Ce site utilise des cookies afin de vous proposer des vidéos, des boutons de partage, des remontées de contenus de plateformes sociales et des contenus animés et interactifs.
En savoir plus
Notre utilisation de cookies
« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.
Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.
Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.
S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.
Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :
Catégorie de cookie
Moyens de désactivation
Cookies analytiques et de performance
Realytics Google Analytics Spoteffects Optimizely
Cookies de ciblage ou publicitaires
DoubleClick Mediarithmics
Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :
Cookies obligatoires
Cookies fonctionnels
Cookies sociaux et publicitaires
Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.
Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.
Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.
Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse). Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)
Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.
Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.
Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés INRAE par email à cil-dpo@inra.fr ou par courrier à :
INRAE 24, chemin de Borde Rouge –Auzeville – CS52627 31326 Castanet Tolosan cedex - France
Microbiomes de plantes cultivées et technologies de l'information et de la communication (TIC).
Les sciences du numérique ont un potentiel énorme pour faciliter et accélérer le développement et déploiement d’innovations agroécologiques. Les systèmes de culture agroécologiques subissent de très nombreuses d’interactions biotiques avec des communautés microbiennes complexes : bénéfiques, assurant des fonctions de bio-défense ou nutritionnelles, ou délétères, par notamment des parasites microbiens et pathogènes qui exploitent les ressources de la plante. La diversité et la dynamique de ces interactions dépendent des conditions écologiques, des phénotypes, de leur physiologie, et de l’environnement abiotique. Déchiffrer les liens entre la diversité interspécifique, la structure des communautés et les fonctions biologiques permet de comprendre, maintenir, diagnostiquer et exploiter la dynamique communautaire qui sous-tend la santé d’une culture et son adaptation aux stress environnementaux.
Le projet MISTIC a pour objectif de concevoir de nouveaux outils d’analyse de données multi-omiques et des modèles spatio-temporels multi-échelle de communautés microbiennes dans les cultures. Trois axes de travail principaux sont organisés pour cela :
l’analyse métagénome à grande échelle pour étudier les propriétés fonctionnelles des réseaux d’interaction plante-pathogène ;
la construction de jumeaux numériques de communautés microbiennes réduites et systèmes plante-microbiome, sous forme de modèles spatio-temporels validés ;
utilisation de la culturomique pour concevoir et cultiver des communautés microbiennes servant comme modèles expérimentaux, contrôlés et répétables, de communautés naturelles, pour chaque pathobiont ou symbiont d’intérêt.
La stratégie du projet MISTIC, fondée sur la biologie de système, vise à répondre aux problématiques méthodologiques induits par des applications de biocontrôle en amont et en aval. Les résultats attendus, sous forme de logiciels et outils mathématiques, aideront à cerner les liens entre la structure de communautés microbiennes et la réponse de la plante, identifiant ainsi des déterminants impactant la santé et traits des plantes, permettant de concevoir des idéotypes et associations d’espèces d’intérêt agronomique. Ces nouveaux outils auront comme perspectives des applications translationnelles qui peuvent être testées dans le cadre du grand défi « Biocontrôle et biostimulants » de la stratégie SADEA. Les données acquises dans ce projet constitueront une ressource réutilisable unique pour des scientifiques français : celles et ceux qui développent des méthodes, des applications ou qui représentent les intérêts des porteurs d’enjeux agroécologiques.
Le projet MISTIC regroupe un consortium qui repose sur une forte complémentarité entre INRAE, Inria et l'Institut Sophia Agrobiotech. Les équipes impliquées permettent d’apporter des expertises diversifiées, en informatique, mathématiques et biologie.
[hal-04509395] Revealing the dynamics and mechanisms of bacterial interactions in cheese production with metabolic modelling
Cheese taste and flavour properties result from complex metabolic processes occurring in microbial communities. A deeper understanding of such mechanisms makes it possible to improve both industrial production processes and end-product quality through the design of microbial consortia. In this work, we caracterise the metabolism of a three-species community consisting of Lactococcus lactis, Lactobacillus plantarum and Propionibacterium freudenreichii during a seven-week cheese production process. Using genome-scale metabolic models and omics data integration, we modeled and calibrated individual dynamics using monoculture experiments, and coupled these models to capture the metabolism of the community. This model accurately predicts the dynamics of the community, enlightening the contribution of each microbial species to organoleptic compound production. Further metabolic exploration revealed additional possible interactions between the bacterial species. This work provides a methodological framework for the prediction of community-wide metabolism and highlights the added value of dynamic metabolic modeling for the comprehension of fermented food processes
ano.nymous@ccsd.cnrs.fr.invalid (Maxime Lecomte) 18 Mar 2024
[hal-04562266] TANGO models: numerical multi-omics reconciliation of bacterial fermentation in cheese production
TANGO implements a numerical-based strategy to reconcile multi-omics data and metabolic networks for characterising bacterial fermentation in cheese production carried out by three species : P. freudenreichii, L. lactis and L. plantarum.
