YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

French subtitles

← Dépistage précoce des infections par la compréhension du langage des bactéries

Get Embed Code
27 Languages

Showing Revision 21 created 06/20/2019 by eric vautier.

  1. Vous ne les connaissez pas.

  2. Vous ne les voyez pas.
  3. Mais elles sont toujours là,
  4. chuchotant
  5. fomentant des plans secrets,
  6. formant des armées de millions de soldats.
  7. Et quand elles décident d’attaquer,
  8. elles attaquent toutes en même temps.
  9. Je parle des bactéries.
  10. (Rires)

  11. De qui croyez-vous que je parlais ?

  12. Les bactéries vivent en communauté
    comme les humains.

  13. Elles ont de la famille,
  14. elles se parlent,
  15. et elles planifient leurs activités.
  16. Et comme les humains,
    elles trompent, dupent,
  17. et certaines se trompent même entre elles.
  18. Et si je vous disais que nous pouvons
    écouter les conversations des bactéries
  19. et les traduire en langage humain ?
  20. Et si je vous disais que ces traductions
    pourraient sauver des vies ?
  21. J’ai un doctorat en nanophysique,
  22. et j’ai utilisé la nanotechnologie pour
    développer un traducteur en temps réel
  23. qui peut espionner
    les communautés bactériennes
  24. et enregistrer ce que les bactéries font.
  25. Les bactéries sont partout.

  26. Elles sont dans le sol, sur nos meubles
  27. et dans notre corps.
  28. En fait, 90 % des cellules vivantes
    dans cette pièce sont des bactéries.
  29. Il y a des bactéries utiles ;
  30. elles nous aident à digérer
    ou produisent des antibiotiques.
  31. Et il y a des bactéries nuisibles ;
  32. elles provoquent des maladies et la mort.
  33. Pour remplir toutes leurs fonctions,
  34. elles doivent être capables
    de s'organiser,
  35. et elles le font comme les humains :
  36. en communiquant.
  37. Mais au lieu des mots,
  38. elles utilisent des signaux moléculaires.
  39. Quand elles sont peu,
  40. les molécules de signalisation s’écoulent
    tout simplement,
  41. comme les cris d'un homme
    seul dans le désert.
  42. Mais quand il y a beaucoup de bactéries,
    les molécules s'accumulent,
  43. et les bactéries sentent
    qu'elles ne sont pas seules.
  44. Elles s’écoutent mutuellement.
  45. De cette façon, elles peuvent savoir
    combien elles sont
  46. et lorsqu’elles sont assez nombreuses
    pour lancer une nouvelle action.
  47. Et lorsque les molécules de signalisation
    atteignent un certain seuil,
  48. toutes les bactéries sentent
    au même moment qu’elles doivent agir
  49. de la même manière.
  50. Une conversation bactériologique consiste
    en une initiative et une réaction :

  51. la production d’une molécule
    et la réponse qu’elle provoque.
  52. Dans mes recherches, je mets l’accent
    sur les communautés bactériennes
  53. dans le corps humain.
  54. Comment ça marche ?
  55. Nous avons un échantillon d’un patient.
  56. Soit du sang ou de la salive.
  57. Nous injectons des électrons
    dans l’échantillon,
  58. les électrons interagissent
    avec les molécules présentes,
  59. et cette interaction
    nous donne des informations
  60. sur l’identité de la bactérie,
  61. le type de communication
  62. et le nombre d’infos qu’elles partagent
  63. Mais à quoi ressemble
    cette communication ?

  64. Avant que je ne développe
    cet outil de traduction,
  65. ma première hypothèse était que
    les bactéries avaient un langage primitif,
  66. comme les bébés qui n’utilisent pas
    de mots ni de phrases.
  67. Ils rient, ils sont heureux ;
    ils pleurent, ils sont tristes.
  68. C’est simple.
  69. Mais les bactéries se sont révélées
    être tout le contraire.
  70. Une molécule n’est pas juste une molécule.
  71. Elle peut signifier différentes choses
    selon le contexte,
  72. tout comme un bébé pleure
    pour plusieurs raisons :
  73. parfois, le bébé a faim,
  74. parfois, il a fait pipi,
  75. parfois, il a mal ou il a peur.
  76. Les parents savent décoder ces pleurs.
  77. Et pour être un vrai traducteur,
  78. il doit être capable de décoder
    ces molécules de signalisation
  79. et les traduire selon le contexte.
  80. Et qui sait ?
  81. Google Traduction l’adoptera peut-être.
  82. (Rires)

