En savoir plus

Voir aussi :
- Le personnel  de l'équipe META
- Les publications
- Les thèses en cours

Responsable d'équipe : Yves Gibon (yves.gibon@inrae.fr)

Présentation et objectifs de recherche :

Meta est une équipe multidisciplinaire (chimie analytique, biochimie, biologie moléculaire, physiologie, statistique et bioinformatique) intéressée par le métabolisme et la manière dont il participe à la performance des plantes, qu’il s’agisse de rendement ou d’adaptation aux contraintes abiotiques et biotiques. Pour cela nous utilisons des approches de Biologie des Systèmes alternant expérimentation et modélisation. Ainsi nous générons de grands jeux de données que nous utilisons pour développer, paramétrer et valider des modèles prédictifs qui nous permettent de mieux comprendre le fonctionnement des plantes, notamment celui du fruit. Avec des modèles mathématiques bottom-up (des mécanismes vers le phénotype) nous essayons de comprendre comment les flux et les concentrations en métabolites sont contrôlés. Avec des modèles top-down (du phénotype vers les mécanismes) nous recherchons des marqueurs métaboliques associés à la performance, première étape vers la mise à jour des mécanismes sous-jacents. Alors qu’au cours des dernières années nous étions focalisés sur le métabolisme central, désormais nous nous intéressons aussi au métabolisme redox ainsi qu’au métabolisme secondaire, notamment en raison de leur implication dans l’adaptation aux contraintes environnementales.

Base expérimentale

Notre stratégie expérimentale consiste en des expériences détaillées (dynamique temporelle, diversité des espèces et/ou des génotypes) menées dans des conditions réalistes, dans les serres de notre unité ou en partenariat avec des plateformes de phénotypage voire des instituts techniques. Nous collectons le plus d'information possible sur les conditions environnementales et la physiologie des plantes et des fruits, et nous prélevons de grandes collections d'échantillons selon des procédures standardisées (collecte, transport, stockage) que nous utilisons pour réaliser des analyses multi-niveaux (transcriptome, protéome, activome, métabolome, composition de la biomasse).

L’équipe est à l’origine de Bordeaux Metabolome, une plateforme analytique mutualisée créée en 2003, sur laquelle nous réalisons des analyses ciblées ou non-ciblées du métabolome, ces dernières pouvant être complétées par de l’annotation voire des analyses structurales pour identifier des métabolites. Nous possédons une plateforme quasi unique dédiée au profilage robotisé d’activités enzymatiques et nous avons récemment entamé la construction d’une plateforme de microfluidique et d’une plateforme dédiée au métabolisme redox. Nous développons continuellement de nouveaux outils destinés à l’étude du métabolisme : des équations et un protocole d'optimisation robotisé pour l'analyse des activités enzymatiques (Bénard & Gibon 2016), NMR-ProcFlow pour le traitement des données RMN (Jacob et al. 2017), BioStatFlow pour l'analyse statistique des données métabolomiques (Jacob et al. 2020), Maggot et ODAM pour l'organisation et l'exploitation future des données FAIR, et EasyReg pour ajuster les fonctions mathématiques sur les données.

Avec le projet ERASysBio+ FRIM (2010-2013) nous avons décrit le métabolisme du fruit de tomate en détail (Biais et al. 2014), approche élargie à 9 autres espèces de fruits avec le projet ANR FRIMOUSS (2015-2020 ; Roch et al. 2020). Avec les projets INRAE BAP CLIMAX et EU H2020 GLOMICAVE nous complétons le jeu de données avec la transcriptomique et la protéomique pour étudier le métabolisme des fruits sous de nouveaux angles.

Impliqués dans les projets ANR PIA MetaboHUB et PHENOME, respectivement dédiés à la métabolomique et au phénotypage des plantes, nous avons développé un pipeline combinant robotique et spectrométrie de masse afin de pouvoir traiter des centaines voire des milliers d’échantillons en vue de rechercher des marqueurs métaboliques associés à la performance et bâtir des modèle de métabolomique prédictive.

Thèmes de recherche

1. Modélisation « bottom-up » (des mécanismes vers le phénotype)

Nous cherchons à mieux comprendre le fonctionnement du métabolisme, en particulier les compromis entre croissance et qualité et comment les facteurs environnementaux (biotiques et abiotiques) sont intégrés. En menant des expériences virtuelles, nous cherchons des moyens de manipuler l'accumulation de métabolites d'intérêt (qualité alimentaire, défense contre le stress biotique ou abiotique, etc.) ou le taux de croissance (contrôle des flux métaboliques, lien entre le renouvellement des protéines et la croissance, etc.). Notre objectif est de proposer de nouveaux idéotypes ou pratiques agricoles basés sur des prédictions obtenues à partir de modèles mécanistes.

