Mots-Clés

statistiques revue bibliographique communautés microbiennes synthétiques multi-omiques machine learning

Description

Stage M2 – Développement d’une stratégie d’analyse de données et d’apprentissage statistique pour la constitution de communautés microbiennes racinaires synthétiques

Contexte scientifique

Les communautés microbiennes associées aux racines des plantes (le microbiome racinaire) jouent un rôle crucial dans la santé des végétaux, leur nutrition, leur croissance ou encore leur résistance aux stress (sécheresse, pathogènes). L’ingénierie de communautés microbiennes synthétiques (SynComs), c’est-à-dire la conception d’associations bactériennes ou fongiques simplifiées mais fonctionnelles, est une piste prometteuse pour une agriculture plus durable.
Cependant, la conception de ces SynComs est un défi majeur : il ne suffit pas de mélanger des souches bénéfiques, il faut comprendre les règles d’assemblage qui gouvernent leurs interactions (compétition, coopération, facilitation) dans un environnement racinaire complexe.

Le projet CAMBIO (CAractérisation Moléculaire et phénotypique d’une collection de Bactéries rhizosphériques du maïs en vue de création de bio-solutions adaptées à une culture à bas niveau d’Intrants azOtés ) vise à produire un jeu de données correspondant à la caractérisation moléculaire et phénotypique d’une collection de bactéries isolées de la rhizosphère de maïs mycorhizé cultivé sans intrant.

L’objectif du stage est de développer une stratégie d’analyse dans le but d’identifier les souches à assembler en communautés synthétiques afin de tester leur capacité à stimuler la croissance du maïs en contexte agroécologique et de mieux comprendre les relations plantes-microbiotes.

Les principales missions associées à ce stage seront :

1. une synthèse bibliographie/état de l’art des méthodes de statistiques, machine learning pour la constitution de communautés microbiennes synthétiques adaptées aux données disponibles
2. le développement/implémentation d’une stratégie retenue à l’issue de l’analyse bibliographique
3. et finalement une application de la stratégie proposée sur les données du projet

En fonction des envies du stage et de l’avancement, une comparaison avec des données issues de la bibliographie pourra aussi être faite.

Les résultats du stage feront l’objet de présentations dans chacune des deux équipes encadrantes.

Formations et compétences recherchées

• Niveau : Étudiant.e en Master 1 ou Master 2 ou 4ème/5ème année d’école d’ingénieur en statistique et/ou machine learning et/ou bio-informatique ;

• Bonne maîtrise d’un langage de programmation tel que R ou Python ;
• Bonne maîtrise de l’Anglais (capacité à lire et restituer des articles scientifiques);
• Des connaissances en biologie ne sont pas nécessaires mais un intérêt marqué pour les approches pluridisciplinaires et leurs applications en biologie est indispensable.

Le ou la stagiaire devra faire preuve d’autonomie, de rigueur, d’un bon esprit critique, d’une solide capacité d’analyse et de compétences rédactionnelles.

Le stage s’inscrit dans un contexte pluridisciplinaire entre l’Unité Mixte de Recherche IJPB (équipe SYNAPS) et l’UMR MIA-PS (Université Paris-Saclay, AgroParisTech, INRAE). Le ou la stagiaire sera encouragé·e à s’impliquer dans la vie des unités notamment en participant aux activités scientifiques des équipes.

Références

Aubert, J., Barbillon, P., Donnet, S., & Miele, V. (2022). Using latent block models to detect structure in ecological networks. Statistical Approaches for Hidden Variables in Ecology, 117-134.

Bourceret, A., Guan, R., Dorau, K., Mansfeldt, T., Omidbakhshfard, A., Medeiros, D. B., Fernie,A. R., Hofmann, J., Sonnewald, U., Mayer, J., Gerlach, N., Bucher, M., Garrido-Oter, R., Spaepen, S., & Schulze-Lefert, P. (2022). Maize Field Study Reveals Covaried Microbiota and Metabolic Changes in Roots over Plant Growth. mBio, 13 (2), e02584–21. https://doi.org/10.1128/mbio.02584-21

Decouard, B., Chowdhury, N.B., et al. (2023). Unlocking the Mycorrhizal Nitrogen Pathway Puzzle: Metabolic Modelling and multi-omics unveil Pyrimidines’ Role in Maize Nutrition via Arbuscular Mycorrhizal Fungi Amidst Nitrogen Scarcity, bioRxiv 2023.10.13.562190; doi: https://doi.org/10.1101/2023.10.13.562190

Jing, J., Rockx, S., Liu, A., Melkonian, C, Raaijmakers, J. M., Garbeva, P. and Medema, M. H. (2026), SynCom101: A web-based platform for the standardized design of functionally tailored synthetic microbial communities, bioRxiv 2026.04.23.720341; doi: https://doi.org/10.64898/2026.04.23.720341

Vorholt JA, Vogel C, Carlström CI, Müller DB. 2017. Establishing causality: opportunities of synthetic communities for plant microbiome research. Cell Host & Microbe 22: 142–155.