Contexte scientifique
La maîtrise de la fermentation bactérienne est essentielle pour obtenir des fromages exprimant précisément les caractéristiques nutritionnelles, organoleptiques et sanitaires attendues. De nombreux composés d’intérêt sont synthétisés par les bactéries pendant leur croissance, améliorant ainsi les qualités du produit fini (vitamines, composés d’arôme, composés antifongiques par exemple).
Différents outils « omiques » permettent d’explorer la dynamique de l’écosystème bactériens, et les mécanismes d’interaction des bactéries. Par exemple, le séquençage de génomes de levains bactériens a
permis de mieux comprendre leur métabolisme. Les comptages microbiens permettent de suivre l’évolution des populations bactériennes. La métatranscriptomique permet de repérer les voies métaboliques activées durant la croissance, et la métabolomique permet de suivre les métabolites produits par les bactéries. Les modèles métaboliques basés sur le séquençage des souches bactériennes (modèles FBA par exemple) permettent de prédire dans des cadres très contrôlés (phase de croissance exponentielle) les flux de substrats utilisés ainsi que les flux de métabolites produits durant la croissance bactérienne. Cependant, l’utilisation de ces modèle pour prédire l’évolution de communautés bactériennes reste un sujet de recherche très actif.
Ce stage s’inscrit dans un projet multidisciplinaire financé par le CNIEL, rassemblant des microbiologistes, des bio-statisticiens et des modélisateurs, afin de comprendre quelles phases de fabrication de fromage permettent de piloter l’activité bactérienne pour améliorer les qualités gustatives du fromage. A cet effet, un jeu de données a été constitué, rassemblant pour différents procédés de fabrication des données dynamique de comptages microbiens, de paramètres abiotique (pH,...), de données métatranscriptomiques et métabolomiques.
Objectifs
L'objectif de ce stage est de : 1) Compléter des modèles métaboliques FBA existants pour ajouter les voies de production de composés organoleptiques (composés donnant le goût du fromage). 2) A partir de données méta-omiques, repérer les voies métaboliques effectivement activées durant la croissance microbienne, selon les différentes méthodes de fabrication. 3) Construire un modèle dynamique de communauté à partir de ces modèles FBA, calé sur les données. 4) Simplification de modèle : construire un modèle cinétique reproduisant l’évolution du système (en particulier des composées d’arôme) pour chaque dispositif de fabrication, et caler le modèle à partir des données (estimation de paramètre). 4) Explorer numériquement le modèle et conduire une analyse de sensibilité.