Sthyve Tatho, doctorant INRAE, équipe-projet Pleiade et UMR BioGeCo
Les micro-organismes jouent un rôle crucial dans la santé des plantes : ils participent par exemple à l’absorption de nutriments et à la protection des plantes contre des infections par différents pathogènes. Cependant, nous comprenons encore mal comment ces communautés microbiennes s’assemblent et interagissent. Pour mieux comprendre leur dynamique, nous avons à disposition des jeux de données massives, appelées données omiques, contenant diverses informations, telles que les génomes des différents microorganismes, leur physiologie (ce qu’ils consomment et produisent) et l’activation de leurs fonctions métaboliques.
Pour intégrer ces données à l’échelle de la communauté, nous explorons l’utilisation de modèles dynamiques. Actuellement, deux types de modèles ont été développés : des modèles populationnels, efficaces pour représenter les interactions entre micro-organismes mais ignorant des informations à l’échelle intra-cellulaire, et des modèles basés sur les génomes, beaucoup plus complets sur les régulations intra-cellulaires, mais nécessitant beaucoup de ressource informatique et introduisant de nombreux biais. L’objectif de cette thèse est de créer un paradigme de modélisation intermédiaire, permettant une représentation compacte de la dynamique de la communauté tout en restant reliée aux fonctions métaboliques et à l’ensemble des données omiques. Il s’agira pour cela de lever des verrous de modélisation, de calcul, et d’inférence de modèles dynamiques à partir de données hétérogènes de grande dimension.
Voir aussi : projet de thèse en Mathématiques appliquées et calcul scientifique sur theses.fr
