Estimateurs de biodiversité robustes pour le métabarcoding

Robust biodiversity estimators for metabarcoding

• Auteur / Autrice : Sylvain Moinard
• Direction : Eric Coissac, Christelle Melo de lima
• Type : Projet de thèse
• Discipline(s) : Biodiversité-Ecologie-Environnement
• Date : Inscription en doctorat le ; Soutenance le 13/12/2023
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale chimie et science du vivant
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'ECologie Alpine
• Jury : Président / Présidente : François Pompanon
• Jury : Examinateurs / Examinatrices : Eric Coissac, Christelle Gonindard, Nigel Gilles Yoccoz, Guillaume Achaz, Lucie Zinger, Purificación Lopez-garcia
• Jury : Rapporteurs / Rapporteuses : Nigel Gilles Yoccoz, Guillaume Achaz

Mots clés

Mots clés libres

Ecologie

Bioinformatique

Biomathématiques

Biodiversité

Biomathematics

Bioinformatic

Ecology

Biodiversity

Résumé

Du fait de l’activité humaine, la biodiversité connaît un bouleversement rapide à l’échelle mondiale : extinction d’espèces, diminution des populations, introduction d’espèces invasives... Pour mettre en place des mesures de conservation, il faut être capable d'évaluer l’état de la biodiversité sur un site donné. De nombreux indicateurs existent mais l’observation directe des espèces pour les calculer est laborieuse. L’étude de l’ADN environnemental par le métabarcoding permet de dépasser cette limite et fournit une source d’information prometteuse pour améliorer la gestion des écosystèmes. Cependant, l’estimation des abondances relatives des espèces est encore mal établie pour les données de métabarcoding à cause de biais introduits au cours de l'expérience et de l’incertitude de l'identification des espèces présentes. Pendant ma thèse, j'ai cherché à améliorer les aspects quantitatifs du métabarcoding sur le plan expérimental et en développant de nouveaux outils théoriques d’analyse. Ma thèse comporte trois chapitres. Le premier chapitre est consacré à un nouvel algorithme d’inférence de paramètres pour modèles aléatoires, appelé Fixed Landscape Inference MethOd (flimo). Il est applicable à une large gamme de modèles utilisés en écologie, pour le métabarcoding mais aussi en génétique des populations ou en dynamique des populations. Il fonctionne dans le même cadre que les algorithmes d’Approximate Bayesian Computation (ABC) en procédant par simulations du modèle sans considérer sa vraisemblance. Sur les exemples étudiés, les résultats de flimo sont obtenus beaucoup plus vite que pour les algorithmes utilisés en comparaison avec une précision similaire. Le deuxième chapitre présente mes travaux sur le métabarcoding quantitatif. Deux des biais du processus ont été mesurés expérimentalement et je propose un protocole simple pour les corriger. Le premier biais est lié à la variabilité inter-spécifique du nombre de copies des portions d’ADN ciblées par le métabarcoding et a été mesuré par digital droplet PCR. Le second biais est dû à l’amplification plus ou moins efficace des différents marqueurs au cours de la PCR. Ce biais a été mesuré à la fois par qPCR Taqman et retrouvé numériquement à partir d’un mélange d’ADN de composition connue. Ces travaux sont appuyés par le développement d’un modèle mathématique de PCR qui décrit mieux le phénomène que les modèles couramment utilisé en métabarcoding. Le troisième chapitre aborde le sujet de l’attribution des séquences observées dans les données de métabarcoding à des espèces réelles. Je montre des limites des algorithmes communs de traitement des séquences et propose des pistes d’amélioration pour un algorithme existant, obiclean, qui trie les séquences sur la base d’un graphe de mutation. Les séquences sont attribuées aux espèces de manière probabiliste sur la base de la vraisemblance d’un modèle d’erreur et en observant les co-occurrences des différents variants au sein d’un jeu de données avec de multiples échantillons indépendants. Les mesures de biodiversité sont ensuite adaptées à ce contexte aléatoire. Mes travaux ont apporté plusieurs contributions à la recherche en écologie. J’ai émis plusieurs idées nouvelles pour interpréter les données de métabarcoding, en affinant la compréhension des processus qui affectent leur qualité et en proposant des solutions réalistes pour les analyser. Mes travaux méthodologiques de modélisation et de développement algorithmique me semblent aussi importants pour améliorer les outils statistiques utilisés en écologie.

Due to human activity, biodiversity is undergoing rapid change on a global scale: species extinction, population decline, introduction of invasive species... To implement conservation measures, we need to be able to assess the state of biodiversity on a given site. Numerous indicators exist, but direct observation of species to compute them is laborious. The analysis of environmental DNA using metabarcoding overcomes this limitation and provides a promising source of information to improve ecosystem monitoring. However, the estimation of relative abundances of species is still poorly established for metabarcoding data, due to biases introduced during the experiment and to the uncertainty of identifying the species present. During my PhD, I aimed to improve the quantitative aspects of metabarcoding both experimentally and by developing new theoretical tools for analysis. My PhD thesis is divided into three chapters. The first chapter is devoted to a new parameter inference algorithm for random models, called Fixed Landscape Inference MethOd (flimo). It is applicable to a wide range of models used in ecology, for metabarcoding but also in population genetics or population dynamics. It operates within the same framework as Approximate Bayesian Computation (ABC) algorithms, by simulating the model without considering its likelihood. On the examples studied, flimo results are obtained much faster than for the algorithms used in comparison, with similar accuracy. The second chapter presents my work on quantitative metabarcoding. Two biases in the process have been measured experimentally, and I propose a simple protocol to correct them. The first bias is linked to inter-specific variability in the copy number of DNA portions targeted by metabarcoding, and was measured by digital droplet PCR. The second bias is due to the more or less efficient amplification of the species barcodes during PCR. This bias was measured both by Taqman qPCR and recovered numerically from a DNA mixture of known composition. This work is supported by the development of a mathematical model of PCR that better describes the process than the models commonly used in metabarcoding. The third chapter deals with the attribution of sequences observed in metabarcoding data to real species. I show the limitations of some sequence processing algorithms and propose improvements to an existing algorithm, obiclean, which classifies sequences on the basis of a mutation graph. Sequences are assigned to species probabilistically on the basis of the likelihood of an error model and by observing co-occurrences of different variants within a dataset with multiple independent samples. Biodiversity measurements are then adapted to this stochastic context. My work has brought several contributions to ecological research. I have put forward new ideas for interpreting metabarcoding data, refining our understanding of the processes affecting their quality and proposing realistic solutions for analyzing them. My methodological work in modeling and algorithmic development is also important for improving the statistical tools used in ecology.