[hal-04509213] Unlocking the Soil Microbiome: Unraveling Soil Microbial Complexity Using Long-Read Metagenomics
The soil microbiome remains poorly understood, but unravelling its genetic diversity is essential, given the pivotal functions primarily mediated through their protein arsenal [1]. Although short-read (SR) shotgun metagenomics provided exciting insights into microbiome gene diversity, it failed to deliver comprehensive microbial genome reconstructions. Metagenome-assembled genomes (MAGs) obtained from SR often yield fragmented assemblies and incomplete gene sets (over 90% contigs <1kb and thus unusable for gene prediction) [2]. Using PacBio HiFi sequencing, we obtained long-reads (N50: 6kb) from tunnel culture soil metagenomes, surpassing the contig length of publicly available short-read metagenomes (N50: 1kb) [2]. Even if a substantial part of the reads remain unassembled, we succeeded in reconstructing dozens of MAGs, further enhancing reads contiguity encompassing bacterial, archaeal, and viral genomes from terrestrial environments. HiFi LR sequencing exhibits significant potential in elucidating the complexity of bacterial genome reconstruction. However, several critical considerations remain, such as the comprehensive scope of biodiversity captured by the LR approach compared to deep sequencing with SR. 1. Fierer, N., 2017. Nat Rev Microbiol 2. Belliardo, C., et al., 2022, Scientific Data 9, 311
ano.nymous@ccsd.cnrs.fr.invalid (Carole Belliardo) 19 Mar 2024
[hal-04713829] Seed2LP: seed inference in metabolic networks for reverse ecology applications
A challenging problem in microbiology is to determine nutritional requirements of microorganisms and culture them, especially for the microbial dark matter detected solely with culture-independent methods. The latter foster an increasing amount of genomic sequences that can be explored with reverse ecology approaches to raise hypotheses on the corresponding populations. Building upon genome scale metabolic networks (GSMNs) obtained from genome annotations, metabolic models predict contextualised phenotypes using nutrient information. We developed the tool Seed2LP, addressing the inverse problem of predicting source nutrients, or seeds, from a GSMN and a metabolic objective. The originality of Seed2LP is its hybrid model, combining a scalable and discrete Boolean approximation of metabolic activity, with the numerically accurate flux balance analysis (FBA). Seed inference is highly customisable, with multiple search and solving modes, exploring the search space of external and internal metabolites combinations. Application to a benchmark of 107 curated GSMNs highlights the usefulness of a logic modelling method over a graph-based approach to predict seeds, and the relevance of hybrid solving to satisfy FBA constraints. Focusing on the dependency between metabolism and environment, Seed2LP is a computational support contributing to address the multifactorial challenge of culturing possibly uncultured microorganisms. Seed2LP is available on https://github.com/bioasp/seed2lp.
[hal-04120888] Modéliser les communautés bactériennes pour mieux comprendre leur fonctionnement.
De l’intestin aux racines des plantes en passant par l’océan, le rôle des micro-organismes dans les écosystèmes est prépondérant. C’est en décodant leurs séquences génétiques que l’on peut prédire leurs fonctions et construire des modèles prédisant leur comportement ainsi que les interactions susceptibles d’avoir lieu entre les espèces. Ainsi, pour comprendre le fonctionnement des communautés bactériennes qui peuplent tous ces environnements, chercheurs et chercheuses utilisent les séquences d’ADN des bactéries et les combinent à des modèles mathématiques.
