Equipe(s)

Agence de moyen

Etat

Titre du projet
Comprendre et maîtriser l'altération (microbiologique) des fromages par l'intégration de données multi-omiques.
Nom de l'appel d'offre
Appel à projet MICA 2019
Coordinateur.trice
S. Helinck (GMPA Grignon)
Participants de MaIAGE
B. Laroche
Partenaires (hors MaIAGE)
GMPA
Année de démarrage - Année de fin de projet
2019-2020
Date de fin du projet
Résumé
La filière fromagère est confrontée à des problèmes de salubrité de ses produits, ce qui conduit à des pertes et gaspillages alimentaires conséquents. Pour les fromages, la « non salubrité » provient majoritairement de problèmes microbiologiques ; une flore altérante issue du lait cru et/ou de l'environnement se développant et entrainant des défauts sensoriels. Afin de maîtriser la qualité organoleptique des fromages et donc de limiter les pertes, il est nécessaire de maitriser à la fois la flore technologique et la flore altérante, pour que cette dernière ne puisse pas se développer au cours de la fabrication fromagère. Le projet Alter-Ome vise donc à comprendre la relation complexe entre les flores technologique et altérante, les métabolites associés et la qualité. Ainsi, nous développerons des approches statistiques et de modélisation pour identifier les relations entre les bases de données multi-omiques, à savoir la composition du microbiote de fromages non-altérés versus altérés issus de même producteur (profils métabarcoding) et leur métabolisme (métabolomique ciblé et non ciblé). Le projet sera organisé en quatre tâches expérimentales. La première vise à déterminer les microorganismes responsables de l'altération et d’essayer de relier leur présence aux marqueurs de l'altération. Ainsi, les profils métagénomique de fromages non-altérés et altérés seront réalisés (tâche 1-1). Pour la détermination du métabolome, nous allons optimiser des procédures d'extraction spécifiques et analyser les extraits par LC-HR-MS (Tâche 1-2). Les bases de données métabolomiques seront réduites par une analyse experte et des méthodes statistiques (tâche 2). Les liens entre les données omiques seront étudiés en utilisant des méthodes statistiques bien établies (analyses PLS normale ou parcimonieuse) (tâche 3) ou une stratégie de co-analyse où une méthode de clustering sera couplée à une approche de modélisation (tâche 4). Ce projet ouvrira de nouvelles perspectives sur le fonctionnement des communautés microbiennes pour la gestion des aliments fermentés. La stratégie statistique et de modélisation développée via les co-analyses des jeux de données omiques pourrait être utilisée pour analyser d'autres écosystèmes.
Année de soumission
2019