Metaprogramme DIGIT-BIO

Le projet SEED étend le Metabolomic Semantic Data Lake, une e-infrastructure combinant Web sémantique et technologies Big Data pour traiter à grande échelle la littérature scientifique en métabolomique. Initialement développée autour des liens entre métabolisme et santé humaine, cette infrastructure est désormais adaptée au domaine du métabolisme végétal. SEED y apporte une exploitation plus fine de l'intelligence artificielle pour annoter automatiquement les publications à partir d'ontologies. Le projet élargit également les sources de littérature intégrées et s'appuie sur quatre cas d'étude pour valider et illustrer les associations découvertes entre métabolites, biomarqueurs et plantes.

Notre séance du 3 avril était consacrée à l’IA pour la structure de protéines et les interactions protéine-protéine. Deux intervenants ont partagé leurs travaux : Frédéric Cazals, directeur de recherche à Inria Sophia Antipolis (équipe ABS), et Marie-Hélène Mucchielli Giorgi, professeure de bioinformatique à l’Université d’Évry Val d’Essonne (IPS2). Vous n'avez pas pu assister à cette séance ? Le replay est disponible.

La pression exercée par les insectes ravageurs comme les pucerons et l’incidence des maladies virales qu’ils transmettent est en constante augmentation. Le changement climatique, la réduction des insecticides et l’apparition de résistances aux insecticides encore autorisés favorisent fortement leur cycle de vie et leur dynamique populationnelle. Face à la nécessité de réduire l’utilisation des insecticides, de nouvelles approches agro-écologiques ont émergé ces dernières décennies, utilisant la diversité génétique des plantes cultivées pour modifier à notre avantage le comportement ou les performances des pucerons. Ces approches nécessitent une caractérisation précise de la diversité génétique végétale et il n'existe actuellement aucun système de phénotypage ouvert, performant, standardisé et abordable pour des applications futures. Afin de lever ce verrou, le consortium Gratitude propose de développer un système digital de phénotypage « plante-puceron » capable de caractériser le développement et le comportement de ces insectes ravageurs.