Société Française de Bioinformatique

Mots-Clés

Modélisation Métabolisme Resource Balance Analysis RBA Fruit Omiques Flux Tomate

Description

Sujet de thèse : Élaborer un modèle du métabolisme basé sur l’allocation des ressources afin de simuler la performance du fruit de tomate

Des avancées récentes ont montré que la performance des plantes dépend étroitement de la composition de leur biomasse. Ainsi, de fortes corrélations ont été montrées entre concentration en protéines totales de tissus végétaux et notamment de fruits charnus et leur vitesse spécifique de croissance (https://doi.org/10.1111/tpj.16409). Donc les protéines pourraient constituer un levier important pour agir sur le rendement et la robustesse des plantes cultivées ce qui nécessite une bonne compréhension du métabolisme. Parallèlement, l’équipe d’accueil, l’équipe Métabolisme de l’UMR BFP (MéTA), a acquis à la fois de solides compétences en modélisation du métabolisme et des grands jeux de données omiques pour paramétrer et contraindre les modèles mathématiques développés, pour estimer flux métaboliques et les turnover de protéines, données difficiles à appréhender expérimentalement à large échelle (https://doi.org/10.1104/pp.19.00086).
Dans ce contexte, le projet de doctorat vise à développer un nouveau modèle du métabolisme qui prend en compte l’importance des protéines comme ressource majeure de la croissance. En s’appuyant d’une part sur le modèle Ressource Balance Analysis (RBA) récemment développé sur la plante modèle Arabidopsis Thaliana (https://doi.org/10.1016/j.ymben.2024.03.009) et d’autre part sur les données et compétences du laboratoire, l’objectif est de construire un modèle basé sur l’allocation des ressources afin de simuler le comportement physiologique (flux) du jeune fruit de tomate et de prédire un phénotype d’intérêt agronomique, ce que ne permettent pas les modèles sous-contraintes. Les données déjà acquises par MéTA, à la fois omiques (transcriptomique, protéomique, métabolomique) et celles issues d’expériences de marquages isotopiques permettront de calibrer puis de valider le modèle.
Au-delà de la simulation des flux métaboliques, l’objectif est aussi de prédire les capacités de croissance du fruit en fonction de son environnement, c’est-à-dire selon différentes conditions nutritionnelles et des changements de température. Ce modèle pourra aussi être décliné à d’autres systèmes (autres organes, autres espèces) en fonction des avancées du travail.

Objectifs :

• Générer un nouveau modèle du métabolisme, basé sur la machinerie protéique.
• Utiliser les données disponibles (composition de la biomasse, volume cellulaire, transcriptome, protéome etc) pour contraindre et paramétrer le modèle.
• Prédire et simuler les flux métaboliques à partir de ce modèle, par exemple pour un jeune fruit en croissance.
• Identifier les mécanismes clés et les étapes limitantes de la croissance du fruit pour proposer des leviers et améliorer la performance.

Méthode :

• Modélisation mathématique des flux. Modèles matriciels.
• Bioinformatique : déclinaison de modules existants sur une nouvelle espèce végétale
• Introduction de la machinerie protéique à partir des données disponibles (transcriptome, polysomes, protéome etc).
• Simulation puis prédiction de phénotypes métaboliques.

Résultats attendus :

• Un nouveau modèle du métabolisme à l’échelle du génome
• La prédiction de comportements physiologiques avec des simulations de flux
• L’identification de mécanismes impliqués dans le contrôle global de la croissance, en lien avec les protéines et l’adaptation aux contraintes développementales et/ou environnementales.

Rattachement administratif : Université de Bordeaux, Ecole Doctorale Sciences de la Vie et de la Santé (SVS), Spécialité Biologie végétale
Laboratoire d’accueil : Unité de Recherche : INRAE/BFP équipe : Méta (https://bfp.bordeaux-aquitaine.hub.inrae.fr/recherche/equipe-metabolisme-meta)
Financement : 50% INRAE - 50% ANR
Profil et compétences recherchées * Niveau Master 2 ou diplôme d’ingénieur Compétences en biologie, biochimie, bio-informatique et modélisation. Appétence pour les mathématiques appliquées et l’analyse de données omiques. Goût pour le travail en équipe dans un environnement interdisciplinaire. Une première expérience en modélisation du métabolisme serait un plus.