Grâce à l’élaboration de modèles mathématiques utilisant des données expérimentales, nous cherchons à prédire ou comprendre des évènements biologiques. Chez la tomate, cette approche nous a permis de montrer l’importance du transport vacuolaire des sucres chez le très jeune fruit (Beauvoit et al. 2014 ; Shinozaki et al. 2020), de prédire les changements de flux du métabolisme central (Colombié et al 2015) ainsi que le rôle de la dégradation de l’amidon et des parois avant l’entrée en maturation, coïncidant avec la crise climactérique (Colombié et al. 2017). Plus récemment, en intégrant des données transcriptomiques et protéomiques nous avons estimé le turnover de plus de 1000 protéines du fruit de tomate (Belouah et al. 2019) et caractérisé la régulation du métabolisme redox au cours de son développement (Decros et al 2019a).

Nous sommes aussi convaincus que la comparaison de systèmes biologiques nous permettra de mieux comprendre la manière dont la programmation du métabolisme conditionne la performance des productions végétales. Aussi avec le projet ANR FRIMOUSS (2015-2019) nous comparons désormais les fruits de 10 espèces (Beauvoit et al. 2018).

2.Marqueurs métaboliques de la performance

Parce-que le métabolome des plantes contient des informations sur leur biologie, nous partons de l’hypothèse qu’il peut être utilisé pour prédire des traits tels que le rendement ou la résistance au stress (Fernandez et al. 2020). En nous appuyant sur la Plateforme Bordeaux Metabolome, nous recherchons des marqueurs métaboliques (seuls ou en combinaison) associés à des traits comme la vitesse de croissance, le rendement, la qualité, la résistance à des contraintes abiotiques ou biotiques. Avec des outils statistiques nous combinons des données métaboliques (mesures ciblées ou non-ciblées de métabolites, de milliers de signatures de métabolites, de composés majeurs de la biomasse, et/ou d’activités enzymatiques) et agronomiques (traits mesurés au champ ou en serre, voire sur des plateformes de phénotypage) pour des panels de plusieurs dizaines ou centaines de génotypes. Ainsi des analyses univariées et multivariées classiques avec ou sans a priori et des approches de modélisation voire de machine learning sont utilisées pour mettre à jour des marqueurs métaboliques associés à la prédiction de la performance de la plante. Ces travaux sont menés principalement sur des plantes d’intérêt agronomique, notamment le maïs (ANR PIA AMAIZING, Lamari et al. 2018), le tournesol (ANR PIA SUNRISE, Fernandez et al. 2019)), le blé (ANR PIA BREEDWHEAT) et la cameline (EU H2020 UNTWIST), mais aussi dans d’autres projets impliquant métabolisme, biodiversité et adaptation. L’étape suivante est, en collaboration avec des généticiens et des modélisateurs, d’identifier les bases génétiques qui sous-tendent le contrôle des marqueurs métaboliques, ou de concevoir des stratégies de sélection utilisant ces marqueurs directement, après les avoir validés sur plusieurs expérimentations.

3. Métabolisme redox et performance

Le métabolisme redox, et plus généralement les antioxydants, joueront un rôle majeur dans l'agriculture du futur car leur implication dans l'adaptation et l'acclimatation des plantes à l'environnement croîtra à mesure que l'utilisation de pesticides ou d'engrais diminuera voire disparaîtra. Alors que des décennies de recherche ont étudié l'homéostasie redox dans les feuilles, peu de travaux concernent les fruits, ce qui est surprenant si l'on considère que ces derniers constituent une source majeure d’antioxydants pour l’alimentation.
Nous visons à mieux comprendre comment la signalisation et la détoxification se réconcilient dans les processus de développement et les réponses aux stress biotiques ou abiotiques. Un de nos objectifs finaux est de mieux comprendre pourquoi la domestication a conduit à une diminution des antioxydants dans les fruits charnus.

Nous développons une plateforme redox, un outil unique donnant la possibilité de mesurer à haut débit de multiples marqueurs biochimiques du métabolisme redox dont les ROS et les principaux tampons et enzymes redox. Cette plateforme développe et met en œuvre des analyses biochimiques ciblées et des protocoles de spectrométrie de masse incluant la quantification et la distribution spatiale des acteurs redox.

Références

Beauvoit B, Colombié S, Monier A, Andrieu M-H, Biais B, Bénard C, Cheniclet C, Dieuaide Noubhani M, Nazaret C, Mazat J-P, Gibon Y (2014) Model-Assisted Analysis of Sugar Metabolism throughout Tomato Fruit Development Reveals Enzyme and Carrier Properties in Relation to Vacuole Expansion. The Plant Cell 26: 3224-3242, doi: 10.1105/tpc.114.127761

Beauvoit B, Belouah I, Bertin N, Cakpo CB, Colombié S, Dai Z, Gautier H, Génard M, Moing A, Roch L, Vercambre G, Gibon Y (2018) Putting primary metabolism into perspective to obtain better fruits. Annals of Botany 122: 1-21, doi: 10.1093/aob/mcy057

Bénard C, Gibon Y (2016) Measurement of enzyme activities and optimization of continuous and discontinuous assays. Current Protocols in Plant Biology 1: 247-262, doi: 10.1002/cppb.20003

