En mai, des responsables de Wuhan, en Chine, ont utilisé cette méthode dans le cadre de leurs efforts pour tester la grande majorité de la population de la ville, atteignant environ dix millions de personnes en un peu plus de deux semaines. Des échantillons de quelque 2,3 millions de personnes ont été testés en groupe, avec jusqu'à 5 échantillons dans un groupe, et 56 personnes infectées ont été identifiées.

La méthode est plus efficace lorsqu'il y a de faibles niveaux d'infection, dans environ 1% de la population, car les tests de groupe sont plus susceptibles d'être négatifs, ce qui évite de tester de nombreuses personnes individuellement, selon les chercheurs.

La stratégie mathématique qui pourrait transformer les tests de coronavirus

«C'est probablement la méthode la plus simple», explique Krishna Narayanan, théoricienne de l'information à la Texas A&M University à College Station. Mais il existe des moyens plus efficaces de construire la deuxième étape que de tester chacun individuellement, dit-il.

Une version plus sophistiquée implique l'ajout de plusieurs séries de tests de groupe, avant de tester chaque échantillon séparément (voir méthode 2). L'ajout de tours réduit le nombre de personnes qui doivent être testées individuellement.

Mais cette approche est lente, car il faut plusieurs heures pour obtenir les résultats de chaque test de groupe, explique Wilfred Ndifon, biologiste théorique à l'Institut africain des sciences mathématiques de Kigali, au Rwanda. «Il s'agit d'une maladie à croissance rapide et à propagation rapide. Nous avons besoin de réponses beaucoup plus rapidement que cette approche ne le permettrait », dit-il.

Méthode 3: multi-dimensions

Ndifon et ses collègues ont amélioré la stratégie de Dorfman, qu’ils prévoient d’essayer au Rwanda, et ainsi, en fin de compte, réduisent le nombre de tests nécessaires. Leur première série de tests de groupe est la même que celle de Dorfman, mais pour les groupes dont le test est positif, ils proposent une deuxième série qui divise les échantillons entre les groupes qui se chevauchent.

Imaginez une matrice carrée de neuf unités, chacune représentant des écouvillons prélevés sur une personne (voir méthode 3). Les échantillons de chaque ligne sont testés en un seul groupe et les échantillons de chaque colonne sont testés en un seul groupe, ce qui donne six tests au total, l'échantillon de chaque personne étant en deux groupes. Si un échantillon contient de l'ARN viral SARS-CoV-2, les deux tests de groupe seront positifs, ce qui facilitera l'identification de la personne. Les chercheurs décrivent l'idée dans une préimpression publiée sur le serveur arXiv le 30 avril1.

L'augmentation du nombre de dimensions, par exemple d'un carré à un cube, permet des groupes plus grands et des gains d'efficacité plus élevés, explique Neil Turok, physicien théoricien à l'Université d'Édimbourg, Royaume-Uni, et co-auteur de l'étude.

Ndifon, qui fait partie du groupe de travail COVID-19 du Rwanda, affirme que les tests de groupe font partie de la stratégie du gouvernement pour identifier et isoler rapidement les personnes infectées. Lui et ses collègues estiment que leur méthode pourrait réduire le coût des tests de 9 $ US par personne à 75 cents. Les chercheurs effectuent des expériences en laboratoire pour voir combien d'échantillons peuvent pratiquement être inclus dans un test de groupe et toujours détecter un résultat positif. Leon Mutesa, généticien à l'Université du Rwanda à Kigali, et un autre co-auteur qui fait partie du groupe de travail du gouvernement, dit qu'il a pu identifier un échantillon positif dans un groupe de 100 au laboratoire.

Mais Sigrun Smola, virologue moléculaire au centre médical de l'Université de la Sarre à Homburg, en Allemagne, qui a testé des échantillons en groupes de 20 au maximum, ne recommande pas de regrouper plus de 30 échantillons dans un seul test, pour garantir une précision suffisante. De plus grands groupes rendront plus difficile la détection du virus et augmenteront les chances de manquer des positifs, dit-elle. Smola est également sceptique quant à l'application pratique de la technique du découpage en cubes dans les tests de routine. «Si vous disiez cela à un technicien, ils diraient« Quel gâchis. Je veux un schéma simple », ajoute-t-elle.

Ndifon dit que son équipe prévoit de développer un logiciel pour automatiser le placement des échantillons.

Méthode 4: solution en une étape

Certains chercheurs affirment que même deux séries de tests, c'est trop pour essayer de freiner un virus à propagation rapide comme le SRAS-CoV-2. Les techniciens de laboratoire doivent attendre les résultats du premier cycle, ce qui ralentit le processus, explique Manoj Gopalkrishnan, informaticien à l'Indian Institute of Technology Bombay.

Au lieu de cela, Gopalkrishnan propose de faire tous les tests en un seul tour, avec de nombreux groupes qui se chevauchent. Cela augmenterait le nombre de tests, mais gagnerait du temps - bien que la configuration initiale prenne du temps, car avoir des groupes supplémentaires signifie que plus d'échantillons doivent être pipetés.

L’approche de Gopalkrishnan consiste à mélanger les échantillons dans différents groupes, en utilisant une technique de comptage connue sous le nom de triplets de Kirkman, qui définit les règles de distribution des échantillons. Imaginez une matrice plate dans laquelle chaque ligne représente un test et chaque colonne représente une personne (voir méthode 4). En règle générale, chaque test doit inclure le même nombre d’échantillons et l’échantillon de chaque personne doit être testé le même nombre de fois.

Mais Narayanan dit que les stratégies en une étape nécessitent plus de tests pour garantir le même niveau de précision que pour les tests de groupe en plusieurs étapes. Les approches en une étape impliquent également de travailler avec un grand nombre d'échantillons à la fois, ce qui peut être délicat, dit-il. «Il est impossible pour un technicien de faire ce regroupement. Vous auriez besoin d'un système robotique. "

Pour simplifier le processus en laboratoire, Gopalkrishnan et ses collègues ont développé une application pour smartphone qui indique aux utilisateurs comment mélanger les échantillons. Dans les résultats non publiés d'essais cliniques en Inde à Mumbai, Bangalore et Thalassery, dit-il, 5 échantillons positifs ont été identifiés avec succès sur 320 en utilisant seulement 48 tests.

Des chercheurs en Israël utilisent un système automatisé et une application pour appliquer un système similaire en une seule étape. Moran Szwarcwort-Cohen, qui dirige le laboratoire de virologie du Campus de soins de santé Rambam à Haïfa, dit que son équipe évalue actuellement le système, avec des résultats prometteurs.