En Première spécialité SVT

Enquêter sur l’antibiorésistance bactérienne et modéliser sa progression

avec des bases de données et un logiciel de modélisation multi-agents (Édu’modèles)

Si les antibiotiques continuent de sauver des vies, de nombreuses bactéries sont aujourd’hui résistantes à certains d’entre eux. Une étude publiée dans The Lancet en février 2022, compilant les données de 23 agents pathogènes et 204 pays, fait état de l’inquiétante progression de l’antibiorésistance bactérienne, au point que la résistance aux antibiotiques a causé 1,27 million de décès dans le monde en 2019 (c’est-à-dire davantage que le SIDA ou le paludisme).
Cette étude scientifique du Lancet vient à point nommé pour proposer aux élèves l’utilisation de bases de données en ligne (ECDC et Géodes) et entreprendre la construction d’un modèle numérique (avec Édu’modèles) dans le but de retracer et d’expliquer la progression de l’antibiorésistance bactérienne en relation avec l’utilisation d’antibiotiques.

première Evolution Banque de données exemple d’activité support numérique

lundi 20 juin 2022 , par Anne Florimond

Professeur

  • Anne FLORIMOND au lycée Richelieu à Rueil-Malmaison (92)

 Caractéristiques de la séquence

LIAISON AVEC LE PROGRAMME
Niveau concerné Première spécialité
Partie du programme : Dans le sous-thème "Variation génétique bactérienne et résistance aux antibiotiques" du thème "Corps humain et santé"
PLACE DANS LA PROGRESSION
La séance vient à la suite d’une première séance où l’on aura montré que dans des populations de bactéries, comme dans toutes les populations cellulaires, des mutations spontanées surviennent et provoquent une variation génétique. Certaines de ces mutations ont pour effet de rendre les bactéries capables de désactiver les propriétés antibiotiques des molécules, ce qui rend ces bactéries mutantes résistantes aux antibiotiques.
MOTIVATION
S’il est rare que des élèves aient The Lancet sur leur table de chevet (!), s’emparer du constat que les bactéries résistantes aux antibiotiques ont participé au décès de plusieurs millions de personnes en 2019 (c’est ce que révèle l’étude parue dans cette revue) peut constituer une situation motivante pour initier une quête de données sur l’antibiorésistance bactérienne. Ensuite, on amène les élèves à recourir à une modélisation numérique pour expliquer la progression de l’antibiorésistance, puis à utiliser après-coup les données initialement collectées pour tester la validité de leur modèle.

PROBLEME A RESOUDRE

On veut, en s’appuyant sur l’exemple de la bactérie Escherichia coli et de la résistance aux céphalosporines de 3ème génération, collecter des données sur l’antibiorésistance à cet antibiotique et tester l’hypothèse d’une sélection naturelle qui favorise les bactéries résistantes, pour rendre compte de la progression de l’antibiorésistance chez cette espèce.

NOTIONS, SAVOIR-FAIRE, COMPETENCES
Notions Extraits du Bulletin officiel spécial n°1 du 22 janvier 2019
L’application d’un antibiotique sur une population bactérienne sélectionne les mutants résistants à cet antibiotique, d’autant plus qu’il élimine les bactéries compétitrices sensibles et permet donc leur développement numérique. L’utilisation systématique de traitements antibiotiques en santé humaine comme en usage agronomique ou vétérinaire conduit à augmenter la fréquence des formes résistantes dans les populations naturelles de bactéries et aboutit à des formes simultanément résistantes à plusieurs antibiotiques.
Savoir-faire Sélectionner des informations à partir du réel ou de documents.
Communiquer dans un langage scientifiquement approprié : oral, écrit, graphique, numérique.
Compétences Pratiquer des démarches scientifiques.
Concevoir, créer, réaliser.
Communiquer et utiliser le numérique.
Utiliser des logiciels d’acquisition, de simulation et de traitement de données.
Cadre de référence des compétences numériques (CRCN)
  • Collaborer
  • Adapter les documents à leur finalité
  • Développer des documents textuels
  • Programmer
  • Mener une recherche et une veille d’information
  • Traiter des données

  Déroulement de la séquence

ACTIVITE
Durée : 2 heures Coût : 0 euros Sécurité : RAS

Outils numériques et ressources
- Deux banques de données :

  • La base de données de l’ECDC (European Centre for Disease Prevention and Control) :
    Le site de l’ECDC renferme la base "Surveillance Atlas of Infectious Diseases", un outil d’interaction avec les données disponibles sur les maladies infectieuses. Son interface permet de traiter les données sous la forme de graphiques, tableaux, cartes. C’est l’outil idéal pour collecter des données sur la variation du taux du bactéries résistantes — au sein d’une espèce choisie par l’utilisateur — au fil des années. Ces mêmes données seront par la suite réutilisées pour vérifier que les variations prédites par le modèle numérique correspondent bien aux variations réelles.
  • Le site Géodes (Géo données en santé publique) :
    L’interface de Géodes permet de rechercher une éventuelle corrélation entre une pathologie (ici, la résistance à un antibiotique d’une bactérie ayant infecté un patient) et un indicateur (ici, la consommation d’antibiotiques).



