Mots-Clés

phytoplancton écologie fonctionnelle génomique environnementale changement global bioinformatique intelligence artificielle

Description

Localisation : Station biologique de Roscoff (SBR), équipe ECOMAP

Encadrante : Laurence Garczarek (DR CNRS, HDR)

Co-encadrante : Juliana Silva Bernardez (MC SU, HDR)

Mots clés : phytoplancton, écologie fonctionnelle, génomique environnementale, changement global, bioinformatique, intelligence artificielle.

Contexte de l’étude

Les a-cyanobactéries, c'est-à-dire les cyanobactéries possédant la forme IA de la RuBisCO (l’enzyme nécessaire à la fixation du CO2 atmosphérique), sont les procaryotes photosynthétiques les plus abondants et les plus ubiquistes dans les écosystèmes aquatiques marins et d'eau douce et contribuent à une grande partie de la productivité primaire nette océanique [1,2]. Outre Prochlorococcus, ce groupe monophylétique comprend 3 lignées majeures ou sous-clusters (SC) assignés aux genres Synechococcus ou Cyanobium [3]. Les membres du SC 5.3 prospèrent dans certains écosystèmes marins et de nombreux lacs d'eau douce tempérés, le SC 5.2 comprend des représentants d'eau douce et halotolérants et domine souvent dans les estuaires, tandis que le SC 5.1 est de loin la lignée la plus abondante en milieu océanique, avec 5 clades majeurs dominant dans des niches distinctes [4]. Ce succès écologique, ainsi que la disponibilité de nombreuses cultures, génomes et outils génétiques, font des a-cyanobactéries des modèles pertinents en écologie microbienne qui peuvent être étudiés à tous les niveaux d’organisation, des molécules aux écosystèmes. Au cours de la dernière décennie, la génération d'une multitude de données omiques a considérablement amélioré notre connaissance de leur diversité génétique et de leurs capacités métaboliques communes et accessoires. Cependant, leur longue histoire évolutive, leur absence de spécificité morphologique, leur grande plasticité phénotypique et génotypique ont rendu difficile la définition d'unités taxonomiques fonctionnellement et écologiquement significatives, qui s’avèrent indispensables pour établir les liens entre diversité génétique, génomique et niche écologique et ainsi mieux comprendre leur distribution actuelle et future.

Objectifs

Dans ce contexte, les principaux objectifs du projet CyanoTaxa seront de :

1. Définir des unités taxonomiques fonctionnelles au sein des a-cyanobactéries en intégrant phénotype, génotype et habitat, avec un focus particulier sur les taxons non représentés en culture et dans les bases de génomes et ceux présents dans les eaux côtières, plus particulièrement soumises aux stress anthropiques, et qui ont été largement sous-étudiés jusqu'à présent.
2. Utiliser ce système de classification optimisé de décrire et modéliser les niches environnementales et métaboliques afin d’identifier les spécificités fonctionnelles des différents taxons et les voies métaboliques impliquées dans la survie des différentes espèces dans leurs niches spécifiques.
3. Mettre en évidence l’enveloppe de variabilité génétique et fonctionnelle « naturelle » de ces communautés à différentes échelles spatiales et temporelles et les variations associées au changement global (évènements climatiques exceptionnels) ou autres altérations d’origine anthropique (eutrophisation, pollution).

Méthodes

Afin de mener à bien ce projet de thèse, le (ou la) doctorant(e) exploitera les nombreuses souches de cyanobactéries disponibles dans la collection de culture de Roscoff (RCC ; ~500 souches) afin de : i) décrire, en utilisant une approche polyphasique (p. ex. mesure du taux de croissance en condition standard, contenu pigmentaire, volume cellulaire, halotolérance, mobilité, capacité photosynthétique, etc.), les phénotypes de plusieurs souches par taxon/écotype candidat qui seront intégrés à une nouvelle base de données de traits phénotypiques (CyanoTraits), et ii) cibler de nouveaux taxons à isoler et de nouveaux génomes à séquencer pour combler les ‘gaps’ de diversité au sein de la radiation des a-cyanobactéries.

CyanoTaxa utilisera aussi les nombreux génomes disponibles (~2000) et ceux nouvellement séquencés au cours de ce projet, qui seront annotés grâce au système d'information Cyanorak [5] pour constituer une base de génomes de référence fiable qui sera ensuite utilisée pour i) réconcilier les taxonomies issues de différents marqueurs génétiques (16S, rpoC1, petB, etc.) en utilisant une base de séquences de référence ‘maison’ (CyanoMarks) et ii) aider à délimiter les taxons candidates en fonction de leur génotype et de leur phénotype in silico, basé sur la présence/absence de gènes fonctionnels permettant de prédire leur capacité à assimiler différents nutriments (azote, phosphore, fer, etc.), inorganiques ou organiques, leur capacité à se mouvoir dans la colonne d’eau et/ou à répondre à différents stress environnementaux.

Enfin, CyanoTaxa utilisera les nombreux méta-omes disponibles (metabarcodes et métagénomes) issus de sites contrastés, tels que ceux des campagnes océanographiques GEOTRACES, APERO, TREC et des expéditions menées à bord de la goélette Tara, de deux stations de suivi à long terme (SOMLIT-ASTAN et BOUSSOLE) et d’un gradient entre des eaux estuariennes soumises à une forte pression anthropique et des eaux au large de Roscoff, pas ou peu soumises à de telles pressions (projet BioOcean5D) afin de : i) décrire les niches écologiques spatiales et temporelles des taxons/écotypes candidats d’a-cyanobactéries en utilisant des approches de réseaux disponible au laboratoire [6,7], ii) finaliser la définition de taxons/écotypes phylogénétiquement, fonctionnellement et écologiquement cohérents, iii) révéler les spécificités fonctionnelles de chaque taxon colonisant les différentes niches écologiques trouvées dans les écosystèmes marins [6,8].  

