Exploration du réservoir de protéines de fonctions inconnues de l'océan

Exploring the reservoir of proteins of unknown function from the ocean

• Auteur / Autrice : Thibault Antoine
• Direction : Eric Pelletier
• Type : Projet de thèse
• Discipline(s) : Écologie
• Date : Inscription en doctorat le 01/01/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Structure et dynamique des systèmes vivants (Gif-sur-Yvette, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Génomique métabolique - DRF/JACOB/Génoscope
• Partenaire(s) de recherche : Référent : Université d'Évry-Val-d'Essonne (1991-....)

Mots clés

Mots clés libres

Génomique environnementale

Biologie computationnelle

Microbiome océanique

Environmental genomics

Computational Biology

Ocean microbiome

Résumé

La composante microbienne des océans représente ~60% de la biomasse de l'océan mondial et > 80% de la biomasse de la colonne d'eau. Ces organismes déploient de nombreuses interactions et des stratégies de survie différentes de celles des organismes macroscopiques (Worden et al., 2015). La fraction planctonique microbienne est la base de la chaîne alimentaire dont dépend essentiellement toute la vie océanique. Elle est également essentielle pour le lien entre le climat et les écosystèmes marins, via notamment la pompe à carbone, qui est sans doute le mécanisme biologique le plus important de la planète, par lequel le carbone fixé par la matière organique est séquestré loin du cycle du carbone, sur des échelles de temps géologiques. Jusqu'à peu, notre compréhension du microbiome océanique était essentiellement basée sur l'ensemble d'un groupe limité d'organismes de référence (Sibbald and Archibald, 2017). Mais au cours des cinq dernières années, l'accumulation de données de génomique environnementale (métagénomique et métatranscriptomique) a augmenté l'espace connus de gènes, et notamment les gènes codant pour des protéines nouvelles, ou dont la fonction est inconnue. Ainsi, le projet Tara Oceans a contribué largement à explorer le microbiome océanique à l'échelle du globe, en associant imagerie à grande échelle des organismes planctoniques, le séquençage à haut débit du contenu génomique et génétique, et la collecte de paramètres physico-chimiques décrivant le masses d'eau échantillonnées. Tara Oceans a fourni la plus grande collection de gènes marins jamais constituée, avec plus de 200 millions de gènes d'organismes viraux (Gregory et al., 2019), bactériens & archéens (Salazar et al., 2019) et eucaryotes (Pelletier et al., 2018). Cependant, 40 à 60 % des gènes récupérés restent fonctionnellement non caractérisés, du fait de l'absence de similarité significative avec des séquences déjà décrites, ce qui limite d'autant la compréhension fonctionnelle des organismes qui les portent et des communautés microbiennes qu'ils composent. Parallèlement à ce mouvement, les capacités nouvelles à reconstituer des génomes ou des transcriptomes à partir de collections de données de génomique environnementale. Ainsi, plus de 2000 génomes (MAGs – Metagenome Assembled Genomes) (Delmont et al., 2020) ou transcriptomes eucaryotes (MGT – Metagenome-based Transcriptomes) (Vorobev et al., 2020) et 1900 génomes bactériens et archéens (MAGs) (Delmont et al., 2018) ont été récemment reconstruits à partir des données Tara Oceans. Ces nouvelles données permettent aujourd'hui de donner à ces gènes de fonction encore inconnue des contextes biologiquement significatifs, et ainsi d'envisager de nouvelles pistes pour explorer leurs fonctions Le fait de pouvoir structurer ce vaste espace de séquences, et notamment celles de fonctions inconnues, en intégrant les génomes ou transcriptomes de référence déjà disponible, et de le combiner avec de riches données contextuelles, ouvre un large éventail de possibilités sur la manière dont nous pouvons interroger les génomes et les métagénomes (Faure et al., 2019; Vanni et al., 2020; Faure, Ayata and Bittner, 2021). Cette thèse se propose de d'explorer cet espace des séquences génomiques inconnues pour développer des approches permettant d'élargir nos connaissances sur le microbiome océanique. Nous avons trois objectifs principaux : (1) développer des méthodes pour améliorer l'identification et l'analyse des gènes de fonction inconnue à partir des génomes et des métagénomes, sur la base de réseaux de similarité de séquences ; (2) utiliser les génomes et transcriptomes de haute qualité reconstruits à partir des métagénomes et des métatranscriptomes pour fournir un contexte aux gènes de fonction inconnue ; (3) intégrer les profils d'expression des gènes, la distribution des organismes dans les différentes stations de prélèvement et les paramètres environnementaux associés pour explorer les potentielles fonctions de ces gènes.

