Apport des données méta-omiques dans la détection et la quantification des traits fonctionnels au sein des écosystèmes planctoniques

Contribution of meta-omics data to the detection and quantification of functional traits in planktonic ecosystems

• Auteur / Autrice : Emile Faure
• Direction : Sakina-Dorothée Ayata, Lucie Bittner
• Type : Thèse de doctorat
• Discipline(s) : Biologie
• Date : Soutenance le 02/12/2020
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Sciences de l'environnement d'Île-de-France (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'océanographie de Villefranche (Alpes-Maritimes ; 2001-....)
• Jury : Président / Présidente : Ingrid Obernosterer
• Jury : Examinateurs / Examinatrices : Thomas Mock
• Jury : Rapporteurs / Rapporteuses : Christian Tamburini, Sébastien Monchy

Mots clés

Mots clés contrôlés

Biogéochimie

Traits fonctionnels

Plancton

Métaomique

Mots clés libres

Plancton

Omique

Biogéochimie

Traits

Modélisation

Séquençage

Plankton

Omics

Biogeochemistry

Functional traits

Résumé

Dans la plupart des modèles biogéochimiques, la diversité planctonique est représentée à l'aide de types planctoniques classant les organismes selon leurs capacités fonctionnelles, ou de traits fonctionnels mesurables au niveau individuel. Un choix a priori des types planctoniques ou traits fonctionnels considérés est nécessaire, pouvant conduire à des représentations simplifiées de la diversité planctoniques dans ces modèles. Des quantités inédites de données méta-omiques ont récemment été collectées sur les communautés planctoniques à l’échelle globale, et mon objectif au cours de cette thèse fut de déterminer comment utiliser ces données méta-omiques afin de quantifier la distribution de traits fonctionnels dans l’environnement. Je présente d'abord comment les données de métabarcoding d’une part et les marqueurs génomiques fonctionnels d’autre part peuvent être utilisées pour décrire et quantifier des traits choisis a priori, identifiant les limites et les avantages des deux types de données. Je présente ensuite une approche permettant de faire émerger des familles protéiques putatives pouvant être associées à des traits fonctionnels au sein des données méta-omiques, sans choix a priori. En quantifiant la réponse de ces familles aux gradients physico-chimiques dans l’océan global, je montre comment cette approche pourrait permettre de prédire la composition fonctionnelle des communautés planctoniques à partir de données environnementales. Enfin, je discute du potentiel des données méta-omiques comme outil pour représenter la diversité des communautés planctoniques de manière réaliste dans les modèles biogéochimiques.

In most biogeochemical models, planktonic diversity is represented using plankton functional types (PFTs) that classify organisms according to their functional capabilities, or functional traits that can be measured at the individual level. An a priori choice of the PFTs or functional traits considered is necessary, potentially leading to oversimplified representations of planktonic diversity in these models. Unprecedented amounts of meta-omics data have recently been collected on planktonic communities at global scale, and my goal in this thesis was to determine how to use these meta-omics data to quantify the distribution of functional traits in the environment. I first present how metabarcoding data on the one hand and functional genomic markers on the other hand can be used to describe and quantify a priori selected traits, identifying the limitations and advantages of both types of data. I then present an approach that allows the emergence of putative protein families that can be associated with functional traits within meta-omics data, without any a priori choices. By quantifying the response of these families to physico-chemical gradients in the global ocean, I show how this approach could be used to predict the functional composition of planktonic communities from environmental data. Finally, I discuss the potential of meta-omics data as a tool for improving diversity representations of planktonic communities in biogeochemical models.