Intégration de données multi-omiques pour l'analyse de la dynamique de communautés microbiennes en santé des plantes

Integration of multi-omics data for the analysis of microbial community dynamics in plant health

• Auteur / Autrice : Sthyve Tatho
• Direction : Simon Labarthe, Valentina Baldazzi
• Type : Projet de thèse
• Discipline(s) : Mathématiques appliquées et calcul scientifique
• Date : Inscription en doctorat le 30/11/2023
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Mathématiques et informatique (Talence, Gironde ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : BIOdiversité, GEnes et Communautés (Bordeaux)

Mots clés

Mots clés libres

Système dynamiques

Mathématiques Appliquées

Inference

Biologie des systemes

Dynamics system

Applied Mathematics

Inference

Biology System

Résumé

Les communautés microbiennes sont une composante essentielle de la santé des plantes. En interaction avec l'hôte, elles jouent un rôle prépondérant dans l'acquisition de nutriments nécessaires à la plante, et permettent de limiter l'invasion de pathogènes microbiens. Toutefois, les mécanismes d'assemblage et de régulation de ces communautés restent très mal connues. En écologie microbienne, le développement de séquenceurs et de dispositifs de mesure de dernière génération a permis l'acquisition de données massives, appelées données omiques, pour mieux décrypter la composition, le fonctionnement et la dynamique de ces communautés. Afin d'intégrer ces données à l'échelle de la communauté, la constitution de modèles dynamiques semble un outil prometteur. Actuellement, des modèles à l'échelle intra et inter-cellulaires, comme les modèles constraint-based (FBA,dFBA,MFA), permettent une description fine des flux métaboliques en lien avec les données omiques, au prix d'un coût computationnel fort et d'une scalabilité limité à des grandes communautés. De l'autre coté du spectre, des modèles populationnels (Generalized Lotka-Volterra, Consumer-Resources models) permettent de représenter efficacement les interactions entres membres de la communauté mais la connexion avec les données moléculaires reste limitée. L'objectif de cette thèse est de développer un approche de modélisation intermédiaire qui puisse permettre une représentation compacte de la dynamique de la communauté, tout en gardant un lien avec les données omiques sous-jacentes.

Microbial communities are an essential component of plant health. Interacting with the host, they play a key role in the acquisition of nutrients required by the plant and in limiting the invasion of microbial pathogens. However, very little is known about the mechanisms by which these communities are assembled and regulated. In microbial ecology, the development of the latest generation of sequencers and measurement devices has made it possible to acquire massive amounts of data, known as omics data, to better decipher the composition, functioning and dynamics of these communities. In order to integrate these data at community scale, the creation of dynamic models appears to be a promising tool. Currently, models have been developed at intra- and inter-cellular scales, such as constraint-based models (FBA, dFBA, MFA), which provide a detailed description of metabolic fluxes and can be linked to omics data, albeit at a high computational cost and with limited scalability for large communities. On the other side of the spectrum, population models (Generalized Lotka-Volterra, Consumer-Resources models) can effectively represent interactions between community members, but the connection with molecular data remains limited. The aim of this thesis is to develop an intermediate modelling approach that can provide a compact representation of community dynamics, while maintaining a link with the underlying omics data.