Société Française de Bioinformatique

Mots-Clés

metagenomique interaction plantes microorganismes modèle Arabidopsis parasite

Description

Contexte scientifique et environnement de travail
Les plantes vasculaires libèrent une grande diversité de métabolites dans la rhizosphère, influençant le microbiote associé et les plantes voisines. Parmi eux, les strigolactones et glucosinolates (ainsi que leurs dérivés comme les isothiocyanates) jouent un rôle central.
Ces métabolites secondaires végétaux peuvent :

• stimuler la germination de plantes parasites comme Phelipanche ramosa (orobanche rameuse),

• moduler la signalisation moléculaire des microorganismes du sol.
  En retour, le microbiote rhizosphérique peut influencer le succès d’établissement de ces parasites.

Pour étudier ces interactions, des lignées mutantes d’A. thaliana (plante modèle Brassicacée), déficientes en strigolactones ou en glucosinolates, ont été cultivées dans des sols naturels ou artificiels. Le métabolome et l’activité des exsudats ont été suivis tout au long de la culture et l’ADN/ARN de la rhizosphère ont été extraits trois semaines après le semis.

Dans le cadre d’un projet collaboratif avec le JGI (Joint Genome Institute), des données sont actuellement acquises via :

• métagénomique (metaG) et métatranscriptomique (metaT) de la rhizosphère à 3 semaines;

• approches métabolomiques ciblées et non ciblées de l’exsudome

Missions

• Traiter des jeux de données de métagénomique et de métatranscriptomique à l’aide des workflows existants du JGI (Joint Genome Institute) et des infrastructures locales (cluster GLiCID, pipelines MAGNETO, MiBiOmics…).

• Identifier les taxons et fonctions microbiennes les plus fréquents en lien avec les différent génotypes de la plante Arabidopsis thaliana, et analyser leur corrélation avec la germination de plantes parasites induite par les exsudats.

Travail demandé

1. Contrôle qualité des données
   * Réaliser les contrôles qualité sur plus de 40 jeux de données Illumina et PacBio.

2. Assemblage et optimisation de pipelines
   * Assembler les données métagénomiques avec MEGAHIT via le pipeline MAGNETO.
   * Adapter/optimiser les workflows existants pour les assemblages “long read” PacBio.

3. Visualisation et développement d’outils
   * Développer un tableau de bord automatisé sous R pour explorer les fonctions microbiennes, familles de gènes et voies métaboliques (ex. KEGG, familles GH liées à l’activité myrosinase).

   Aller plus loin , si le temps le permet:

4. Analyse métatranscriptomique et automatisation
   * Construire un workflow semi-automatisé basé sur MAGNETO pour l’analyse des données metaT, permettant le mappage des transcrits sur les métagénomes de référence avec une intervention minimale.

5. Génomique comparée et profilage fonctionnel
   * Réaliser des analyses comparatives des assemblages (contigs), des profils fonctionnels, et des MAGs, entre les données produites localement et celles générées par le JGI.

Profil recherché

• Étudiant(e) en cours de Master 2 en bioinformatique ou en biologie végétale/écologie microbienne avec une formation solide en bioinformatique.

• Connaissances en écologie microbienne ou en écologie chimique constituent un atout.

• Maîtrise de Bash, Python, R et Git.

• Intérêt marqué pour la recherche académique et le travail collaboratif en environnement interdisciplinaire.