Mots-Clés
génomique comparative
clusters de gènes de biosynthèse
défense antiphage
bactériophages
métagénomique
MAG
Description
English version below — version anglaise ci-dessous.
Stage Master 2 — Quand les BGC rencontrent la défense antiphage
Étude approfondie des associations génomiques entre clusters de gènes de biosynthèse et systèmes bactériens de défense antiphage dans les génomes assemblés à partir de métagénomes (MAG)
Durée : 6 mois, à partir de février/mars 2027 — Lieu : Genoscope, Genopole Campus 2, Évry (91) — Encadrante : Dr Andreja Kust, équipe Microbial Genomics and Epigenomics, UMR 8030 Génomique Métabolique (CEA)
Contexte
Les génomes bactériens codent deux classes de systèmes adaptatifs rarement étudiés conjointement.
Les clusters de gènes de biosynthèse (BGC) codent la production de métabolites spécialisés
impliqués dans la compétition microbienne, la communication et l’adaptation à l’environnement. Les
systèmes de défense antiphage protègent les cellules contre les bactériophages et les éléments
génétiques mobiles, et sont fréquemment organisés en régions génomiques variables appelées îlots de
défense. Certains métabolites spécialisés bactériens inhibent expérimentalement la réplication des
phages, et une famille de BGC de lanthipeptides récemment décrite chez les Actinobactéries
colocalise avec des systèmes de défense connus et confère une protection contre l’infection
phagique. La question de savoir si de telles associations sont répandues, sur les plans génomique,
fonctionnel ou évolutif, reste ouverte.
Ce stage s’inscrit dans une analyse à grande échelle en cours portant sur plus de 70 000 génomes
bactériens de qualité moyenne à élevée, assemblés à partir de métagénomes ou disponibles
publiquement et issus d’environnements variés, dans laquelle le contenu en BGC, la composition en
systèmes de défense, les caractéristiques génomiques, la taxonomie et l’origine environnementale
sont examinés simultanément.
Travail proposé
Le criblage à grande échelle met en évidence des associations récurrentes ; l’étape suivante
consiste à distinguer, au cas par cas, les relations biologiquement pertinentes des proximités
génomiques fortuites. Le travail de l’étudiant·e commence là où s’arrête le criblage automatique.
À partir des résultats d’annotation existants, l’étudiant·e sélectionnera et étudiera environ cinq
à dix loci prioritaires sur la base des critères suivants :
- proximité génomique entre un BGC et un système de défense ;
- chevauchement partiel ou complet des régions prédites ;
- protéines annotées comme appartenant aux deux systèmes ;
- co-occurrence récurrente dans des génomes phylogénétiquement divers ;
- combinaisons de domaines inhabituelles suggérant un lien fonctionnel possible.
Pour chaque candidat, l’étudiant·e vérifiera et contextualisera les annotations initiales,
examinera l’organisation des gènes et des opérons, comparera les régions génomiques équivalentes
entre taxons apparentés et évaluera la distribution phylogénétique. Les cas les plus convaincants
feront l’objet d’une analyse détaillée afin d’identifier des candidats qui seront vérifiés
expérimentalement au laboratoire.
Résultats attendus
- un ensemble curé de loci candidats validés, accompagné de cartes génomiques comparatives et
d’analyses protéiques ;
- des hypothèses biologiques sur leurs fonctions possibles ;
- une liste priorisée de protéines, de gènes ou de systèmes en vue de tests expérimentaux
ultérieurs en essais phagiques.
Ce travail contribuera à une publication scientifique issue du projet plus large.
Méthodes et moyens
En début de stage, l’étudiant·e recevra les séquences génomiques, les métadonnées de qualité et de
taxonomie, ainsi que les résultats d’annotation produits avec antiSMASH, DefenseFinder et des outils
complémentaires. Le flux d’analyse associe : analyse exploratoire des données sous R, Python et
Bash ; recherches de similarité de séquences (BLAST) et recherches par profils (HMMER) ; annotation
des domaines protéiques et annotation fonctionnelle ; visualisation et comparaison des voisinages
génomiques ; alignement multiple de séquences et inférence phylogénétique ; et prédiction de
structure protéique avec AlphaFold ou ColabFold. Les produits biosynthétiques prédits seront
explorés à l’aide de modèles de langage et de bases de données de produits naturels curées.
L’étudiant·e aura accès à l’infrastructure de calcul et de stockage haute performance de Genoscope.
L’encadrante supervisera directement la sélection des candidats, la conception des analyses et
l’interprétation biologique tout au long du stage. L’étudiant·e interagira également avec les
collègues de Genoscope travaillant en génomique microbienne, bioinformatique, métabolisme
spécialisé, biologie moléculaire et interactions phage–bactérie.
Profil recherché
Requis
- étudiant·e en M2 ou en dernière année d’école d’ingénieur en bioinformatique, biologie
computationnelle, génomique microbienne ou domaine proche ;
- à l’aise en ligne de commande sous Linux et avec au moins un langage parmi Python et R ;
- intérêt pour la génomique microbienne, les bactériophages ou la biosynthèse de produits
naturels ;
- capacité à travailler avec rigueur sur des données d’annotation réelles ;
- anglais de travail (écrit et oral).