  83. Prenons un exemple.

  84. J’ai amené des données bactériennes
    un peu difficiles à comprendre
  85. pour les novices,
  86. mais essayez quand même.
  87. (Rires)

  88. Voici une famille heureuse de bactéries
    qui a infecté un patient.

  89. Appelons-les les Montaigu.
  90. Elles partagent des ressources,
    elles se reproduisent et grandissent.
  91. Un jour, un nouveau voisin arrive,
  92. la famille Capulet.
  93. (Rires)

  94. Tout va bien,
    du moment qu’elles travaillent ensemble.

  95. Mais un imprévu arrive.
  96. Roméo Montaigu a une relation
    avec Juliette Capulet.
  97. (Rires)

  98. Eh oui, elles partagent
    du matériel génétique.

  99. (Rires)

  100. Ce transfert peut être
    dangereux pour les Montaigu

  101. qui ont l’ambition d’être la seule famille
    dans le patient qu’ils ont infecté.
  102. Le partage de gènes a permis
  103. aux Capulet d’être résistants
    aux antibiotiques.
  104. Alors les Montaigu commencent à discuter
    pour se débarrasser de l’autre famille
  105. en libérant cette molécule.
  106. (Rires)

  107. Et avec des sous-titres :

  108. [Planifions une attaque.]

  109. (Rires)

  110. Planifions une attaque.

  111. Tout le monde répond comme un seul homme
  112. en libérant un poison
    qui va tuer l’autre famille.
  113. [Éliminez !]

  114. (Rires)

  115. Les Capulet contre-attaquent.

  116. [Contre-attaque !]

  117. Et ils se battent.

  118. Voici une vidéo d’un vrai duel bactérien
    avec des organites en forme d’épées,

  119. où ils essaient de se tuer
  120. en se poignardant
    et en se déchiquetant littéralement.
  121. La famille qui gagne cette bataille
    devient la bactérie dominante.
  122. Je peux alors détecter
    les conversations bactériennes

  123. qui mènent à ces comportements collectifs
  124. comme le combat.
  125. J’ai espionné les communautés bactériennes
  126. à l’intérieur du corps
  127. de patients à un hôpital.
  128. J’ai suivi 62 patients
    dans une expérience,
  129. où j’ai testé les échantillons des patients
    pour une infection particulière,
  130. sans connaitre les résultats
    du test diagnostique traditionnel.
  131. Pour les diagnostics bactériens,

  132. un échantillon est étalé sur une plaque,
  133. et si la bactérie se développe
    dans les cinq jours,
  134. on considère que le patient est infecté.
  135. Quand j’ai fini l’étude et
    comparé les résultats de l’outil
  136. avec ceux des diagnostics traditionnels
    et des tests de validation,
  137. j’étais choquée.
  138. C’était beaucoup plus surprenant
    que je ne l’avais anticipé.
  139. Avant de vous dire
    ce que l’outil a révélé,

  140. j’aimerais vous parler
    d’un patient que j’ai suivi -
  141. une jeune fille.
  142. Elle avait la mucoviscidose,
  143. une maladie génétique qui rendait ses
    poumons plus vulnérables aux infections.
  144. Elle ne faisait pas partie
    de l’essai clinique.
  145. Je l’ai suivie parce que je savais,
    par son dossier médical,
  146. qu’elle n’avait jamais eu
    une infection avant.
  147. Chaque mois, elle s’est rendue à l’hôpital
  148. pour fournir un échantillon de crachat.
  149. Cet échantillon était transféré
    pour la recherche de bactéries
  150. au laboratoire central
  151. afin que les médecins puissent agir
    rapidement en cas d’infection.
  152. Cela m’a permis de tester
    mon appareil sur ses échantillons.
  153. Les deux premiers crachats
    étaient négatifs.

