Modélisation spatio temporelle de la déconstruction de la biomasse

par Laurent Chapillon

Projet de thèse en Informatique appliquée

Sous la direction de Gabriel Paes et de Yassin Refahi.

Thèses en préparation à Reims , dans le cadre de École doctorale Agriculture, Alimentation, Biologie, Environnement, Santé , en partenariat avec Fractionnement des agro-ressources et environnement (laboratoire) depuis le 01-10-2020 .


  • Résumé

    La valorisation de la biomasse lignocellulosique (BL) pour la chimie verte et l'énergie constitue l'une desvoies importantes pour substituer des énergies fossiles par des ressources renouvelables et lutter contre leréchauffement climatique. Mais la BL est récalcitrante à l'action des enzymes ce qui rend sa conversionencore peu rentable économiquement. Plusieurs marqueurs physico-chimiques sont à l'origine de larécalcitrance de la BL, la plupart d'entre eux se situe à l'échelle nanométrique. Ainsi, l'influence descaractéristiques structurales à l'échelle cellulaire et tissulaire de la BL sur la récalcitrance n'a pas encore étéétudiée. Récemment, notre équipe a mis en place une approche d'imagerie par microscopie confocale et detraitement des images 4D (espace + temps) comprenant la segmentation et le tracking, qui fournit unereprésentation binaire des parois individuelles et de leur évolution au cours de l'hydrolyse. Le projet dethèse vise dans un premier temps à développer une suite d'outils informatiques pour extraire ladynamique de l'intensité du voxel (pixel volumétrique) représentant la déconstruction enzymatique de laBL. Les valeurs extraites seront ensuite utilisées pour estimer les paramètres d'un modèle cinétiquehiérarchique spatialisé. Une analyse de corrélation entre l'évolution temporelle des intensités des voxels etla composition de la paroi cellulaire permettra de proposer des hypothèses sur les mécanismes sous-jacents à la récalcitrance de la BL. L'universalité des hypothèses proposées et les prédictions du modèleseront étudiées sur différentes espèces de biomasse.

  • Titre traduit

    Spatio-Temporal Modelling of Lignocellulosic Biomass Deconstruction


  • Résumé

    Renewable resource from agriculture and forestry such as lignocellulosic biomass (LB) is foreseen as an alternativeto fossil carbon to produce biofuel, bio-based chemicals and materials in biorefineries to limit climate change. Never-theless, due to chemical and structural complexity of LB, it is recalcitrant to biochemical deconstruction by enzymesand requires expensive pretreatment steps. To achieve a cost-effective deconstruction, it is necessary to understandand overcome the chemical and structural parameters conferring the recalcitrance to LB. Despite extensive researchon identifying such parameters, no universal parameter (not specific to biomass species and pretreatment type) hasyet been found. To identify key structural parameters underlying recalcitrance, our team has recently investigatedthe importance of structural parameters at the cellular / tissular scale. At this end, wood samples are imaged duringenzymatic hydrolysis by confocal microscopic time-lapse imaging, providing the observation of the hydrolysis at acellular level. A first 4D (space + time) image processing including segmentation and tracking has been set up atFARE laboratory, that gives access to a binary representation of individual cell walls and their evolution over time.Starting from this pipeline and the available 4D dataset, the PhD candidate will further develop the pipeline toextract the dynamics of voxel intensity representing LB deconstruction captured in time series. The extracted valueswill be used to estimate parameters of a spatial kinetic model (typically Michaelis-Menten kinetics). A correlationanalysis between the temporal evolution of voxel intensities and cell wall composition will allow to propose hypo-theses of mechanisms underlying LB recalcitrance. The universality of proposed hypotheses and model predictionswill be investigated on different biomass species.