Exploring the reservoir of proteins of unknown function from the ocean Direction: Eric Pelletier (CEA / Genoscope – CNRS, Fédération de Recherche “Global Ocean System Ecology and Evolution”) Context: The microbial component (viruses, bacteria, archaea and single cell eukaryotes) of the oceans represents ~60% of the world ocean biomass and >80% of the water column biomass. These organisms deploy many interactions and survival strategies that are different from those of macroscopic organisms (1). The microbial planktonic fraction is the base of the food chain on which all oceanic life essentially depends. It is also essential for the link between climate and marine ecosystems, in particular via the carbon pump, which is probably the most important biological mechanism on the planet, by which carbon fixed by organic matter is sequestered far from the carbon cycle, on geological time scales. Until recently, our understanding of the oceanic microbiome was essentially based on a limited group of reference organisms (2). But over the past five years, the accumulation of environmental genomics data (metagenomics and metatranscriptomics) has increased the known gene space, including genes encoding new proteins, or those with unknown function. Thus, the Tara Oceans project has made a major contribution to exploring the ocean microbiome on a global scale, by combining large-scale imaging of planktonic organisms, high-throughput sequencing of genomic and genetic content, and the collection of physico-chemical parameters describing the water mass sampled. Tara Oceans has provided the largest collection of marine genes ever assembled, with more than 200 million genes from viral (3), bacterial & archeal (4) and eukaryotic (5) organisms. However, 40 to 60% of the genes recovered remain functionally uncharacterised, due to the lack of significant similarity with previously described sequences, which further limits the functional understanding of the organisms that carry them and the microbial communities they comprise. Parallel to this movement is the new ability to reconstruct genomes or transcriptomes from collections of environmental genomics data. Thus, more than 2000 genomes (MAGs - Metagenome Assembled Genomes) (6) or eukaryotic transcriptomes (MGT - Metagenome-based Transcriptomes) (7) and 1900 bacterial and archeal genomes (MAGs) (8) have recently been reconstructed from Tara Oceans data. These new data now make it possible to give these genes of as yet unknown function biologically significant contexts, and thus to consider new avenues for exploring their functions. Being able to structure this vast sequence space, especially those of unknown functions, by integrating already available reference genomes or transcriptomes, and combining it with rich contextual data, opens up a wide range of possibilities on how we can interrogate genomes and metagenomes (9–11). This thesis proposes to explore this space of unknown genomic sequences in order to develop approaches to broaden our knowledge of the ocean microbiome. We have three main objectives: (1) to develop methods to improve the identification and analysis of genes of unknown function from genomes and metagenomes, based on networks of sequence similarity; (2) to use high quality genomes and transcriptomes reconstructed from metagenomes and metatranscriptomes to provide a context for genes of unknown function; (3) to integrate gene expression profiles, the distribution of organisms at different sampling stations and associated environmental parameters to explore the potential functions of these genes. The project will be realised in collaboration with A. Fernandez-Guerra (GLOBE Institute, Denmark) From a methodological point of view, we will use : • Approaches based on multi-layers graphs