Vers une prédiction de la composition des communautés planctoniques à partir des conditions environnementales ? / LOV

Le séquençage à haut débit permet aujourd’hui de séquencer la majorité des acides nucléiques (ADN, ARN) présents dans un échantillon d'eau de mer et d’en caractériser les communautés planctoniques, composées principalement d’organismes microscopiques. Ces jeux de données dites métagénomiques atteignent désormais l’ordre du téra, et offrent l’opportunité d’étudier l’impact des conditions environnementales sur la composition de ces communautés jouant un rôle clef dans la régulation du climat global. À partir de données initialement collectées dans le cadre de l’expédition Tara Oceans, une équipe de recherche de Sorbonne Université, du CNRS, dont Sakina-Dorothée Ayata, enseignante-chercheure au Laboratoire d'Océanographie de Villefranche - LOV, et du Muséum national d’Histoire naturelle, a combiné les approches de métagénomique à haut-débit à des techniques d'apprentissage automatique issues du machine learning. L’objectif : prédire la composition génomique du plancton à partir du contexte environnemental pour, à terme, pouvoir prédire les effets du changement climatique sur ces micro-organismes. Les résultats de leur étude ont été publiés le 16 juillet 2021 dans la revue Nature Communications.
Lire le communiqué de presse Sorbonne Université/MNHN/CNRS