ano.nymous@ccsd.cnrs.fr.invalid (Clémence Frioux) 07 Jun 2023
[hal-04409251] Community-scale models of microbiomes: articulating metabolic modelling and metagenome sequencing
Building models is essential for understanding the functions and dynamics of microbial communities. Metabolic models built on genomescale metabolic network reconstructions (GENREs) are especially relevant as a means to decipher the complex interactions occurring among species. Model reconstruction increasingly relies on metagenomics, which permits direct characterisation of naturally-occurring communities that may contain organisms that cannot be isolated or cultured. In this review, we provide an overview of the field of metabolic modelling and its increasing reliance on and synergy with metagenomics and bioinformatics. We survey the means of assigning functions and reconstructing metabolic networks from (meta-)genomes, and present the variety and mathematical fundamentals of metabolic models that foster the understanding of microbial dynamics. We emphasise the characterisation of interactions and the scaling of model construction to large communities, two important bottlenecks in the applicability of these models. We give an overview of the current state of the art in metagenome sequencing and bioinformatics analysis, focusing on the reconstruction of genomes in microbial communities. Metagenomics benefits tremendously from third generation sequencing, and we discuss the opportunities of long read sequencing, strain-level characterisation, and eukaryotic metagenomics. We aim at providing algorithmic and mathematical support, together with tool and application resources, that permit bridging the gap between metagenomics and metabolic modelling.
ano.nymous@ccsd.cnrs.fr.invalid (Klara Cerk) 22 Jan 2024
[hal-04425626] Metagenomic assembly of complex ecosystems with highly accurate long-reads
Understanding the poorly characterized communities of soil and rhizosphere microbiota is crucial for plant growth and health. In line with this goal, the MISTIC project seeks to develop methodologies for modeling microbial community dynamics. My thesis contributes to this effort by specifically addressing the challenge of assembling genomes from these complex communities using highly accurate long reads.
ano.nymous@ccsd.cnrs.fr.invalid (Nicolas Maurice) 30 Jan 2024
[hal-04088301] Revealing the dynamics and mechanisms of bacterial interactions in cheese production with metabolic modelling
Cheese organoleptic properties result from complex metabolic processes occurring in microbial communities. A deeper understanding of such mechanisms makes it possible to improve both industrial production processes and end-product quality through the design of microbial consortia. In this work, we caracterise the metabolism of a three-species community consisting of Lactococcus lactis, Lactobacillus plantarum and Propionibacterium freudenreichii during a seven-week cheese production process. Using genome-scale metabolic models and omics data integration, we modeled and calibrated individual dynamics using monoculture experiments, and coupled these models to capture the metabolism of the community. This digital twin accurately predicted the dynamics of the community, enlightening the contribution of each microbial species to organoleptic compound production. Further metabolic exploration raised additional possible interactions between the bacterial species. This work provides a methodological framework for the prediction of community-wide metabolism and highlights the added-value of dynamic metabolic modeling for the comprehension of fermented food processes.
ano.nymous@ccsd.cnrs.fr.invalid (Maxime Lecomte) 22 Nov 2023
[hal-04423917] Exploring and quantifying the soil genetic diversity captured by long and short-read shotgun metagenomic sequencing
The soil microbiome remains poorly understood, but unraveling its genetic diversity is essential, given the pivotal functions primarily mediated through their protein arsenal [1]. Although short-read (SR) shotgun metagenomics provided interesting insights into microbiome gene diversity, it fell short in delivering comprehensive microbial genome reconstructions. Metagenome-assembled genomes (MAGs) obtained from SR often yield fragmented assemblies and incomplete gene sets (over 90% contigs <1kb and thus unusable for gene prediction) [2]. Using PacBio HiFi sequencing, we previously obtained long-reads (N50: 6kb) from tunnel culture soil metagenomes, surpassing the contig length of publicly available short-read metagenomes (N50: 1kb) [2]. Even if a substantial part of the reads remain unassembled, we succeeded in reconstructing dozens of MAGs, which further enhanced reads contiguity encompassing bacterial, archaeal, and viral genomes from terrestrial environments. To compare more comprehensively LR and SR approaches, we generated ultra-high depth short-read sequencing on the same soil sample. Although with SR technology contigs were substantially shorter, ultra-high depth sequencing seem to have captured a higher diversity of taxa than LR. However, this impression needs to be confirmed by an independent metabarcoding method. HiFi LR sequencing exhibits significant potential in elucidating the complexity of microbial genome reconstruction. Nevertheless, several critical considerations remain to be addressed such as the sequencing depth required to capture and reconstruct a significant representation of the real biodiversity of soil microbiomes.
ano.nymous@ccsd.cnrs.fr.invalid (Carole Belliardo) 29 Jan 2024