analysis, including sequence similarity networks (SSNs) and 3D structure similarity informations (12) • Exploration of gene expression profiles and co-expression networks within reference genomes and transcriptomes or reconstructed from environmental genomics data • The statistical connection with the parameters describing the environments in which the studied organisms were sampled. • information from metabolic modelling approaches of genomes / transcriptomes and communities of organisms Beyond the development of a general framework for processing, handling and analysis of these data, the focus will be on genes coding for proteins potentially associated with the biogeochemical cycles of sulphur and nitrogen (in connection with an ANR project submitted on this topic). The plan for the thesis is : • construction of the sequence similarity network integrating the environmental genomics data from the Tara Oceans project and the reference genomes and transcriptomes of marine planktonic organisms available (in particular via the MetDB resource, co-developed by the subject's supervisor), • definition of protein clusters from this network, and projection of available taxonomic and functional information on the sequences of these clusters • crossing of these clusters with genes present in existing MAGs / MGTs or references. • study of the taxonomic diversity of these clusters - exploration of evolutionary aspects • analysis of the expression data of these genes, construction of groups of co-expressed genes • analysis of correlations with environmental parameters • cross-referencing with reconstructed metabolic models for reference organisms, MAGs and MGTs (thesis in progress in the laboratory on this subject) • identification of candidate genes potentially related to metabolisms linked to the biogeochemical cycles of sulphur (dimethylsulfopropionate metabolism - DMSP) and nitrogen. Overall expected results • the sequence similarity network and protein clusters regrouping all the genomic and metagenomic resources of marine planktonic organisms currently available • the gene modules differentially expressed among MAGs and MGTs, as well as their correlations with the environmental parameters available for all Tara Oceans stations • a list of clusters of genes of unknown function, whose expression is highly correlated, within MAGs / MGTs, with that of cluster genes whose functions are linked to the biogeochemical cycles of sulphur and nitrogen via metabolic networks Expected publications: • an article describing the methodology described and the overall resource generated • an article on the functional analysis of genes of as yet unknown function involved in the biogeochemical cycles of sulphur and nitrogen. Profile: The successful candidate will have a background in computational biology / genomics, with demonstrated experience in sequence manipulation and analysis tools (HMMer, Diamond, MMseq2, Hhblit, ) in a Linux environment, as well as programming skills in shell and Perl or Python, and at easy with statistical analysis in R/Rstudio. Knowledge in biology are also required. References: 1. A. Z. Worden, M. J. Follows, S. J. Giovannoni, S. Wilken, A. E. Zimmerman, P. J. Keeling, Rethinking the marine carbon cycle: Factoring in the multifarious lifestyles of microbes. Science. 347 (2015), doi:10.1126/science.1257594. 2. S. J. Sibbald, J. M. Archibald, More protist genomes needed. Nature Ecology & Evolution. 1, 0145 (2017). 3. A. C. Gregory, A. A. Zayed, N. Conceição-Neto, B. Temperton, B. Bolduc, A. Alberti, M. Ardyna, K. Arkhipova, M. Carmichael, C. Cruaud, C. Dimier, G. Domínguez-Huerta, J. Ferland, S. Kandels, Y. Liu, C. Marec, S. Pesant, M. Picheral, S. Pisarev, J. Poulain, J.