Prévoir les fonctions émergentes dans les communautés microbiennes

Predicting emergent functions in microbial communities

• Auteur / Autrice : Victor Peris yagüe
• Direction : Simona Cocco
• Type : Projet de thèse
• Discipline(s) : Physique
• Date : Inscription en doctorat le 01/09/2024
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Physique en Ile de France
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Physique de l'École normale supérieure
• Partenaire(s) de recherche : établissement opérateur d'inscription : Ecole normale supérieure

Mots clés

Mots clés libres

Physique statistique

Écologie microbienne

Modèles statistiques

Prédiction

Statistical Physics

Microbial Ecology

Statistical Models

Prediction

Résumé

Dans les communautés microbiennes, comme dans d'autres systèmes complexes, la prévision des performances d'un nouvel ensemble d'espèces dépend d'un grand nombre d'interactions. Ces interactions se produisent entre les espèces bactériennes et, potentiellement, elles peuvent être hautement non linéaires. Dans ce projet, nous adoptons une approche de physique statistique pour modéliser la fonction des communautés microbiennes en tant que résultat des interactions épistatiques entre les espèces bactériennes. Nous visons à prédire différentes fonctions des communautés microbiennes, de la production de différents métabolites à la résistance collective à l'exposition aux antibiotiques.

In microbial communities, as in other complex systems, predicting how a new ensemble of species will perform depends on a large number of interactions. Such interactions occur between bacterial species and, potentially, they can be highly non-linear. In this project, we take a statistical physics approach to model microbial community function as a result of epistatic interactions between bacterial species. We aim at predicting different microbial community functions, from production of different metabolites to collective resistance to antibiotic exposure.