- Logiciel Édu’modèles en mode algorithmique (multi-agents) pour la réalisation de la modélisation et des simulations.
À l’instar de NetBioDyn dont il est inspiré, Édu’modèles est un outil convivial et intuitif qui permet de programmer sans avoir à écrire de code.

- Un pré-modèle à adapter avec Édu’modèles, en y ajoutant les agents et règles manquants.

Le pré-modèle à implémenter avec Edu’modèles



-Logiciel de présentation assistée par ordinateur (Powerpoint, Impress...).

- Vidéo (à visionner avant la séance) du Réseau Canopé : Antibiorésistance : le corps
Cette vidéo donne des informations scientifiques qui seront utiles pour compléter le pré-modèle numérique.

Vidéo Antibiorésistance - Canopé

Déroulement global de la séquence

synopsis de la séquence

Déroulement détaillé de la séquence

1. L’exploitation des bases de données pour retracer la progression de l’antibiorésistance

Les indications données aux élèves sont les suivantes :

  • site de l’ECDC : acquérir les données sur la résistance aux céphalosporines de 3ème génération chez Escherichia coli
  • site Géodes : paramétrer l’obtention de deux cartes : la consommation de céphalosporines en milieu hospitalier en 2019 et l’incidence des bactéries E.coli résistantes cette même année

L’utilisation des ces deux outils est assez intuitive, mais un tutoriel facilitant cette tâche peut être mis à la disposition des élèves :

Tutoriel (facultatif) pour ECDC et Géodes
Tutoriel (facultatif) pour ECDC et Géodes - format docx
Tutoriel (facultatif) pour ECDC et Géodes - format ods

Les résultats :

  • Sur le site de l’ECDC, une fois la requête lancée et en cliquant sur "France" dans la liste des pays, on obtient ce graphique :
    Graphique de l’évolution mesurée du taux de bactéries E.Coli résistantes aux céphalosporines de 3ème génération

    Le graphique permet d’observer une nette augmentation du taux de bactéries E.coli résistantes aux céphalosporines de 3ème génération entre 2002 et 2016, suivie d’une légère diminution amorcée à partir de 2016.

  • Avec le site Géodes, on obtient sous la forme de deux cartes les données géocodées pour l’année 2019 :
    Consommation de céphalosporines de 3ème génération (carte de droite) et taux de nouveaux cas d’infections à E.Coli résistantes à cet antibiotique (carte de gauche)

    Une corrélation est bien visible : les régions les plus consommatrices d’antibiotiques sont celles où l’incidence de l’antibiorésistance est la plus importante.

Pour préciser cette quête de données, on peut ajouter ce graphique extrait du site de Santé publique France :

Graphique de l’évolution de la prescription et de la consommation d’antibiotiques entre 2009 et 2019

Sur le site d’où il est extrait, ce graphique est accompagné du commentaire suivant : "Ainsi depuis 2016, alors que la consommation globale d’antibiotiques marque une diminution, la résistance aux céphalosporines de 3e génération chez E. coli amorce une diminution après 10 ans d’augmentation constante."
Ces données seront utiles pour paramétrer la simulation une fois que le modèle numérique aura été complété.

2. La construction d’un modèle numérique pour expliquer la progression de l’antibiorésistance

Les consignes données aux élèves sont les suivantes :

Modifier le pré-modèle fourni, en déclarant :
  • l’antibiotique ;
  • les règles manquantes.