-É. Tremblay, D. Vik, S. G. Acinas, M. Babin, P. Bork, E. Boss, C. Bowler, G. Cochrane, C. de Vargas, M. Follows, G. Gorsky, N. Grimsley, L. Guidi, P. Hingamp, D. Iudicone, O. Jaillon, S. Kandels-Lewis, L. Karp-Boss, E. Karsenti, F. Not, H. Ogata, S. Pesant, N. Poulton, J. Raes, C. Sardet, S. Speich, L. Stemmann, M. B. Sullivan, S. Sunagawa, P. Wincker, M. Babin, C. Bowler, A. I. Culley, C. de Vargas, B. E. Dutilh, D. Iudicone, L. Karp-Boss, S. Roux, S. Sunagawa, P. Wincker, M. B. Sullivan, Marine DNA Viral Macro- and Microdiversity from Pole to Pole. Cell. 177, 1109-1123.e14 (2019). 4. G. Salazar, L. Paoli, A. Alberti, J. Huerta-Cepas, H.-J. Ruscheweyh, M. Cuenca, C. M. Field, L. P. Coelho, C. Cruaud, S. Engelen, A. C. Gregory, K. Labadie, C. Marec, E. Pelletier, M. Royo-Llonch, S. Roux, P. Sánchez, H. Uehara, A. A. Zayed, G. Zeller, M. Carmichael, C. Dimier, J. Ferland, S. Kandels, M. Picheral, S. Pisarev, J. Poulain, S. G. Acinas, M. Babin, P. Bork, E. Boss, C. Bowler, G. Cochrane, C. de Vargas, M. Follows, G. Gorsky, N. Grimsley, L. Guidi, P. Hingamp, D. Iudicone, O. Jaillon, S. Kandels-Lewis, L. Karp-Boss, E. Karsenti, F. Not, H. Ogata, S. Pesant, N. Poulton, J. Raes, C. Sardet, S. Speich, L. Stemmann, M. B. Sullivan, S. Sunagawa, P. Wincker, S. G. Acinas, M. Babin, P. Bork, C. Bowler, C. de Vargas, L. Guidi, P. Hingamp, D. Iudicone, L. Karp-Boss, E. Karsenti, H. Ogata, S. Pesant, S. Speich, M. B. Sullivan, P. Wincker, S. Sunagawa, Gene Expression Changes and Community Turnover Differentially Shape the Global Ocean Metatranscriptome. Cell. 179, 1068-1083.e21 (2019). 5. E. Pelletier, Q. Carradec, C. D. Silva, A. Alberti, Y. Seeleuthner, R. Blanc-Mathieu, G. Lima-Mendez, F. Rocha, L. Tirichine, K. Labadie, A. Kirilovsky, A. Bertrand, S. Engelen, M.-A. Madoui, R. Méheust, J. Poulain, S. Romac, D. J. Richter, G. Yoshikawa, C. Dimier, S. Kandels-Lewis, M. Picheral, S. Searson, O. Jaillon, J.-M. Aury, E. Karsenti, M. B. Sullivan, S. Sunagawa, P. Bork, F. Not, P. Hingamp, J. Raes, L. Guidi, H. Ogata, C. de Vargas, D. Iudicone, C. Bowler, P. Wincker, A global ocean atlas of eukaryotic genes. Nature Communications. 9, 373 (2018). 6. T. O. Delmont, M. Gaia, D. D. Hinsinger, P. Fremont, A. F. Guerra, A. M. Eren, C. Vanni, A. Kourlaiev, L. d'Agata, Q. Clayssen, E. Villar, K. Labadie, C. Cruaud, J. Poulain, C. D. Silva, M. Wessner, B. Noel, J.-M. Aury, T. O. Coordinators, C. de Vargas, C. Bowler, E. Karsenti, E. Pelletier, P. Wincker, O. Jaillon, bioRxiv, in press, doi:10.1101/2020.10.15.341214. 7. A. Vorobev, M. Dupouy, Q. Carradec, T. O. Delmont, A. Annamalé, P. Wincker, E. Pelletier, Transcriptome reconstruction and functional analysis of eukaryotic marine plankton communities via high-throughput metagenomics and metatranscriptomics. Genome Res. (2020), doi:10.1101/gr.253070.119. 8. T. O. Delmont, C. Quince, A. Shaiber, Ö. C. Esen, S. T. Lee, M. S. Rappé, S. L. McLellan, S. Lücker, A. M. Eren, Nitrogen-fixing populations of Planctomycetes and Proteobacteria are abundant in surface ocean metagenomes. Nature Microbiology. 3, 804 (2018). 9. E. Faure, F. Not, A.-S. Benoiston, K. Labadie, L. Bittner, S.-D. Ayata, Mixotrophic protists display contrasted biogeographies in the global ocean. The ISME Journal, 1 (2019). 10. C. Vanni, M. S. Schechter, S. G. Acinas, A. Barberán, P. L. Buttigieg, E. O. Casamayor, T. O. Delmont, C. M. Duarte, A. M. Eren, R. D. Finn, R. Kottmann, A. Mitchell, P. Sanchez, K. Siren, M. Steinegger, F. O. Glöckner, A. Fernandez-Guerra, bioRxiv, in press, doi:10.1101/2020.06.30.180448. 11. E. Faure, S.-D. Ayata, L. Bittner, Towards omics-based predictions of planktonic functional composition from environmental data. Nat Commun. 12, 4361 (2021). 12. M. Mirdita, S. Ovchinnikov, M. Steinegger, “ColabFold - Making protein folding accessible to all” (2021), p. 2021.08.15.456425, , doi:10.1101/2021.08.15.456425.