La question n’est pas « quel logiciel », mais « quelle couche de la pile »
Un système toxicologique d’exposition au poisson-zèbre génère deux types très distincts de matériau brut. D’un côté, il y a les enregistrements opérationnels au niveau des plaques : dans quel puits a été introduit quel composé, à quelle concentration, quel jour, et dans quel scénario d’exposition. De l’autre côté, il y a les lectures biologiques : décisions sur la mortalité, scores de malformations, réponses photomotrices, traces de nage, et, de plus en plus fréquemment, caractéristiques morphométriques dérivées d’images. Considérer les « outils d’analyse de données » comme une seule catégorie efface cette distinction et conduit les laboratoires à acquérir un logiciel de suivi en s’attendant à ce qu’il résolve un problème de gestion des données, alors qu’il n’a jamais été conçu à cet effet.
La façon pratique d’envisager la chaîne d’outils consiste à la considérer en couches. La couche un capture et évalue les points de terminaison au banc d’essai. La couche deux stocke les enregistrements d’observations avec une structure suffisante pour permettre des requêtes. La couche trois exécute les analyses statistiques qui transforment les observations en estimations de puissance, en classifications et en comparaisons. Un laboratoire peut se contenter d’outils commerciaux pour une couche et d’outils open source pour une autre, et c’est ce que font nombreux d’entre eux. Les problèmes commencent lorsqu’une seule application est censée couvrir l’ensemble des trois couches sans préciser clairement jusqu’où elle s’étend.
Les plateformes commerciales gèrent efficacement la capture, et ce n’est pas une mince affaire
Les systèmes Zebralab et DanioVision de ViewPoint apparaissent fréquemment dans les méthodes publiées sur le poisson-zèbre, et pour une bonne raison. Ils opèrent au niveau de la capture et de la quantification initiale, et sont conçus en tenant compte des réalités des critères comportementaux. Un cas d’utilisation typique consiste à charger des larves dans une plaque de 96 puits, à les placer dans une chambre Zebrabox, puis à les exposer à des cycles alternés de lumière et d’obscurité pendant qu’une caméra enregistre leur activité. Le logiciel fournit ensuite, pour chaque puits, des mesures telles que le mouvement total, la distance parcourue et l’amplitude de la réponse au cours des différentes périodes. Des études utilisant le test de 120 hpf du laboratoire Tanguay se sont appuyées sur Zebralab de ViewPoint, associé à un outil personnalisé d’analyse de la réponse photomotrice et à un programme distinct d’acquisition et d’analyse pour le poisson-zèbre — ce qui révèle quelque chose d’utile sur la façon dont ces systèmes sont réellement déployés : rarement seuls, généralement comme un composant parmi d’autres dans un flux de traitement plus long.
La force de cette catégorie d’outils réside dans leur cohérence lors de l’acquisition des données. Les fréquences d’images, les instants d’éclairage et le suivi au niveau des puits sont contrôlés, ce qui évite à l’opérateur de devoir faire des jugements subjectifs sur le moment où un stimulus a été déclenché ou sur le pixel associé à une larve donnée. La limite est tout aussi évidente : un système de suivi indique qu’un mouvement a changé, mais il ne permet pas de déterminer si cette modification résulte d’un effet développemental spécifique ou d’une conséquence secondaire d’une toxicité générale, et il ne permet pas non plus de concilier ces résultats avec un critère de développement fondé sur la morphologie, évalué par une autre personne, un autre après-midi.
Les outils open source comblent les lacunes, mais à un coût
La composante open source de l’écosystème s’est considérablement élargie, et sa couverture est désormais suffisamment étendue pour que la plupart des laboratoires puissent assembler un pipeline fonctionnel sans avoir besoin d’une licence logicielle coûteuse.
