectrometry (MALDI-TOF MS), originally developed for rapid microbial species identification, has emerged as a promising alternative for clonal differentiation, antimicrobial resistance detection, and virulence profiling. This thesis explores the potential of MALDI-TOF MS in epidemiological surveillance through four complementary studies: (i) assessment of pandemic-related shifts in incidence and clonal diversity of Haemophilus influenzae and Staphylococcus aureus; (ii) characterization of microbial co-detection networks; (iii) machine learning- and deep learning-based prediction of clinically relevant phenotypes, including toxigenic Clostridium difficile; and (iv) creation of PeakBase, an open database of reproducible MALDI-TOF MS biomarker peaks for resistance and virulence. The findings demonstrate that MALDI-TOF MS, when integrated with computational analysis and collaborative data resources, can function as a scalable, versatile platform for real-time bacterial typing and epidemiological analysis. This work positions MALDI-TOF MS as a bridge between diagnostic microbiology and precision public health, enabling timely insights into pathogen diversity, resistance, and virulence.