Mots-Clés

Microbiote hologénomique analyse intégrative prédiction évaluation génétique

Description

Les animaux et leur microbiote forment un organisme composite, appelé holobionte, qui peut être considéré comme l'unité ultime sur laquelle agissent l'évolution et la sélection [1]. Les gènes de l'hôte et l'environnement influent sur la colonisation, le développement et le fonctionnement des divers microbiotes, qui en retour contribuent à façonner les phénotypes de l'hôte. De plus le microbiote est également transmis de la mère au descendant (par exemple, lors de la mise-bas, de l’allaitement et des soins maternels chez les mammifères), ce dernier participe ainsi à la transmission non-génétique des phénotypes [2]. Un enjeu majeur pour la sélection animale est donc le développement des approches hologénomiques intégratives capables d’analyser conjointement les ensembles de données génomiques de l'hôte et de son microbiote, ainsi que les phénotypes et les paramètres environnementaux dans lesquels évoluent les holobiontes. De telles méthodes sont prometteuses pour apporter une amélioration de la précision de prédiction et la compréhension des caractères impliqués dans l'adaptation des animaux aux systèmes de production agroécologique chez différentes espèces d'intérêt agronomique. Cependant, il reste encore plusieurs questions qui doivent être étudiées pour évaluer et identifier les méthodes les plus appropriées à utiliser pour tenir compte des particularités des données de microbiote (comptages compositionnels, inflation en valeurs nulles).

Dans ce cadre, nous recherchons un·e étudiant·e de Master 2 en bioinformatique/biostatistique qui aura pour mission :

(1) le développement d’un cadre de simulations appropriées basée sur données hologénomiques réelles (données appariées de microbiote 16S et génomiques) publiquement disponibles et l’approche proposée par Pérez-Enciso et al. [3] (https://github.com/miguelperezenciso/simubiome);

(2) l’identification et l’implémentation de diverses stratégies de construction de matrices de similarité basées sur les données de microbiote (e.g., produits croisés, distances basées sur la phylogénétique telles que UniFrac, modèle Poisson-log Normal [4]) ;

(3) une comparaison systématique de l’efficacité de ces stratégies dans divers scenarios (héritabilité, taille de population d’apprentissage, variabilité du microbiote, …).

Ce projet de stage pourra être poursuivi en thèse (financement déjà acquis).

Connaissances et aptitudes recherchées chez le/la stagiaire : Un goût pour la modélisation de données biologiques et de bonnes aptitudes de programmation en R. Le stage se déroulera dans un environnement de recherche.

[1] Theis, K.R. et al. (2016) Getting the Hologenome Concept Right: an Eco-Evolutionary Framework for Hosts and Their Microbiomes. mSystems 1, e00028-16. https://doi.org/10.1128/mSystems.00028-16

[2]  David, I. & Ricard, A. (2019) A Unified Model for Inclusive Inheritance in Livestock Species. Genetics, 212 (4), 1075-1099.

[3] Pérez-Enciso, M., et al. (2021) Opportunities and limits of combining microbiome and genome data for complex trait prediction. Genet. Sel. Evol. 53, 65. https://doi.org/10.1186/s12711-021-00658-7

[4] Chiquet, J. et al. (2021) The Poisson-Lognormal model as a versatile framework for the joint analysis of species abundances. Front. Ecol. Evol. https://doi.org/10.3389/fevo.2021.588292