Elaboration d'un modèle du métabolisme basé sur l'allocation des ressources afin de simuler la performance du fruit de tomate

• Directeurs de thèse :Sophie Colombie (BFP), Anne Goelzer
• École doctorale : École doctorale Sciences de la Vie et de la Santé (ED154)
• Établissement : Université de Bordeaux
• Financement : 50% MAMBO (GD Biocontrôle/Biostimulation) et 50% département BAP (INRAE)

Résumé : La tomate est le premier légume produit au monde avec 164.5 millions de tonnes produites dans plus de 170 pays. C’est un organisme modèle pour les plantes à fruits charnus. La tomate est donc très étudiée et de nombreux jeux de données omiques sont désormais disponibles. Son génome complet a été séquencé (The Tomato Genome Consortium, 2012) et des modèles métaboliques ont été reconstruit par la suite (Yuan et al. 2016, Gerlin et al., 2022).

Le but de ma thèse est de prédire des phénotypes d’intérêt agronomique à l’aide d’un modèle métabolique de type RBA (Resource Balance Analysis) (Goelzer et al., 2024) qui permet la simulation des flux métaboliques en prenant en considération les principaux processus cellulaires. Pour obtenir le modèle final, il est envisagé de consolider le modèle préexistant (Gerlin, 2022) en affinant la description des enzymes ainsi que de reconstruire toutes les machines moléculaires d’intêret en recherchant les orthologues avec Arabidopsis thaliana. Cette approche de reconstruction/consolidation de modèle métabolique par transfert de connaissance se veut générique et pourra servir de base à la construction de modèles de plante d’intérêt agronomique dans le futur. Pour la construction, la calibration et la simulation du modèle, je m’appuierai principalement sur ces trois outils : RBApy (Bulovic et al., 2019), RBAtool (Bodeit et al., 2023) et PlantCellRBA (Goelzer et al., 2024). Un large panel de données expérimentales est également à ma disposition:

• Données omiques à 9 stades de développement du fruit de tomate

  • transcriptomique en quantification absolue (Belouah et al 2020)

  • protéomique en quantification absolue (Belouah et al 2020)

  • métabolomique ciblée et non ciblée (Roch et al. 2020)

• Données de marquage isotopique (C13, N15)

La prédiction phénotypique se fera sous différentes conditions environnementales tel que dans (Parent, 2010) et inclura l’effet de la température sur l’activité enzymatique. Une fois le modèle reconstruit, il sera paramétré avec des données du fruit de tomate au stade jeune (4 à 8 jours après anthèse) à partir des données disponibles (composition de la biomasse, volume cellulaire, transcriptome, protéome, etc) et d’autres paramètres pourront être estimés à l’aide d’algorithmes développés dans le cadre du projet DIGITBIO PlantRBA.

La dernière étape consistera à prédire et simuler les flux métaboliques du jeune fruit en croissance en conditions nutritionnelles variées et/ou avec un scénario de température fixé pour chaque stade, puis en régime dynamique au cours du développement du fruit. Ces calculs permettront d’identifier des mécanismes clés et les étapes limitantes de la croissance du fruit pour proposer des leviers et améliorer la performance du développement. Cette étape sera confrontée à des nouvelles données expérimentales permettant la validation du modèle.