Page 91

genomique-environnementale

S’il est cependant possible d’accéder à des données métaomiques et fonctionnelles (e.g. mesures de flux) pour des échelles spatiales similaires, ces échelles restent encore très supérieures aux échelles d’interactions micro-biennes, souvent moléculaires. Il est aussi difficile de mettre en relation les données de diversité et les données fonctionnelles. Par ail-leurs, les données existantes sont encore hété-rogènes, mal normalisées, et peu accessibles à la communauté des modélisateurs. L’obtention de modèles prédictifs (Focus 12-3) est conditionnée par l’intégration de dimensions spatiales et temporelles de la diversité des communautés de microorganismes et de leurs fonctionnements. Pour répondre à ce défi, il faut renforcer les stratégies d’échantillonnage méta-génomique et les exploiter à l’échelle du micro-environnement. En effet, les connaissances de la structure spatiale (ex : celle des pores du sol ou celle des fluides autour de particules) et de la structure temporelle de l’écosystème micro-bien restent très rudimentaires comparées à la masse de données métaomiques acces-sibles. Par ailleurs, les analyses actuelles en génomique environnementale se focalisent sur la corrélation d’abondance de communautés issues de différents écosystèmes, alors que seules les informations de causalité permettent le pont vers les aspects fonctionnels des éco-systèmes. Enfin, un dernier défi, plus difficile, consiste à modifier le mode de partage des don-nées afin de faciliter leur mise à disposition via des dépôts centralisés. Pour développer la structuration de l’écologie des systèmes, il est indispensable de renfor-cer les liens entre les microbiologistes, les modélisateurs et les bioinformaticiens. Seule cette interdisciplinarité permettra de modéli-ser la complexité des problèmes actuels. Cela implique de renforcer les formations universi-taires notamment en proposant des spéciali-sations aux formations existantes de bioin-formatique et de modélisation. Cela implique également de décloisonner les laboratoires en accentuant des initiatives inter-organismes de recherche. Afin de promouvoir l’interdisciplinarité et la standardisation des techniques de modélisa-tion, il faut identifier des sites ou des écosys-tèmes de référence. Ainsi, l’ensemble des don-nées disponibles (génomiques, fonctionnelles, spatiales, temporelles) sera à disposition de manière ouverte pour stimuler la production de solutions informatiques. Par ailleurs, les stra-tégies d’échantillonnage devront être concer-tées afin de maximiser l’adéquation entre génomique et connaissances fonctionnelles et faire ainsi émerger des liens de causalité entre communautés. L’intérêt sera de susciter un engouement international autour de pro-blèmes ciblés. Dès l’ouverture des données, les diverses plateformes bioinformatiques et centres de calculs pourront se fédérer pour ap-puyer une nécessaire démarche collaborative (notamment via la mise en oeuvre de workflow de type galaxy) à l’analyse des datavalanches de génomique environnementale. PROSPECTIVE DE L’INSTITUT ECOLOGIE ET ENVIRONNEMENT DU CNRS 89 RÉFÉRENCES Bourdon J, Eveillard D, Siegel A. 2011. Integrating quantita-tive knowledge into a qualitative gene regulatory network. PloS Comput Biol 7:e1002157. Bouskill N, Eveillard D, O’Mullan G, Jackson G, Ward B. 2011. Seasonal and annual reoccurrence in betaproteobacterial ammonia-oxidizing bacterial population structure. Environ Microbiol 13:872–886. Hingamp P et al. 2013. Exploring nucleo-cytoplasmic large DNA viruses in Tara Oceans microbial metagenomes. ISME J 7:1678-1965. Karsenti E et al. The Tara Oceans Consortium. 2011. A ho-listic approach to marine eco-systems biology. PloS Biol 9: e1001177. Klitgord N, Segrè D. 2011. Ecosystems biology of microbial metabolism. Curr Opin Biotechnol 22:541–546. Mamindy-Pajany Y, Hurel C, Géret F, Galgani F, Battaglia- Brunet F, Marmier N, Roméo M. 2013. Arsenic in marine sediments from French Mediterranean ports: geochemical partitioning, bioavailability and ecotoxicology. Chemosphere 90:2730-2736. Roesch L, Fulthorpe R, Riva A, Casella G, Hadwin A, Kent A, Daroub S, Camargo F, Farmerie W, Triplett E. 2007. Pyrose-quencing enumerates and contrasts soil microbial diversity. ISME J 1:283–290. Ranjard L, Dequiedt S, Chemidlin Prévost-Bouré N, Thiou-louse J, Saby NPA, Lelievre M, Maron P-A, Morin F, Bispo A, Jolivet C, Arrouays D, Lemanceau P. 2013. Turnover of soil bacterial diversity driven by wide-scale environmental hetero-geneity. Nature commun 4:1434-1444. Schloss PD, Westcott SL. 2011. Assessing and improving methods used in operational taxonomic unit-based ap-proaches for 16S rRNA gene sequence analysis. Appl Envi-ron Microbiol 77: 219-3226. Sun S et al. 2011. Community cyberinfrastructure for ad-vanced microbial ecology research and analysis: the CAME-RA resource. Nucleic Acids Res 39:D546–D551. Zengler K, Palsson BØ. 2012. A road map for the develop-ment of community systems (CoSy) biology. Nat Rev Micro-biol 10:366–372.


genomique-environnementale
To see the actual publication please follow the link above