Indications pour les modifications du modèle (ces indications ont trait aux demi-vies des agents et aux probabilités de réalisation des règles, ceci pour ne pas engorger l’environnement avec de trop nombreux agents) :

  • Antibiotique : demi-vie = 50 ; probabilité de déplacement : 10 %
  • Utilisation de l’antibiotique : à programmer comme une apparition spontanée d’agents, avec une probabilité de 10%
  • Transfert horizontal de gènes : donner à cette règle (de type réaction entre agents) une probabilité 10000 fois plus grande que celle de la mutation d’une bactérie S en bactérie R
  • Action de l’antibiotique : donner à cette règle (de type réaction entre agents) une probabilité de 50%

Les résultats :
Le fait d’avoir visionné la vidéo avant la séance a pu faciliter la conceptualisation des règles. En effet, la vidéo insiste sur les deux modes utilisés par les bactéries pour transmettre un gène de la résistance. La première modalité est le transfert de l’ADN d’une bactérie à ses clones, au sein de la même espèce (cette opération est déjà modélisée, dans le pré-modèle, par la règle "multiplication"). L’autre modalité, assez fréquente, est le transfert de l’ADN d’une bactérie à une autre (appartenant ou non à la même espèce) sans que cette dernière soit sa descendante (cette opération sera modélisée par l’ajout d’une règle "transfert horizontal"). Enfin, la vidéo insiste bien sur le fait que l’antibiotique tue les bactéries sensibles (cette opération sera modélisée par l’ajout d’une règle "action antibiotique") tandis qu’il épargne les bactéries résistantes.
Voici le résumé du modèle après implémentation (les règles et agents ajoutés par rapport au pré-modèle sont en caractères gras) :

Agents :
Nom : bactérie S
Demi-vie : 200
Probabilité de déplacement : 50
Effectif initial : 150

Nom : antibiotique
Demi-vie : 50
Probabilité de déplacement : 10

Nom : bactérie R
Demi-vie : 200
Probabilité de déplacement : 50
Effectif initial : 5

Règles :
Nom de la règle : mutation
Type : réaction entre agents
Probabilité : 0.000001%
Réactifs : bactérie S
Produits : bactérie R

Nom de la règle : action antibiotique
Type : réaction entre agents
Probabilité : 50%
Réactifs : bactérie S, antibiotique
Produits : antibiotique

Nom de la règle : multiplication S
Type : réaction entre agents
Probabilité : 1%
Réactifs : bactérie S
Produits : bactérie S, bactérie S

Nom de la règle : multiplication R
Type : réaction entre agents
Probabilité : 1%
Réactifs : bactérie R
Produits : bactérie R, bactérie R

Nom de la règle : utilisation de l’antibiotique
Type : apparition spontanée d’agents
Probabilité : 10%
Produits : antibiotique

Nom de la règle : transfert horizontal
Type : réaction entre agents
Probabilité : 0.01%
Réactifs : bactérie R, bactérie S
Produits : bactérie R, bactérie R

Télécharger le modèle complété :

Le modèle complété

Remarque : il serait pertinent, lors de la construction du modèle par les élèves, de leur permettre d’ajouter des mutations / transferts à effet neutre ou délétères (par exemple ici une mutation de R vers S), pour ne pas laisser penser que les mutations et les transferts sont en eux-mêmes "dirigés" vers l’acquisition d’un avantage évolutif. Cela permettrait en outre de mieux appuyer l’idée que seules les variations génétiques avantageuses sont sélectionnées, les autres étant soumises à la dérive ou contre-sélectionnées.

3. Le test du modèle

Les indications données aux élèves sont les suivantes :

Objectif Modalité
On veut simuler l’augmentation de la consommation d’antibiotiques effectuée jusqu’en 2016 puis la diminution de cette consommation d’antibiotiques à partir de 2016, afin de prédire à l’aide du modèle numérique l’’évolution de la population bactérienne. Partir d’une population initiale faite de 150 bactéries sensibles et seulement 5 bactéries résistantes (= on modélise la situation qui régnait avant l’utilisation des céphalosporines de 3ème génération : un faible taux de bactéries résistantes à cet antibiotique).
 Lancer une simulation d’une durée de 2000 tours (unités arbitraires de temps) au cours de laquelle l’antibiotique est diffusé jusqu’à t=1100 tours.
 À partir de t= 1100 tours, cesser l’application de l’antibiotique.
Les données réelles sont exprimées en taux (et non en nombre) de bactéries résistantes, il faut donc exporter les données du graphique au format csv pour pouvoir ensuite les traiter avec un tableur-grapheur. Faire l’export des données du graphique de la simulation.
 Calculer avec la fonction tableur du tableur-grapheur le taux (pourcentage) de bactéries résistantes, puis représenter avec la fonction grapheur la variation de ce taux en fonction du temps.
 Il ne reste plus qu’à comparer aux taux réels qui avaient été obtenus auprès du site de l’ECDC !