FishInspector, développé au Centre Helmholtz pour la recherche environnementale, a été conçu pour obtenir des évaluations quantitatives non biaisées de phénotypes morphologiques à partir d’images d’embryons, et il est librement accessible via un dépôt public de code. ZembryoAnalyser intègre l’analyse morphométrique, le suivi du mouvement et l’analyse de la fréquence cardiaque au sein d’une seule plateforme open source, ce qui la rend attrayante pour les laboratoires étudiant des paramètres cardiovasculaires en parallèle avec des paramètres comportementaux. ZebraFET adopte une approche totalement différente. Il s’agit d’une application gratuite pour ordinateur de bureau spécifiquement conçue autour de la ligne directrice d’essai 236 de l’OCDE, prenant en charge la configuration du projet, l’évaluation quotidienne des puits, la gestion des photos, le calcul des valeurs LC50 et NOEC/LOEC, les vérifications de validité et la génération de rapports.
Cet dernier exemple mérite une attention particulière, car il met en lumière une idée fausse courante. Un laboratoire peut être entièrement conforme à la TG 236 sans pour autant disposer d’une couche de données unifiée. ZebraFET applique les règles arithmétiques réglementaires et les portes de validation, mais les termes d’observation saisis par un technicien restent ceux choisis librement par ce technicien. Dès que deux laboratoires comparent leurs résultats, le problème de terminologie réapparaît.
Pourquoi les ontologies et les pipelines de données constituent la partie que la plupart des laboratoires omettent
Le programme SEAZIT, mis en œuvre par le NIEHS, a été créé précisément parce que les résultats de la toxicité développementale varient d’un laboratoire à l’autre lorsque les procédures et la terminologie ne sont pas standardisées. Un exercice collaboratif mené dans le cadre de SEAZIT a révélé que l’application de termes d’ontologie augmentait la cohérence et réduisait l’ambiguïté, et qu’une norme commune de données devrait réduire l’hétérogénéité des termes rapportés et améliorer l’accord entre laboratoires. Dans l’étude interlaboratoire définitive, trois laboratoires ont testé un ensemble aveugle de 42 substances chimiques selon quatre conditions d’exposition, et les termes spécifiques à chaque laboratoire pour l’enregistrement des phénotypes ont été associés à des termes de l’Ontologie des phénotypes du poisson-zèbre puis regroupés par région anatomique avant toute comparaison interlaboratoire.
Cette étape de mise en correspondance constitue le cœur peu spectaculaire de ce qu’accomplit une chaîne d’outils sérieuse pour l’analyse de données. La base de données sous-jacente de SEAZIT reposait sur PostgreSQL, avec des tables séparées contenant les informations sur les substances, les données de criblage et les analyses, la table des puits servant de point de connexion central. Les concentrations de référence ont été calculées à partir de données d’incidence résumées au niveau des points finaux, et un score de spécificité a été établi en comparant la concentration de référence (BMC) d’un point final non létal à celle d’un point final létal, la différence exprimée en log10 permettant de distinguer les effets développementaux spécifiques de la toxicité non spécifique.
Les résultats de ce travail interlaboratoires constituent un excellent point de référence concret pour toute personne cherchant à acquérir des outils. Les valeurs BMC pour la substance témoin positive variaient d’un laboratoire à l’autre et selon les conditions d’exposition, tandis que les taux d’incidence pour le témoin véhicule allaient de 0 à 8 % selon le laboratoire et le scénario. Aucune couche logicielle n’a éliminé cette variation. Ce que le pipeline harmonisé a permis, en revanche, c’est de rendre cette variation visible et interprétable — un objectif différent, et plus honnête, que celui de « résultats standardisés ».
Là où les couches de sortie divergent, et ce qu’il convient réellement de comparer
Le tableau ci-dessous présente côte à côte les principales catégories d’outils, selon les dimensions essentielles lorsqu’une campagne de criblage doit produire des évaluations de puissance défendables, et non simplement des vidéos attrayantes.
