Laboratoire de Mathématiques et Modélisation d'Evry

Le projet PanGAIMiX, dédié à la microbiologie computationnelle, s'articule autour de quatre axes de recherche innovants. PanGAIMiX visera tout d’abord à développer des modèles avancés pour les graphes de pangénomes, permettant d'étendre les comparaisons de génomes du niveau des espèces à celui des genres. Deuxièmement, PanGAIMiX exploitera des méthodes fondées sur les réseaux neuronaux basés sur des graphes pour identifier des contextes génomiques conservés à travers des milliers de pangénomes. Cette approche devrait permettre de délimiter des modules fonctionnels partagés en exploitant les motifs de convolution issus des contraintes évolutives sur les gènes. Le troisième axe utilisera des grands modèles de langage pour prédire des processus biologiques, tels que des voies métaboliques ou des systèmes de défense. Chaque pangénome sera représenté comme une séquence de phrases, où les mots sont des unités fonctionnelles issues des familles de gènes. Cette approche apprendra les relations complexes entre ces familles à travers différentes espèces, permettant de prédire des fonctions manquantes et de nouveaux processus biologiques. Finalement, le projet développera PanGBank, une base de données pangénomique exhaustive regroupant les génomes de plus de 40 000 espèces microbiennes qui sera rendue publiquement accessible via une API web. Elle servira à des cas d’utilisation démontrant la pertinence des développements méthodologiques, comme l'étude de la diffusion des gènes de résistance aux antibiotiques dans les bactéries ESKAPEE et la découverte de nouvelles voies métaboliques en explorant des modules de réactions conservés dans les pangénomes. Appliquées à une large diversité d'espèces, les approches dans PanGAIMiX permettront de dévoiler des schémas évolutifs jusque-là inaccessibles et apporteront de nouvelles perspectives sur l'évolution et le fonctionnement des communautés microbiennes, favorisant des avancées en santé, sciences environnementales et biotechnologie.

Le mésozooplancton joue un rôle clef dans le fonctionnement des écosystèmes marins et des cycles biogéochimiques (e.g., production secondaire alimentant les pêcheries, export du carbone). Il est caractérisé par une forte diversité taxonomique et phylogénétique (e.g., protistes géants, copépodes, krill, petits gélatineux, larves de poissons), mais aussi fonctionnelle (e.g., petits vs. grands organismes, herbivores se nourrissant par courants de filtrations vs. carnivores chassant à l'affût, migrations verticales, production de réserves lipidiques, etc.). Pourtant, le lien entre la diversité du mésozooplancton et le fonctionnement des écosystèmes planctoniques demeure mal compris.? TRAITZOO vise à le déchiffrer par une approche basée sur les traits fonctionnels en tirant parti des récents développements du séquençage et de l’imagerie à haut débit. A partir de données déjà disponibles, issues de différentes provinces biogéographiques de l'océan global couvrant un large spectre de gradients environnementaux, et principalement acquises par les membres de notre consortium, nous utiliserons des outils d’écologie numérique et d'apprentissage machine pour 1) apporter de nouveaux outils pour étudier les traits fonctionnels à partir d'image et de données transcriptomiques, 2) décrire la biogéographie des traits fonctionnels et identifier les principaux drivers de la diversité fonctionnelle du mésozooplancton, et 3) améliorer les modèles d'écosystèmes marins existant et développer de nouveaux modèles basés sur les traits fonctionnels pour mieux quantifier les flux de carbone. Notre consortium rassemble des experts en écologie et physiologie du mésozooplancton, en biogéochimie marine, et en mathématiques appliquées. Nos compétences couvrent l'imagerie du plancton, la transcriptomique, le métabarcoding, la modélisation biogéochimique, la modélisation individu-centrée, les statistiques, et l'apprentissage automatique (machine learning).