Apprécié, non requis
- expérience de BLAST, HMMER, de l’alignement multiple de séquences ou de la phylogénie ;
- familiarité avec l’annotation de génomes, les MAG ou la métagénomique ;
- gestion de versions (git), gestionnaires de workflows ou expérience du calcul sur cluster (HPC).
Les candidatures issues du versant informatique souhaitant apprendre la génomique microbienne,
comme celles issues du versant biologique souhaitant approfondir leurs compétences
computationnelles, sont également bienvenues.
Après le stage
Une poursuite en thèse associant caractérisation computationnelle et validation expérimentale
(synthèse de protéines et tests fonctionnels contre des bactériophages) pourra être envisagée pour
un·e candidat·e d’excellence, en fonction des résultats obtenus et des financements disponibles.
Aucun financement doctoral n’est confirmé à ce jour.
Master 2 internship — When BGCs meet antiphage defense
In-depth investigation of genomic associations between biosynthetic gene clusters and bacterial antiphage defense systems in metagenome assembled genomes (MAGs)
Duration: 6 months, starting February/March 2027 — Location: Genoscope, Genopole Campus 2, Évry, France — Supervisor: Dr Andreja Kust, Microbial Genomics and Epigenomics team, UMR 8030 Génomique Métabolique (CEA)
Context
Bacterial genomes encode two classes of adaptive systems that have rarely been studied together.
Biosynthetic gene clusters (BGCs) encode the production of specialized metabolites involved in
microbial competition, communication and environmental adaptation. Antiphage defense systems
protect cells against bacteriophages and mobile genetic elements, and are frequently organized in
variable genomic regions known as defense islands. Some bacterial specialized metabolites have been
shown experimentally to inhibit phage replication, and a recently described family of lanthipeptide
BGCs in Actinobacteria co-localizes with known defense systems and confers protection against phage
infection. Whether such associations are widespread, genomically, functionally or evolutionarily,
remains an open question.
This internship is embedded in an ongoing large-scale analysis of more than 70,000 medium- and
high-quality metagenome-assembled and publicly available bacterial genomes from diverse
environments, in which BGC content, defense-system composition, genome characteristics, taxonomy
and environmental origin are examined simultaneously.
What the student will do
Large scale screening identifies recurrent associations, and the next stage is distinguishing
biologically meaningful relationships from coincidental genomic proximity case-by-case. The
student’s work begins where the automated screening ends.
Starting from existing annotation outputs, the student will select and investigate roughly five to
ten priority loci on the basis of:
- genomic proximity between a BGC and a defense system;
- partial or complete overlap between predicted regions;
- proteins annotated as belonging to both systems;
- recurrent co-occurrence across phylogenetically diverse genomes;
- unusual domain combinations suggesting a possible functional link.
For each candidate the student will verify and contextualize the initial annotations, examine gene
and operon organization, compare equivalent genomic regions across related taxa, and assess
phylogenetic distribution. The most compelling cases will be investigated in detail to find
candidates that will be verified in the laboratory experiments.
Expected outcomes
- a curated set of validated candidate loci with comparative genomic maps and protein analyses;
- biological hypotheses about their possible function;
- a prioritized shortlist of proteins, genes or systems for downstream experimental testing in
bacteriophage assays.
The work will contribute to a scientific publication arising from the broader project.
Methods and resources
At the start of the internship the student will receive genome sequences, quality and taxonomic
metadata, and annotation results generated with antiSMASH, DefenseFinder and complementary tools.
The analytical workflow combines: exploratory data analysis in R, Python and Bash;
sequence-similarity searches (BLAST) and profile-based searches (HMMER); protein-domain and
functional annotation; visualization and comparison of genomic neighbourhoods; multiple-sequence
alignment and phylogenetic inference; and protein-structure prediction with AlphaFold or ColabFold.
Predicted biosynthetic products will be explored using language models and curated natural-product
databases. The student will have access to Genoscope’s high-performance computing and storage
infrastructure.
The supervisor will directly oversee candidate selection, analysis design and biological
interpretation throughout the internship. The student will also interact with Genoscope colleagues
working in microbial genomics, bioinformatics, specialized metabolism, molecular biology and
phage–bacteria interactions.
Candidate profile
Required
- M2 or final-year engineering student in bioinformatics, computational biology, microbial genomics
or a closely related field;
- comfortable on the Linux command line, and with at least one of Python or R;
- interest in microbial genomics, bacteriophages or natural-product biosynthesis;
- ability to work carefully with real-world annotation data;
- working English (written and spoken).
Appreciated, not required
- experience with BLAST, HMMER, multiple-sequence alignment or phylogenetics;
- familiarity with genome annotation, MAGs or metagenomics;
- version control (git), workflow managers, or HPC/cluster experience.
We are equally happy to hear from students coming from the computational side who want to learn
microbial genomics, and from biologists who want to deepen their computational skills.
After the internship
A PhD continuation combining computational characterization with experimental validation (protein
synthesis and functional testing against bacteriophages) may be considered for outstanding
candidates, depending on results and funding availability. No doctoral funding is currently
confirmed.