  154. Mais dans le troisième,
  155. il y avait des ragots bactériens.
  156. Les bactéries voulaient endommager
    son parenchyme pulmonaire.
  157. Mais les diagnostics traditionnels
    n’ont montré aucune bactérie.
  158. J’ai mesuré à nouveau le mois suivant,
  159. et les conversations bactériennes
    étaient encore plus intenses.
  160. Les diagnostics traditionnels
    ne montraient toujours rien.
  161. Six mois après la fin de l’étude,
    je me suis renseignée
  162. pour voir si les bactéries avaient disparu
  163. sans aucune intervention médicale.
  164. Ce n’était pas le cas.
  165. Mais on a diagnostique à la fille
    d’une infection bactérienne mortelle.
  166. C’était les mêmes bactéries que
    mon outil avait découvertes plus tôt.
  167. Et malgré un traitement
    antibiotique bien conduit,
  168. il était impossible d’éradiquer
    l’infection.
  169. Les médecins ont estimé
    qu’elle ne passerait pas la vingtaine.
  170. Lors de l’étude de ses échantillons,

  171. mon outil en était encore à ses débuts.
  172. Je ne savais même pas
    si ma méthode fonctionnait,

  173. j’avais donc un accord avec les médecins
  174. de ne pas communiquer mes résultats
  175. pour ne pas compromettre leur traitement.
  176. Quand j’ai vu ces résultats
    qui n’étaient même pas valides,
  177. je n’ai pas osé en parler
  178. car, traiter un patient
    sans une infection déclarée
  179. a également des conséquences
    négatives pour le patient
  180. Aujourd'hui, nous en savons plus
  181. et il y a de nombreux jeunes garçons
    et filles qui peuvent être sauvés
  182. parce que, malheureusement,
    ce scénario arrive très souvent.
  183. Les patients sont infectés,
  184. les bactéries n’apparaissent pas
    au test traditionnel de diagnostic,
  185. et d’un coup, l’infection se déclare chez
    le patient avec de graves symptômes.
  186. Et à ce moment-là, il est déjà trop tard.
  187. Le résultat surprenant obtenu
    du suivi des 62 patients était

  188. que mon outil repérait
    des conversations bactériennes
  189. dans plus de la moitié des échantillons
  190. provenant de patients avec un diagnostic
    traditionnel négatif.
  191. En d’autres termes, plus de la moitié
    de ces patients sont repartis
  192. pensant être sains,
  193. alors qu’ils étaient porteurs
    de bactéries dangereuses.
  194. À l’intérieur de ces patients
    faux négatifs,
  195. des bactéries coordonnaient une attaque.
  196. Elles se parlaient en chuchotant.
  197. Les « bactéries chuchoteuses »
  198. sont des bactéries non détectées
    par les méthodes habituelles.
  199. Seul l’outil peut détecter
    ces chuchotements.
  200. Je crois que le temps pendant lequel
    les bactéries chuchotent
  201. est un moment opportun
    pour un traitement ciblé.
  202. Si la fille avait été traitée
    durant cet intervalle de temps,
  203. il aurait été possible
    d’éliminer les bactéries
  204. précocement,
  205. avant la propagation de l’infection.
  206. Mon expérience avec cette adolescente
    m’a poussée à faire tout ce que je peux

  207. pour introduire cet outil
    dans les hôpitaux.
  208. Avec les médecins,
  209. je travaille déjà pour introduire
    cet outil dans les cliniques
  210. pour diagnostiquer tôt les infections.
  211. Bien qu’on ne sache pas encore
    comment les patients vont être traités

  212. durant la phase de chuchotement,
  213. cet outil peut aider à surveiller
    les patients à risque.
  214. Il pourrait aider à vérifier si
    un traitement était efficace ou pas,
  215. et à répondre à de simples questions :
  216. le patient est-il infecté ?
  217. Que mijotent les bactéries ?
  218. Les bactéries se parlent,

  219. elles fomentent des plans
  220. et s'envoient des informations secrètes
    les unes aux autres.
  221. Outre la détection de leur chuchotement,
  222. nous pouvons apprendre leur langage secret
  223. et devenir nous-mêmes
    des chuchoteurs bactériens.
  224. Comme diraient les bactéries :
  225. « 3-oxo-C12-aniline. »
  226. (Rires)

  227. (Applaudissements)

  228. Merci.