Résultats attendus

En combinant des approches de bioinformatique/biologie computationnelle, d’océanographie, de physiologie et de biologie moléculaire, le projet CyanoTaxa devrait ainsi fournir un nouvel éclairage sur les liens entre diversité phylogénétique, fonctions et habitats au sein des a-cyanobactéries qui constitue une étape indispensable afin de :  i) mieux comprendre comment les facteurs environnementaux déterminent les processus d’évolution à différentes échelles temporelles (micro vs. macro-évolution), ii) déterminer comment les spécificités métaboliques influencent l’adaptation et la survie des différents écotypes dans des niches écologiques spécifiques, et enfin iii) comprendre la distribution actuelle mais également essayer de prédire l'effet du changement global, et plus généralement des activités anthropiques, sur ces organismes en mettant en évidence les variations associées aux altérations du milieu naturel d’origine anthropique (eutrophisation, pollution) par rapport à leur enveloppe de variabilité génétique et fonctionnelle « naturelle ». Globalement, le projet CyanoTaxa devrait donc permettre de mieux appréhender les facteurs environnementaux déterminant la biodiversité et la dynamique actuelle des a-cyanobactéries mais également la capacité d’adaptation et de résilience en réponse aux pressions environnementales en cours de ces acteurs clés des écosystèmes aquatiques.

Environnement scientifique

Ce projet multidisciplinaire s’intégrera dans l’ANR TaxCy (2024-28), coordonnée par L. Garczarek, qui assurera le financement du fonctionnement et des missions du (ou de la) doctorant(e). Il/elle travaillera au sein de l’équipe ECOMAP de la SBR, qui s’intéresse à la structure et la dynamique des communautés phytoplanctoniques en milieu marin, et sera co-encadrée par L. Garczarek, qui a une longue expérience en diversité, écologie, physiologie et évolution des α-cyanobactéries et par J. Silva Bernardes, bio-informaticienne spécialisée en machine learning et réseaux de neurones profonds. Le(la) doctorant(e) travaillera également en collaboration avec le personnel de la RCC pour l'isolement de nouvelles souches, l'axénisation des espèces types et leur cryoconservation et des plateformes de la SBR : ABiMS (accès cluster), Genomer (séquençage), Merimage (microscopie) et RECYF (cytométrie en flux) pour la caractérisation génotypique et phénotypique des souches-types. Enfin, ce projet sera réalisé en étroite collaboration avec Damien Eveillard (Prof. Univ. Nantes) et Samuel Chaffron (CR CNRS Nantes), qui possèdent une large expertise en bioinformatique et en modélisation des systèmes biologiques. Il/elle s’appuiera également sur des collaborations internationales avec plusieurs membres éminents de la communauté scientifique travaillant sur les α-cyanobactéries, tels que DJ Scanlan, P. Cabello-Yeves (U. Warwick, UK), D. Campbell (U. Mount Allison, Canada) et C. Callieri (CNR Roma, Italie), qui participeront au projet par le prélèvement d’échantillons dans diverses régions du monde, l’isolement de souches, le séquençage de génomes et/ou métagénomes, et en apportant leur expertise taxonomique sur ces organismes. L’étudiant(e) sera donc partie prenante d’un réseau international de chercheurs travaillant sur ce groupe taxonomique important de procaryotes.

Type de financement du projet doctoral

Une demande de financement auprès du PPR Océan et climat est en cours ce sujet a également reçu un avis favorable de l’ED227 Sorbonne Université. L’inscription au concours de l’ED227 doit se faire via le site ADUM (https://adum.fr/index.pl) au plus tard le 12 mai 2023.

Profil et compétences recherchées

• Connaissance en bioanalyse (langage R et/ou python et/ou bash) et analyses statistiques.
• Intérêt pour les sciences biologiques et plus particulièrement pour l’écologie marine.
• Des connaissances en microbiologie et en biologie moléculaire seraient appréciées mais pourront être acquises sur place.
• Capacité à travailler en équipe et, plus particulièrement dans un milieu pluridisciplinaire.
• Autonomie, initiative, capacité d’organisation, bon esprit d'analyse et de synthèse.
• Bon niveau d’anglais (lu, parlé et écrit).
• Maîtrise des techniques de présentation écrite et orale.

Références bibliographiques

1.    Flombaum P et al. PNAS 110, 9824 (2013), doi.org/10.1073/pnas.1307701110.

2.    Cabello-Yeves PJ et al. ISME J 16, 2421 (2022), doi-org/10.1038/s41396-022-01282-z.

3.    Doré H et al. Front. Microbiol. 11 (2020), doi.org/10.3389/fmicb.2020.567431.

4.    Farrant GK et al. PNAS 113, E3365 (2016), doi.org/10.1073/pnas.1524865113.

5.    Garczarek L et al. NAR 49, D667 (2021), doi-org.inee.bib.cnrs.fr/10.1093/nar/gkaa958.

6.    Doré H et al. ISME J 17, 720–732 (2023), doi.org/10.1038/s41396-023-01386-0.

7.    Ustick LJ et al. Science 372, 287 (2021), doi.org/10.1126/science.abe6301.

8.    Régimbeau A et al. Ecol. Lett. 25, 1352–1364 (2022), doi.org/10.1111/ele.13954.