| Couche d’outil |
Exemples typiques |
Production principale |
Gère le mappage ontologique |
Meilleure adéquation |
| Plateforme de suivi comportemental |
Zebralab, DanioVision |
Activité par puits, distance, amplitude de réponse |
No |
Paramètres locomoteurs et photomoteurs |
| Morphométrie basée sur les images |
FishInspector, ZembryoAnalyser |
Caractéristiques de forme et de fréquence cardiaque |
Partiel ou aucun |
Quantification morphologique sans biais |
| Assistant réglementaire pour les essais sur embryons de poisson |
ZebraFET |
CL50, CSEO/CSEO, indicateurs de validité |
No |
Conformité et rapports selon la ligne directrice 236 de l’OCDE |
| Base de données d’observations avec vocabulaire contrôlé |
INTOB |
Enregistrements structurés de phénotypes et de métadonnées |
Oui, par conception |
Gestion et réutilisation à long terme des données |
| Pipeline d’analyse interlaboratoires |
Base de données et pipeline SEAZIT |
BMC, scores de spécificité, classifications |
Oui |
Comparaison et harmonisation interlaboratoires |
INTOB, la base de données intégrée des observations toxicologiques de l’UFZ, mérite une mention particulière car elle a été conçue selon les principes FAIR (découvrable, accessible, interopérable et réutilisable), et elle normalise les métadonnées et les observations phénotypiques au moyen d’un vocabulaire contrôlé. Il s’agit d’une réponse en matière de gestion des données à un problème de gestion des données, qui complète plutôt qu’elle ne concurrence une plateforme de suivi.
La leçon tirée du déploiement sur un véritable site de criblage
Un groupe de criblage contractuel de taille moyenne, chargé d’effectuer des études de toxicité développementale sur quelques dizaines de composés par mois, a rencontré une version de ce problème qu’aucune démonstration individuelle fournie par un fournisseur n’aurait permis de révéler. Les données comportementales étaient stockées dans le format d’exportation natif du logiciel de suivi. Les scores morphologiques figuraient dans un tableur partagé comportant des colonnes de phénotypes en saisie libre. Les cartographies de plaques étaient conservées dans un troisième emplacement. Lorsqu’un commanditaire a demandé une courbe concentration-réponse combinant des paramètres locomoteurs et morphologiques pour le même composé, un analyste a consacré la majeure partie d’une semaine à harmoniser manuellement les identifiants de puits ; la courbe obtenue s’est avérée difficile à justifier, car les termes phénotypiques avaient été normalisés a posteriori plutôt que saisis dès l’origine selon un vocabulaire contrôlé.
La solution n’était pas un nouvel instrument d’imagerie. Il s’agissait d’insérer une couche structurée d’observation entre les outils de capture et les statistiques, de définir le vocabulaire des phénotypes avant le début de la prochaine campagne, et d’exiger que chaque critère d’évaluation enregistré contienne, dans le même enregistrement, les paramètres correspondants au puits, à la plaque et à l’essai. La plateforme de suivi est restée en place. Le tableur, lui, a été supprimé.
C’est ici que le matériel et la couche de données se croisent d’une manière facile à négliger lors de la spécification d’un système d’exposition toxicologique au poisson-zèbre. Une station de travail qui enregistre, dans le cadre de son fonctionnement natif, les paramètres de dosage par puits, les horodatages des images et les cartographies des plaques supprime une charge considérable de recoupement avant même le début de l’analyse. Le travail d’ingénierie mené par Hunter Lab sur la manipulation des fluides et la commande au niveau des plaques pour les plateformes dédiées au poisson-zèbre lui permet de considérer la capture des données comme une composante intégrée du matériel d’exposition, plutôt qu’un ajout secondaire fourni par un fournisseur tiers. La rigueur manufacturière sous-tendant ses gammes de supports et de stations de travail pour poisson-zèbre — notamment les tolérances serrées des circuits fluidiques et l’électronique de commande stable — se traduit par des enregistrements fidèles à ce qui s’est réellement produit dans chaque puits, ce qui constitue la seule base sur laquelle peut s’appuyer un pipeline d’analyse en aval.
Les outils existent. La question plus difficile est de savoir si l’architecture est conçue de façon à ce que la couche de données hérite de la vérité physique de l’exposition, ou si le laboratoire doit la reconstituer manuellement, feuille de calcul après feuille de calcul.