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