Raisonnement automatique, apprentissage statistique et modélisation numérique pour l’exploration du métabolisme dans les communautés microbiennes

Abstract

Les communautés microbiennes et les microbiomes forment des écosystèmes complexes parfois composées de centaines ou milliers de populations interagissant entre elles, mais aussi avec leurenvironnement et parfois un hôte. Parce que ces communautés ont un rôle prépondérant dans de multiples processus écologiques, en parvenir à une meilleure compréhension est d’intérêt majeur pour de nombreuses applications en santé, agro-écologie ou pour l’industrie. L’informatique et la bioinformatique sont cruciales pour traiter, analyser et modéliser les données massives acquises sur les communautés microbiennes, bien souvent à partir de séquençage de l’information génétique. Ce manuscrit présente mes travaux sur le sujet, s’étendant de l’analyse et d’approches de réduction de dimension de données compositionnelles de microbiomes, à la création de modèles mécanistiques de la dynamique du fonctionnement des communautés microbiennes. Le concept de réseau métabolique est au cœur de mes recherches. Il permet de prédire les phénotypes microbiens à partir de l’association entre les gènes et les réactions métaboliques transformant les molécules. À partir de formalismes basés sur des approches numériques ou de raisonnement automatique, il est possible de générer des prédictions sur le rôle des communautés microbiennes, leurs interactions, et plus généralement de transformer des données expérimentales en des modèles simplifiés, mécanistiques, des objets biologiques sous-jacents.