Prédire

Le consortium Arte-mis vise à rassembler une communauté interdisciplinaire de chercheurs à l’interface entre sciences expérimentales et sciences du numériques afin de lever les verrous méthodologiques pour la création de jumeaux numériques en écologie microbienne

L’élevage bovin subit les conséquences du changement climatique et doit s’adapter au développement des pratiques agroécologiques. Face à ces défis, de nouveaux outils de phénotypage fins, rapides et peu invasifs doivent être développés pour permettre un suivi de l’adéquation du couple animal/ environnement. Le consortium EPINUM propose d’utiliser des approches d’IA pour améliorer la prédiction phénotypique à partir de données épigénétiques.

La transcription des gènes est un processus essentiel dans la réponse adaptative des plantes aux contraintes environnementales. Le consortium scientifique interdisciplinaire PRECURSOR a pour objectif d’explorer et de mieux comprendre ce processus dans les régions proximales des gènes pour, à terme, améliorer le pouvoir prédictif des modèles de sélection.

Thèse de Camille Juigné (PEGASE, soutenue en 2023). Les phénotypes individuels d’intérêt susceptibles de contribuer à des systèmes de productions animales durables sont sous la dépendance de caractères complexes, au sens où un grand nombre de voies biologiques internes à l’animal sont impliquées. A l’échelle de l’organisme animal, il est important de définir quels sont les éléments-clés susceptibles de jouer un rôle pivot dans le contrôle du caractère et les interdépendances entre les réseaux d’entités biologiques qui y contribuent.

Thèse de Maxime Delmas (Toxalim, soutenue en 2022). Les études en métabolomiques visent à extraire une signature métabolique (liste de métabolites) liée à une condition expérimentale particulière. Ces signatures permettent d'identifier des biomarqueurs ou de classer des individus, mais leur interprétation biologique et physiologique reste un défi. Ceci est essentiel, par exemple, lorsque l'objectif est d'associer les signatures métaboliques à des effets pathologiques potentiels.

Le développement de la sélection génomique - et des autres analyses « omiques » telles que la métagénomique, transcriptomique, métabolomique et protéomique - permet aujourd’hui de caractériser les animaux grâce à des milliers de mesures. Ces données massives sont intégrées dans des modèles, afin de prédire des caractères de production avec la plus grande précision possible.

En génétique des plantes et des animaux, les programmes de sélection visent à identifier des individus dont les performances (rendement, résistance aux maladies ou à un stress environnemental) répondent à des critères préalablement définis. Cette sélection peut nécessiter l’acquisition de données, au champ ou en élevage, qui peut être coûteuse ou longue à réaliser. Le projet DeepPhenomic propose une alternative à cette technique.

La sélection génétique animale a connu une véritable révolution depuis quelques années, grâce à l’avènement de la génomique, qui a permis sélectionner plus facilement certains phénotypes essentiels aux programmes de sélection. Cependant, relier des variations génétiques détectées à des caractères phénotypiques d’intérêt reste toujours compliqué. Le projet interdisciplinaire OBAMA propose de combiner l’IA et la génomique pour mieux comprendre l’influence des facteurs génétiques sur les phénotypes chez le porc.

Thèse d'Antoine Bourlier (PRC, 2022-2025). L’essor de méthodes d’imagerie cérébrale génère une masse considérable de données morphologiques et fonctionnelles. Pour autant, leur exploration puis leur comparaison au cours du temps pour un individu, entre individus, et plus encore entre espèces différentes n’ont pu être que partielles.

Pour survivre, les plantes doivent puiser dans le sol de l'eau et de nombreux nutriments. Ces ressources sont inégalement réparties et les plantes doivent explorer le sol pour les trouver. Cette exploration nécessite l'extension des racines, ce qui représente un développement coûteux pour la plante.