Le moustique Aedes aegypti est le principal vecteur d’arbovirus comme les virus de la dengue, du Zika et du chikungunya. Les tentatives visant à réduire l’émergence des arbovirus en se concentrant sur le contrôle d’Ae. aegypti se sont avérées difficiles en raison de l’augmentation des résistances aux insecticides.
Une nouvelle stratégie consistant à relâcher des Ae. aegypti artificiellement infectés par Wolbachia dans les populations naturelles de moustiques est en cours de développement. Le suivi sur le terrain de la proportion Ae. aegypti Wolbachia-positifs est effectué afin d’assurer l’efficacité du programme. Parmi les méthodes utilisées pour identifier les moustiques porteurs de la bactérie, la méthode MALDI-TOF (Matrix-Assisted Laser Desorption Ionization-Time Of Flight) fournissait des résultats encourageants. Son avantage est qu’elle représente un coût faible et une mise en œuvre assez simple par rapport aux autres analyses. Cependant, un travail d’optimisation et d’automatisation, de l’identification des moustiques positifs étaient indispensables pour valider cette approche novatrice.
Pour répondre à ce besoin, pour la première fois, la fiabilité de la méthode MALDI-TOF couplée à des méthodes d’Intelligence Artificielle (IA) telles que le deep learning pour détecter Wolbachia chez les Ae. aegypti sur le terrain ont ainsi pu être évaluées.
À cette fin, des Ae. aegypti élevés en laboratoire et sur le terrain ont été analysés. Les résultats ont montré que la méthode de deep learning (Réseaux neuronaux CNN) reconnaissait les motifs spectraux d’Ae. aegypti associés à l’infection par Wolbachia.
Le MALDI-TOF couplé au CNN donne ainsi une bonne précision de reconnaissance (sensibilité = 93%, spécificité = 99%, précision = 97%) et il est plus efficace que l’amplification isotherme à médiation par boucle (LAMP), et aussi efficace que la qPCR pour la détection de Wolbachia (qui est une méthode très coûteuse).
La méthode publiée dans Scientific Reports représente donc une méthode intéressante, tant au niveau de sa fiabilité qu’au niveau financier, pour évaluer la prévalence de Wolbachia chez les moustiques Ae. aegypti de terrain.
Ce travail a été réalisé en collaboration avec l’Institut Pasteur de Nouvelle-Calédonie (IPNC).
La partie IA a été traitée par des spécialistes d’IA du laboratoire ISEA de l’UNC dans le cadre du stage de Cédric Caruzzo, étudiant en Informatique sous la responsabilité de Nazha Selmaoui-Folcher data scientist et spécialiste en IA.
Suite à ces travaux, Cédric Caruzzo a été recruté en CDD par l'Institut Pasteur de Corée du Sud, et sera sponsorisé par l'IP pour suivre un master dans le domaine de l'IA dans une des universités de la Corée du Sud. Il lui ont proposé un sujet de thèse en accueil dans leur laboratoire. L'UNC lui adresse ses félicitations et lui souhaite une belle continuité !
