Thèse soutenue

Nouveaux outils protéomiques pour la surveillance des arthropodes vecteurs : caractérisation des espèces et des déterminants de transmission
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Cécile Nabet
Direction : Renaud Piarroux
Type : Thèse de doctorat
Discipline(s) : Épidémiologie
Date : Soutenance le 30/11/2020
Etablissement(s) : Sorbonne université
Ecole(s) doctorale(s) : École doctorale Pierre Louis de santé publique : épidémiologie et sciences de l'information biomédicale (Paris ; 2000-....)
Partenaire(s) de recherche : Laboratoire : Institut Pierre Louis d'épidémiologie et de santé publique (Paris ; 2014-....)
Jury : Président / Présidente : Sylvie Manguin
Examinateurs / Examinatrices : Olivier Silvie, Jean Gaudart
Rapporteurs / Rapporteuses : Sandrine Houzé, Anna Cohuet

Résumé

FR  |  
EN

Les programmes de contrôle vectoriel sont une priorité stratégique dans le contrôle du paludisme et des autres maladies à transmission vectorielle. Toutefois, les outils entomologiques de caractérisation des arthropodes vecteurs sont limités et difficiles à mettre en œuvre sur le terrain. Ainsi, l’objectif de cette thèse était la mise au point de nouveaux outils protéomiques de surveillance des arthropodes vecteurs grâce à la spectrométrie de masse MALDI-TOF (désorption et ionisation assistée par une matrice avec détection en temps de vol). Les travaux ont validé l’outil MALDI-TOF pour identifier les espèces de phlébotomes de Guyane et d’anophèles de Guinée et du Mali. Pour les spécimens d’Anopheles stephensi d’élevage, les réseaux de neurones artificiels couplés au MALDI-TOF reconnaissaient des motifs spectraux liés à la biologie des anophèles : l’âge, les antécédents de repas sanguin et l’infection par Plasmodium berghei. Les études futures devront valider les nouvelles approches à plus grande échelle à partir de spécimens collectés sur le terrain. Une application en ligne, développée à Sorbonne Université pour l’identification MALDI-TOF en microbiologie, facilitera l’utilisation pour la surveillance vectorielle en partageant des banques de spectres d’arthropodes. Enfin, les approches bio-informatiques pourront améliorer les performances et fournir de nouvelles applications.