نبذة مختصرة : L'émergence de germes mutants résistants aux antibiotiques, constitue un grand fléau de sante humaine et animale. Pour éviter la sélection de ces résistants, l'utilisation des combinaisons de deux ou plusieurs antibiotiques peut s'imposer. Cependant, le mélange peut ne pas réaliser le résultat escompté en cas d'antagonisme. Il est donc primordial d'identifier la nature des interactions des mélanges d'antibiotiques in vitro avant toute application thérapeutique. En nous basant sur un plan d'expériences factoriel, nous avons mis au point une méthode qui permet d'étudier plusieurs substances antimicrobiennes, simultanément, et de détecter la nature des effets d'interaction entre elles. Un modèle polynomial Y = f (X1, X2,...Xn), relie les effets Xi des substances antimicrobiennes, à la réponse expérimentale Y, qui n'est autre que le nombre de bactéries ayant survécu à l'action simultanée de ces substances. L'intérêt de ce modèle mathématique est considérable: - Les signes des coefficients Xi, traduisent ceux, qui ont effectivement exercé une activité contre la bactérie. La comparaison de leurs valeurs absolues, permet de classer les substances correspondantes par ordre d'activité antimicrobienne croissante. Ce « screening » permet de ne retenir que les plus efficaces. - Les signes (+) ou (-) des effets d'interaction Xi.Xj, reflètent la nature synergique ou antagoniste des interactions. Ce qui permettra de s'orienter vers les combinaisons efficaces, et d'écarter celles qui risquent d'être délétères pour l'organisme à traiter. La méthode ainsi décrite peut-être généralisée à l'étude de plusieurs microorganismes. Ceci permettra également de classer les microorganismes par ordre de sensibilité croissante à chacune des molécules d'antibiotique. Cette modélisation du lien antibiotiques/bactérie, permet au biologiste appelé à tester un grand nombre de molécules, d'extraire le maximum d'informations, d'autant plus que la méthodologie des plans d'expériences permet des économies de temps et de moyens, tout en minimisant l'erreur expérimentale. Antibiotic resistance is one of the biggest threats to global health. To avoid ineffective prescriptions that reinforce the selection of these resistant, the use of combinations of two or more antibiotics may be necessary. However, mixing may not achieve the desired result if there is antagonism. It is therefore essential to identify the nature of the interactions of mixtures of antibiotics in vitro before any therapeutic application. Based on a factorial design of experiments, we have developed a method that allows several antimicrobial substances to be studied simultaneously and the nature of the interaction effects between them to be detected. A polynomial model Y = f (X1, X2, ... Xn), links the Xi effects of antimicrobial substances, to the experimental response Y, which is the number of bacteria that have survived the simultaneous action of these substances. The interest of this mathematical model is considerable: - The signs of the Xi coefficients reflect those which have actually exerted an antimicrobial activity on the bacterium. Then, the comparison of the absolute values of these same Xi coefficients makes it possible to classify the corresponding substances in order of increasing antimicrobial activity. This «screening» makes it possible to retain only the most effective. - The (+) or (-) signs of the Xi.Xj interaction effects make it possible to assess the synergistic or antagonistic nature of the interactions. This will make it possible to focus on effective combinations, and to rule out those that may be deleterious for the body to be treated. The method thus described can be optimized to the maximum. The mixture, produced using a single experiment matrix, can be tested on several different bacterial strains. These can thus be classified in order of increasing sensitivity to each of the antibiotic molecules. This modeling of the antibiotic / bacteria link allows the biologist called upon to test a large number of molecules to extract as much information as possible. The methodology of the design of experiments also allows savings in time and costs. means, while minimizing experimental error. [ABSTRACT FROM AUTHOR]
Processing Request
No Comments.