COCOTIA

Les travaux proposés n'ont jamais été réalisés à une telle échelle locale à propos du paludisme. Ils présentent donc un intérêt de nouveauté et de preuve de concept pour l'utilisation de données génomiques massives pour la compréhension épidémiologique à l'échelle locale grâce aux techniques de machine learning. 
De nombreux bailleurs de fonds internationaux financent l'équipement d'infrastructures permettant la production de données génétiques sur les maladies infectieuses dans les pays endémiques (notamment en réponse à la pandémie de COVID-19 – projet Afroscreen financé par l'AFD – et pour la surveillance des zoonoses émergentes...).  Pour le paludisme, l'enjeu principal est le suivi des résistances aux antipaludiques. Cependant, l'évolution de la structure génétique des populations de Plasmodium représente aussi un marqueur de l'évolution de la transmission qui permet d'anticiper l'efficacité des interventions2. Il y a plus généralement un intérêt à participer au renforcement des outils et des capacités pour l'exploitation de ces données, appelées à se multiplier à l'avenir.

Les résultats qui seront obtenus ont une portée opérationnelle importante, car ils permettront de mieux concevoir des interventions et leur ciblage. Comprendre la répartition spatiale et temporelle des cas secondaires issus d'un cas index permet de dimensionner des interventions réactives en population dans un contexte d'élimination. Cela permet également de cibler certains profils d'individus : ceux qui contribuent de façon disproportionnée à la transmission ("super-spreaders"); ceux qui ont une probabilité élevée de rester porteurs asymptomatiques au travers de la saison sèche et de représenter un réservoir initial de transmission… Enfin, la compréhension et le suivi des dynamiques locales de circulation de Plasmodium est un enjeu majeur dans la perspective de stratégies d'élimination, pour lesquelles il faut comprendre l'origine et les mécanismes permettant les résurgences de paludisme.