Groupe de réflexion sur les modèles hybrides pour la méthanisation : intégration des données omiques

Contexte et enjeux

La méthanisation est une biotechnologie environnementale permettant de transformer les bioressources résiduaires en biogaz riche en méthane, une énergie renouvelable. Dans un contexte de transition écologique, elle constitue un maillon essentiel de l’économie circulaire.

La modélisation, et en particulier les jumeaux numériques, permettent aux opérateurs d’anticiper les dysfonctionnements et d’optimiser la conduite du procédé. Le modèle mécaniste standard (ADM1) présente toutefois des limites dans l'anticipation des dysfonctionnements et la gestion des conditions inhibitrices. L'intégration de données méta-omiques et l'intelligence artificielle pourraient améliorer ce modèle en combinant connaissances mécanistes et apprentissage automatique. 

Le projet exploratoire GREMLHINS, qui réunit les équipes PROSE, le TBI et le LBE d’INRAE, propose de :

• créer un groupe de travail interdisciplinaire afin de développer des modèles hybrides intégrant les données méta‑omiques
• développer un modèle pilote en utilisant des échantillons biologiques disponibles
• organiser des ateliers de formation aux technologies 4.0 à destination de la communauté scientifique du métaprogramme DIGIT‑BIO et promouvoir l’utilisation de ces outils

Objectifs

L’objectif du projet est de développer un modèle hybride qui associe le modèle mécaniste de référence ADM1 – utilisé pour la simulation des méthaniseurs⁽¹⁾ – à des algorithmes d’apprentissage automatique, afin d’intégrer les données biologiques (méta‑omiques) et d’améliorer la prévision de la production de methane. Cette combinaison vise notamment à mieux représenter les phases de stress (inhibition, surcharge, crash, récupération) qui sont actuellement mal ou pas modélisées pas le modèle ADM1.

Le projet est ainsi décomposé en 3 volets :

1. Constitution du jeu de données, à partir de jeux de données fournies par le partenaire PROSE et issus de différents projets ANR antérieurs (incubations en réacteurs continus ou semis continus, soumis à différents types de stress abiotiques). En début de projet, le jeu de données sera enrichi avec le séquençage shotgun des ADNs.
2. Identification des limites du modèle ADM1 et corrélation avec les données biologiques : Le modèle ADM1 sera calibré en utilisant ces jeux de données, afin d’identifier les conditions dans lesquelles le modèle fonctionne bien ou, a contrario, montre des baisses de performance.
3. Développement du modèle hybride. seconde phase de modélisation, qui visera à développer le modèle hybride, en s’appuyant sur les résultats obtenus lors de la phase précédente et les retours de l’atelier de réflexion prévu dans le cadre du projet

Le modèle hybride pilote développé dans le cadre du projet GREMLHINS devrait améliorer la capacité de prédiction de la production de méthane dans les méthaniseurs, et sera donc d’intérêt à la fois pour la communauté scientifique et pour les opérateurs. Ce modèle est également une première étape vers la création de jumeaux numériques, ouvrant la voie à de nombreuses perspectives de projets. Enfin, le projet illustrera l’usage des outils 4.0 au service d’une modélisation d’un écosystème microbien complexe, avec des ressources mises à disposition de la communauté.

Contact - Coordination :

Acteurs du projet

Unités INRAE impliquées