Contribution of meta-omics data in the detection and quantification of functional traits in planktonic ecosystems
Apport des données méta-omiques dans la détection et la quantification des traits fonctionnels au sein des écosystèmes planctoniques
Résumé
Marine planktonic organisms play a crucial role in trophic networks, global biogeochemical cycles, and climate regulation. Biogeochemical models simulate planktonic ecosystems dynamics to understand and predict climate change. In most biogeochemical models, planktonic diversity is implemented either through plankton functional types (PFT), _i.e._ theoretical entities grouping planktonic organisms according to shared functional capacities (_e.g._, calcifiers, nitrogen fixers or silicifiers), or functional traits, _i.e._ morphological, physiological or phenological features measurable at the individual level that effect growth, reproduction or survival (_e.g._ feeding modes, production of toxins or body size). These methods imply an a priori and restricted choice of the considered types or traits of planktonic organisms, potentially leading to oversimplified representations of planktonic diversity in models. Unprecedented amounts of meta-omics data on marine planktonic communities were recently collected at global scales, calling for the use of data-driven methodologies to determine and quantify the potential and realized functional traits of planktonic organisms in-situ. My objective in this thesis was therefore to determine how to use meta-omics data to quantify the distribution of functional traits in the environment. In a first part, I present how omics data can be used to describe and quantify specific, a priori selected traits in the global ocean. A particular focus is made on two functional traits: mixotrophy, from which the genomic basis is poorly known, and dimethyl sulfide (DMS) production, from which the genomic basis is well understood. I show how metabarcoding data on one hand and functional genomic markers on the other hand allow to decipher the biogeography of functional traits, identifying limits and advantages of the two types of data. In a second part, I present an approach allowing to detect putative protein families in metagenomics data that can be associated with functional traits, without any a priori choice of functional traits of interest. By quantifying the response of these emergent clusters to physico-chemical gradients in the global ocean, I show how this approach could allow to predict the functional composition of planktonic communities from environmental data in the near future. Finally, I use my results to discuss the potential of meta-omics data as a means of realistically representing the diversity of planktonic communities in biogeochemical models.
Les organismes planctoniques marins jouent un rôle crucial dans les réseaux trophiques, les cycles biogéochimiques globaux et la régulation du climat. Les modèles biogéochimiques simulent la dynamique des écosystèmes planctoniques pour comprendre et prédire le changement climatique. Dans la plupart de ces modèles, la diversité planctonique est représentée soit sous forme de types fonctionnels planctoniques (PFT), _i.e._ par des entités théoriques classant les organismes planctoniques selon leurs capacités fonctionnelles (_e.g._ organismes calcifiants, fixateurs d’azote, ou silicifiants), ou bien de traits fonctionnels, _i.e._ des caractéristiques morphologiques, physiologiques ou phénologiques mesurables au niveau individuel qui affectent la croissance, la reproduction ou la survie (_e.g._ modes trophiques, production de toxines ou taille corporelle). Un choix a priori et restreint des types planctoniques ou traits fonctionnels considérés est donc nécessaire, pouvant conduire à des représentations simplifiées de la diversité planctoniques dans les modèles. Des quantités inédites de données méta-omiques sur les communautés planctoniques ont récemment été collectées à l’échelle de l’océan global, appelant à l’utilisation de méthodes permettant de déterminer et quantifier les traits fonctionnels potentiels et réalisés des organismes planctoniques à partir de ces données _in-situ_. Mon objectif au cours de cette thèse fut donc de déterminer comment utiliser les données méta-omiques afin de quantifier la distribution de traits fonctionnels dans l’environnement. Dans une première partie, je présente comment les données omiques peuvent être utilisées pour décrire et quantifier dans l’océan global des traits spécifiques, choisis _a priori_. Deux traits fonctionnels sont utilisés en exemple: la mixotrophie, dont la base génomique est mal connue, et la production de diméthylsulfure (DMS), dont la base génomique est relativement bien étudiée. Je montre comment les données de métabarcoding d’une part et des marqueurs génomiques fonctionnels d’autre part permettent de décrire la biogéographie des traits fonctionnels, en identifiant les limites et les avantages des deux types de données. Dans une deuxième partie, je présente une approche permettant de faire émerger des familles protéiques putatives pouvant être associés à des traits fonctionnels au sein des données de métagénomique, sans choix _a priori_ de traits fonctionnels d’intérêt. En quantifiant la réponse de ces familles aux gradients physico-chimiques dans l’océan global, je montre comment cette approche pourrait permettre de prédire la composition fonctionnelle des communautés planctoniques à partir de données environnementales dans un avenir proche. Enfin, j’utilise mes résultats pour discuter du potentiel des données méta-omiques comme moyen de représenter de manière réaliste la diversité des communautés planctoniques dans les modèles biogéochimiques.
Origine : Fichiers produits par l'(les) auteur(s)