Les sciences du numérique ont un potentiel énorme pour faciliter et accélérer le développement et déploiement d’innovations agro-écologiques : sélection variétale optimisée tenant compte des interactions plante-microbiome, biostimulation et gestion de l’immunité de la plante, biocontrôle basé sur l’usage d’intrants biologiques ou sur la gestion d’organismes bénéfiques, nutrition.
Les systèmes de culture agro-écologiques subissent une pléthore 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 stresses environnementaux.
Nous concevrons de nouveaux outils d’analyse de données multi-omiques et des modèles spatio-temporaux multi-échelle de communautés microbiennes dans les cultures. Ceci demandera des avancées : en méthodes algorithmiques d’apprentissage et de réduction de dimension ; en modélisation, numérique EDO/EDP et discrètes, de systèmes biologiques complexes ; en méthodes transversales IA et HPC. Une acquisition de données en soutenir de l’apprentissage et la validation en IA sera nécessaire. Nous capitaliserons sur des plans expérimentaux en cours pour ancrer notre travail au défis pertinents en agro-écologie tout en acquérant des données spécifiques.
Nous utiliserons l’analyse métagénome genome-resolved à grande échelle pour étudier les propriétés fonctionnelles des réseaux d’interaction plante-pathogène. Nous implémenterons des analyses à l’échelle des communautés pour identifier les espèces et fonctions clés qui influent sur les. Des avancées en IA seront nécessaires pour raffiner de méthodes de raisonnement et pour faire face à des données bruitées. Nous construirons des jumeaux numériques de communautés microbiennes réduites et systèmes plante-microbiome, sous forme de modèles spatio-temporaux validés. Nous emploierons 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 rétroaction plante—microbiome sera caractérisée par l’évolution des communautés microbiennes et la réponse de la plante.
Notre stratégie de biologie de systèmes s’attaque à des défis méthodologiques induits par des applications de biocontrôle en amont et en aval. Des logiciels et outils mathématiques sortants 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 en perspectif des applications translationnelles qui peuvent être testées dans le cadre du biocontrôle des plantes. Les données acquises dans ce projet constitueront une ressource réutilisable unique pour des scientifiques français : ceux et celles qui développent des méthodes développent des applications ou qui représentent les intérêts des porteurs d’enjeux agro-écologiques.
