Construire des modèles pour prédire les interactions dans le microbiome végétal

Les plantes, les animaux et les humains abritent de nombreux micro-organismes tels que des bactéries et des champignons. Ceux-ci forment des communautés complexes qui ont un effet profond sur la santé de leur hôte. Un microbiome notable est l’intestin humain, qui aide à digérer notre nourriture et nous protège des agents pathogènes.

Les plantes hébergent également des communautés microbiennes sur leurs racines et leurs feuilles. Ces communautés peuvent favoriser la croissance et éviter les bactéries nocives. Ainsi, les microbes végétaux ont le potentiel de rendre l’agriculture plus durable. Cependant, nous n’avons actuellement qu’une compréhension rudimentaire des interactions entre les espèces qui composent ces communautés microbiennes.

Pourquoi ces communautés ont-elles tendance à n’être peuplées que de certains types de microbes et pas d’autres ? « Nous savions déjà que le microbiome foliaire n’était pas seulement une collection aléatoire de microbes », explique Julia Vorholt, professeur de microbiologie à l’ETH Zurich. « Mais les règles qui déterminent comment ces sociétés se forment et quels sont les mécanismes qui façonnent leur composition n’ont pas été trouvées. »

Maintenant, une équipe de chercheurs dirigée par Vorholt a identifié un tel principe d’organisation pour les bactéries qui vivent sur les feuilles de la plante Arabidopsis thaliana (Cress). Les chercheurs ont développé un ensemble de modèles qui utilisent les préférences nutritionnelles et les capacités métaboliques des souches bactériennes individuelles pour prédire comment les microbes de la surface des feuilles se font concurrence ou coopèrent les uns avec les autres, nous aidant à mieux comprendre la nature du microbiome résultant.

L’étude de l’équipe de recherche, menée en collaboration avec des collègues de l’EPFL, est publiée dans le dernier numéro de la revue. les sciences.

La compétition pour les ressources conduit à des interactions distinctes

Dans le cadre de travaux antérieurs, le groupe de Vorholt avait déjà montré que les communautés microbiennes sur les feuilles des plantes étaient remarquablement similaires. « La composition cohérente de ces communautés indique un mécanisme fondamental qui contrôle la formation des microbiomes foliaires », explique Voorholt.

Martin Schäfer, chercheur postdoctoral dans le groupe de Vorholt et co-auteur principal de l’étude, explique : « Étant donné que toutes les bactéries dépendent en fin de compte des molécules organiques comme nourriture, nous avons demandé si nous pouvions prédire la façon dont elles interagissent en sachant quelles molécules alimentaires elles peuvent métaboliser. . » . »

Alan Pacheco, également co-auteur principal, ajoute : « Dans un environnement concurrentiel, les niches alimentaires peuvent conduire à une symbiose et une coopération stables, les microbes interagissant pour un bénéfice mutuel grâce à l’échange de ressources. »

La question directrice posée par Vorholt et son équipe est la suivante : les capacités métaboliques de différentes bactéries peuvent-elles être utilisées pour comprendre comment le microbiome foliaire est façonné ?

Les profils de carbone révèlent la concurrence pour les ressources

Pour répondre à cette question, les chercheurs ont commencé par tester la capacité de plus de 200 souches représentatives de bactéries des feuilles d’Arabidopsis thaliana à se développer en utilisant 45 sources de carbone différentes. À l’aide de ces profils de carbone, ils ont déterminé qu’il y avait un chevauchement important entre les points de vente alimentaires dans les souches. Cela indique qu’il existe une concurrence féroce pour les ressources.

Les chercheurs ont ensuite utilisé ces profils de carbone pour construire un ensemble de modèles métaboliques fiables pour toutes les souches bactériennes, simulant les interactions entre plus de 17 500 paires de bactéries. Conformément au large chevauchement des niches alimentaires, les simulations ont montré une dominance marquée des interactions négatives : lorsque la concurrence provoque des déclins de population d’au moins une des deux souches.

Éviter la concurrence en coopérant

Malgré la prévalence de la compétition, les modèles métaboliques ont également prédit des interactions positives. Une analyse plus approfondie a révélé que ces interactions coopératives peuvent être attribuées à l’échange d’acides organiques et d’acides aminés. Les auteurs de l’étude ont mené des expériences en usine pour tester les prédictions des modèles et ont pu les confirmer avec une précision de 89 %.

La précision des modèles a surpris même les chercheurs eux-mêmes : « Le degré élevé de fiabilité indique que nos hypothèses initiales sur l’importance des caractéristiques métaboliques étaient correctes », déclare Pacheco.

Exploiter les microbes pour l’application

« Ce qui est cool avec nos modèles, c’est qu’ils fonctionnent aussi en sens inverse, en ce sens qu’ils peuvent être utilisés pour identifier les mécanismes qui donnent lieu à certains modèles d’interaction », explique Voorholt. Cela ouvre la voie à une conception ciblée du microbiome, qui est une condition préalable aux applications en aval dans l’agriculture.

Actuellement, les entreprises semencières et les producteurs agrochimiques utilisent un processus d’essais et d’erreurs pour rechercher des microbes qui soutiennent la protection durable des cultures. Ainsi, les découvertes de l’équipe ne sont pas seulement pertinentes pour la recherche fondamentale, mais aussi pour des applications dans la conception de microbiomes pour l’agriculture.

Voorholt est co-directeur du Pôle de recherche national suisse (NCCR) sur le microbiome. L’étude actuelle de son équipe fait progresser la recherche à travers un réseau de 20 groupes, visant à comprendre le microbiome – des plantes aux humains – afin que son énorme potentiel pour la santé, l’agriculture et l’environnement puisse être réalisé.

Cela pourrait être réalisé, par exemple, en complétant les communautés déséquilibrées avec le bon microbe, en supprimant certaines espèces ou même en traitant des maladies avec des groupes de bactéries aux fonctions spéciales. Les modèles prédictifs joueront un rôle majeur dans cet objectif.