Les résultats :
Le graphique ci-dessous donne le résultat de la simulation :

Le graphique des résultats bruts de la simulation

Après les opérations de traitement des données avec le tableur-grapheur, on obtient le graphique suivant :

Le graphique des résultats traités de la simulation

Pour rappel, les taux réels, obtenus auprès du site de l’ECDC, sont exprimés dans ce graphique :

Graphique de l’évolution mesurée du taux de bactéries E.Coli résistantes aux céphalosporines de 3ème génération
Toutes proportions gardées, notre modèle prédit des variations du taux de bactéries résistantes qui sont assez semblables aux variations effectivement observées entre 2002 et 2019. Cela amène à penser que les règles définies dans le modèle (parmi lesquelles figure la sélection naturelle des bactéries résistantes) pourraient être les mécanismes en jeu dans la nature.

 Des exemples de productions d’élèves

Concernant la production, j’avais souhaité que les élèves rendent compte de leur recherche sous la forme d’un diaporama, selon la trame suivante :

  • une diapositive par étape (1, 2, 3) ;
  • diapositive 2 : doit montrer le résumé du modèle (fichier texte obtenu avec la fonctionnalité "Exporter un résumé", en mettant en valeur les connaissances utilisées et l’hypothèse de la sélection naturelle ;
  • dernière diapositive : doit conclure à propos de la validité du modèle numérique)].
    Voici des exemples de productions, réalisées par binômes :
Production d’un binôme X
Production d’un binôme Y
Production d’un binôme Z

 Focus sur un outil : GÉODES

Géodes permet de visualiser sous forme de cartes, graphiques et tableaux des données statistiques dans la domaine de la santé. Pour que les élèves se familiarisent avec l’interface de Géodes avant la séance, il peut être intéressant des les diriger vers les deux ressources suivantes :
 Article : Santé publique France lance Géodes, un observatoire cartographique dynamique permettant d’accéder aux principaux indicateurs de santé
 [Vidéo (tutoriel de Géodes) à visionner jusqu’à t=3 minutes.

Avantages / Plus-values :
La représentation des données sous la forme de cartes comparatives est particulièrement attractive.
Points de vigilance :
Il faut veiller à ne pas confondre la corrélation (mise en évidence par la comparaison de deux cartes) entre un déterminant et une pathologie, et l’éventuelle causalité (qui reste, à ce stade, une hypothèse) qui les unit.

 Analyse du dispositif

Plus-values dégagées
  • Cette séance est l’occasion d’insister sur le statut des données dans une démarche de modélisation. Ici, les données sur le taux de bactéries résistantes et celles sur la consommation effective d’antibiotiques permettent de paramétrer la simulation (effectifs initiaux de bactéries S et R, date du frein à l’utilisation des antibiotiques). On réutilise ensuite certaines de ces données pour expertiser le modèle puisque le test de ce dernier se fait en comparant les taux de bactéries résistantes prédits par le modèle et ceux effectivement observés sur le terrain.
  • Ce type de séance permet aussi de faire réfléchir les élèves à l’intérêt des modèles pour tester des hypothèses de causalité dans le cas où des corrélations sont observées. Corrélation ne signifiant pas causalité, on devrait recourir à des expériences de laboratoire pour tester l’hypothèse de causalité, en faisant varier la consommation d’antibiotiques et en analysant les conséquences en terme de fréquence de bactéries résistantes. Mais de telles expériences sont impossibles à mettre en œuvre et la simulation numérique permet ici de les remplacer. La démarche scientifique sous-jacente à cette activité est donc représentative de celle pratiquée par les chercheurs au laboratoire : on teste, à l’aide du modèle numérique, si des mécanismes dont on fait l’hypothèse peuvent expliquer les observations.
Difficultés rencontrées Selon les élèves, ce fut un TP bien chargé et certains ont déclaré avoir manqué de temps pour restituer leur démarche de manière aussi détaillée qu’ils l’auraient souhaité.

  • Certains élèves ont fait des erreurs dans l’implémentation du modèle (écriture des règles) et s’en sont rendu compte un peu tard.
  • L’utilisation du tableur-grapheur pour le calcul des taux de bactéries R à partir des effectifs des bactéries R et S a été chronophage chez certains élèves.
Pistes d’amélioration Prévoir des fichiers de secours correspondant aux différentes étapes de la modélisation. Par exemple :

  • Des élèves qui auraient échoué dans l’implémentation du modèle peuvent se voir attribuer un fichier csv représentant une simulation, ce qui permet de réaliser le travail de traitement des données avec le tableur-grapheur.
    jeu de données extraites d’une simulation
  • Des élèves en difficulté avec le traitement des données (calcul du taux de bactéries résistantes) peuvent obtenir un fichier de données partiellement traitées, ce qui permet tout de même de réaliser le graphique utile pour tester le modèle.
    jeu de données partiellement traitées (sans le graphique) - format xlsx


    jeu de données partiellement traitées (sans le graphique) - format ods

 Un prolongement possible : vers un exercice type bac ?