Belouah I, Nazaret C, Pétriacq P, Prigent S, Bénard C, Mengin V, Blein-Nicolas M, Denton AK, Balliau T, Augé S, Bouchez O, Mazat J-P, Stitt M, Usadel B, Zivy M, Beauvoit B, Gibon Y, Colombié S (2019) Modeling Protein Destiny in Developing Fruit. Plant Physiology, doi: https://doi.org/10.1104/pp.19.00086

Biais B, Bénard C, Beauvoit B, Colombié S, Prodhomme D, Ménard G, Bernillon S, Gehl B, Gautier H, Ballias P, Mazat J-P, Sweetlove LJ, Génard M, Gibon Y (2014) Remarkable reproducibility of enzyme activity profiles in tomato fruits grown under contrasting environments provides a roadmap for studies of fruit metabolism. Plant Physiology 164: 1204-1221, doi: 10.1104/pp.113.231241

Colombié S, Beauvoit B, Nazaret C, Benard C, Vercambre G, Le Gall S, Biais B, Cabasson C, Maucourt M, Bernillon S, Moing A, Dieuaide-Noubhani M, Mazat J-P, Gibon Y (2017). Respiration climacteric in tomato fruits elucidated by constraint-based modelling. New Phytologist 213:1726-1739, doi: 10.1111/nph.14301

Colombié S, Nazaret C, Bénard C, Biais B, Mengin V, Solé M, Fouillen L, Dieuaide Noubhani M, Mazat J-P, Beauvoit B, Gibon Y (2015). Modelling central metabolic fluxes by constraint-based optimization reveals metabolic reprogramming of developing Solanum lycopersicum (tomato) fruit. Plant Journal 81: 24-39, doi: 10.1111/tpj.12685

Decros G, Beauvoit B, Colombié S, Cabasson C, Bernillon S, Arrivault S, Guenther M, Prigent S, Gibon Y, Pétriacq P (2019a) Regulation of pyridine nucleotides metabolism along tomato fruit development through transcript and protein profiling. Frontiers in Plant Science 10: 1201, doi: 10.3389/fpls.2019.01201

Decros G, Baldet P, Beauvoit B, Stevens R, Flandin A, Colombié S, Gibon Y, Pétriacq P (2019b). Get the Balance Right: ROS Homeostasis and Redox Signalling in Fruit. Frontiers in Plant Science 10: 1091, doi: 10.3389/fpls.2019.01091

Fernandez O, Urrutia M, Berton T, Bernillon S, Deborde C, Jacob D, Maucourt M, Maury P, Duruflé H, Gibon Y, Langlade NB, Moing A (2019). Metabolomic characterization of sunflower leaf allows discriminating genotype groups or stress levels with a minimal set of metabolic markers. Metabolomics 15: 56, doi: 10.1007/s11306-019-1515-4

Fernandez O, Millet E, Rincent R, Prigent S, Pétriacq P, Gibon Y (2020) Plant metabolomics and breeding. In Plant Metabolomics, Pétriacq P & Bouchereau A (eds). Advances in Botanical Research series. doi.org/10.1016/bs.abr.2020.09.020.

Jacob D, Deborde C, Lefebvre M, Maucourt M, Moing A (2017). NMRProcFlow: a graphical and interactive tool dedicated to 1D spectra processing for NMR-based metabolomics. Metabolomics, 13: 36, doi: 10.1007/s11306-017-1178-y

Jacob D, Deborde C, Moing A (2020) BioStatFlow -Statistical Analysis Workflow for "Omics" Data. ArXiv preprint, 2007.04599.

Lamari N, Zhendre V, Urrutia M, Bernillon S, Maucourt M, Deborde C, Prodhomme D, Jacob D, Ballias P, Rolin D, Sellier H, Rabier D, Gibon Y, Giauffret C, Moing A (2018) Metabotyping of 30 maize hybrids under early-sowing conditions reveals potential marker-metabolites for breeding. Metabolomics 14: 132, doi: 10.1007/s11306-018-1427-8

Roch L, Prigent P, Klose H, Cakpo C-B, Beauvoit B, Deborde C, Fouillen L, van Delft P, Jacob D, Usadel B, Dai Z, Génard M, Vercambre G, Colombié S, Moing A, Gibon Y (2020) Biomass composition explains fruit relative growth rate and discriminates climacteric from non-climacteric species. Journal of Experimental Botany 19: 5823-5836, doi: 10.1093/jxb/eraa302

Shinozaki Y, Beauvoit BP, Takahara M, Hao S, Ezura K, Andrieu M-H, Nishida K, Mori K, Suzuki Y, Kuhara S, Enomoto H, Kusano M, Fukushima A, Mori T, Kojima M, Kobayashi M, Sakakibara H, Saito K, Ohtani Y, Bénard C, Prodhomme D, Gibon Y, Ezura H, Ariizumi T (2020) Fruit setting rewires central metabolism via gibberellin cascades. PNAS 117 : 23970-23981, doi: 10.1073/pnas.2011859117