Les arbres forestiers sont des organismes sessiles et pérennes jouant un rôle écologique majeur des milieux terrestres. Ils ont développé une grande sensibilité aux variations environnementales et un fort potentiel d'adaptation en relation avec à leur important niveau de variation génétique et une remarquable plasticité phénotypique. Cependant, un déclin de la forêt a été observé ces dernières années à la suite d'épisodes de sécheresse et de températures élevées, qui devraient devenir plus fréquents à l'avenir, en raison du changement climatique. Les études portant sur l'adaptation des arbres ont principalement porté sur la contribution de la variation structurale à l'adaptation locale. De manière surprenante, les mécanismes épigénétiques sont restés peu étudiés chez les arbres à ce jour, en dépit de leur importance possible dans des organismes à longue durée de vie, où ils faciliteraient des modifications phénotypiques rapides en réponse aux changements environnementaux. Dans ce contexte, la méthylation de l'ADN a été étudiée de manière approfondie dans la plante modèle Arabidopsis thaliana et plusieurs espèces cultivées, et elle a montré des effets intégrés sur l'expression des gènes et les phénotypes. Quelques études impliquant des partenaires EPITREE ont déjà montré que les approches épigénomiques sont utiles pour améliorer notre compréhension du développement et la réponse aux contraintes environnementales des arbres forestiers. Cependant, aucune étude épigénomique des populations d'arbres forestiers n'a été publiée, malgré la valeur démontrée de cette approche émergente chez Arabidopsis. De plus, les variations épigénomiques sont particulièrement pertinentes pour les études sur les méristèmes des arbres, qui sont les centres de la morphogenèse pour des traits spécifiques aux arbres comme la régulation de la dormance des bourgeons et la xylogenèse secondaire (formation du bois). Nous proposons ainsi d’étudier deux espèces modèles complémentaires possédant de larges ressources génomiques et d'intérêt économique: le peuplier et le chêne. L'objectif général d’EPITREE est d'étudier l'impact d’une marque épigénétique, la méthylation de l'ADN, l'expression de gènes et la variation allélique en relation avec l'adaptation des arbres forestiers à leur environnement local et leur plasticité phénotypique. En particulier, nous explorerons les avantages que pourrait apporter le fait de prendre en considération les marques épigénétiques en plus des polymorphismes génétiques et des phénotypes dans l'amélioration et la caractérisation des ressources génétiques. Ce projet vise donc à fournir une preuve de concept sur deux grandes essences forestières, dans le but de répondre aux objectifs ambitieux des améliorateurs forestiers et des gestionnaires des ressources génétiques. À cette fin, EPITREE réunit des experts en épigénétique des arbres, génomique, statistiques, modélisation mathématique, amélioration et écophysiologie. EPITREE atteindra ses objectifs au travers de cinq workpackages (WP): (WP1) Identification de régions candidate pour l'analyse épigénomique par séquençage bisulfite; (WP2) Caractérisation de l'étendue de la variation épigénomique dans des populations naturelles et ses conséquences fonctionnelles, en utilisant les régions candidates préalablement identifiées et une approche basée sur la capture de séquence suivie de séquençage de type bisulfite; (WP3) Caractérisation de l'étendue de la plasticité épigénomique en réponse aux contraintes environnementales et à ses conséquences fonctionnelles; (WP4) Modélisation des relations multi échelles entre des traits quantitatifs et leurs déterminants moléculaires et (WP5) Coordination et diffusion des résultats du projet auprès de la communauté scientifique internationale, de réseaux scientifiques ou professionnels, des étudiants et du grand public.

La maladie de Parkinson (PD) est une maladie neurodégénérative liée à l'âge qui affecte 1% de la population âgée de plus de 60 ans et 4% au-delà de 80 ans. Plus de 100 000 personnes souffrent de cette maladie en France et le nombre de cas devrait augmenter considérablement avec le vieillissement de la population. A ce jour, les traitements ne sont que substitutifs et ne permettent pas d’empêcher la neurodégénérescence massive qui entraîne une perte progressive d'autonomie et finalement le décès. PD peut présenter différents sous-types cliniques et son évolution/gravité est très variable d’un patient à l’autre. Pour une pathologie complexe, comme PD, il n’existe pas de bio-marqueurs objectifs. L’intégration et la combinaison d’un grand nombre et aussi de différents types de variables est requise pour aller au-delà de la simple stratification empirique des patients. Toutefois, cette haute-dimensionnalité et ce mélange de types de données soulève des défis considérables. Nous proposons donc une étude exploratoire de différents modèles mathématiques et statistiques dans une grande cohorte longitudinale de PD (données cliniques, d’évolution et de traitement recueillies sur 5 ans et données pan génomique). Nos objectifs sont d’évaluer les performances de ces méthodes pour identifier/démembrer des sous-ensembles de patients où l’étiologie pourrait être plus homogène et pour lesquels la prévision génomique s’avérerait plus pertinente et précise. En outre, afin de mieux comprendre les améliorations qui pourraient être apportées, les méthodes proposées seront testées par validation croisée et simulations. Au total, ce projet présente à la fois - un but cognitif : intégrer et structurer des données hétérogènes (cliniques, biologiques, génomiques, mined data), complexes et massives pour identifier différents processus biologiques et, en particulier composantes génétiques, sous-tendant l’hétérogénéité de la maladie ; - un but de recherche translationnelle et de santé publique, avec le souci de définir des critères/marqueurs d’évolution et/ou de sévérité de PD pouvant également être intégrés dans une stratégie de ciblage thérapeutique.