Dans la logique du cycle terminal, il arrive que des sujets proposés à l’écrit du bac en Terminale reposent sur des notions vues en Première. Dans la banque d’annales de sujets de bac proposés sur le site SVT de l’académie de Besançon, l’un des sujets peut retenir notre attention pour l’exercice 1 qu’il propose. Sans prétendre mettre la charrue avant les bœufs, cet exercice fournit l’occasion de remobiliser ce qui a été vu lors de la séance tout en travaillant sur les attendus de l’épreuve écrite de spécialité au baccalauréat :

Énoncé de l’exercice : Bactéries et résistance à un antibiotique
La résistance des bactéries aux antibiotiques est un problème majeur de santé publique. En milieu hospitalier notamment, la propagation de bactéries résistantes aux antibiotiques est responsable d’infections à l’origine de plusieurs dizaines de milliers de décès par an en Europe.
Expliquer la transmission de la résistance à un antibiotique dans des populations bactériennes et ce qui favorise l’augmentation de sa fréquence.
Vous rédigerez un texte argumenté. On attend que l’exposé soit étayé par des expériences, des observations, des exemples…

Document : Bactéries en cours de conjugaison
Il existe différents mécanismes de transfert d’ADN entre deux bactéries appartenant ou non à la même espèce. La conjugaison bactérienne est l’un de ces mécanismes. Lors de ce processus les deux bactéries établissent un « pont cytoplasmique », permettant le passage d’ADN d’une bactérie donneuse à une bactérie receveuse.

D’après Brinton, Jr.

Sur le plan méthodologique, on pourra profiter de cet exercice pour distinguer ce qui relève de notions et ce qui relève d’arguments s’y rapportant :

Trame de réponse pour l’exercice
Structuration de la réponse Notions et idées essentielles Arguments (expériences, observations, exemples)
Dans un premier temps, on veut expliquer la transmission de la résistance à un antibiotique dans des populations bactériennes Transfert de l’ADN d’une bactérie à ses descendantes lors des divisions cellulaires.
Transfert de l’ADN d’une bactérie à une autre qui n’est pas descendante
Observation du document sur la conjugaison bactérienne : lors de ce processus les deux bactéries établissent un « pont cytoplasmique », permettant le passage d’ADN d’une bactérie donneuse à une bactérie receveuse. Cette modalité permet le transfert d’un gène impliqué dans la résistance.
Dans un second temps, on veut expliquer ce qui favorise l’augmentation de la fréquence de l’antibiorésistance Intervention de la sélection naturelle :

  • L’application d’un antibiotique sur une population bactérienne sélectionne les mutants résistants à cet antibiotique
  • L’application d’un antibiotique sur une population bactérienne élimine les bactéries compétitrices sensibles.
  • Cela permet le développement des bactéries résistantes.
Observations :
  • corrélation entre l’augmentation de l’utilisation des céphalosporines de 3ème génération en milieu hospitalier et l’augmentation de la fréquence des bactéries résistantes à cet antibiotique
  • corrélation géographique : les régions les plus consommatrices de céphalosporines de 3ème génération à une date donnée sont aussi celles où l’incidence des bactéries résistantes à cet antibiotique est la plus importante.
    Expérience : un modèle numérique qui inclut la sélection naturelle des bactéries résistantes et la contre-sélection des bactéries sensibles, et dans lequel la variable est l’utilisation ou non des antibiotiques, prédit des variations du taux de bactéries résistantes semblables aux variations effectivement observées.
  •  Une suggestion d’adaptation pour le programme d’enseignement scientifique de Terminale

    Dans la partie 3.2 ("L’évolution comme grille de lecture du monde") du thème 3 ("Une histoire du vivant), l’un des savoir-faire requis est "Mobiliser des concepts évolutionnistes pour expliquer comment des populations microbiennes pourront à longue échéance ne plus être sensibles à un vaccin (ou un antibiotique)".
    Pour atteindre cet objectif (en moins de 55 minutes !), on pourra proposer aux élèves le modèle déjà implémenté et une consigne du type : "Exploiter le modèle numérique fourni et réaliser les simulations adéquates pour montrer comment des populations bactériennes deviennent résistantes à un antibiotique".

    REMERCIEMENTS à :
     Chloé Journo (Acces, groupe de travail "Microbes, immunité et vaccination") pour ses conseils et son recul à propos de la modélisation de la progression de l’antibiorésistance ;
     Arek Socha de Pixabay pour le prêt du logo de cet article.

    Galerie d'images

    Dans la même rubrique