Chloé Leroy
Les plantes, les animaux et les humains abritent tous de nombreux micro-organismes tels que des bactéries et des champignons. Ceux-ci forment des communautés complexes qui ont un effects profond sur la santé de leur hôte. Un microbiome notable est celui de l’intestin humain, qui aide à digérer notre nourriture et nous protège contre les brokers pathogènes.
Les plantes abritent également des communautés microbiennes sur leurs racines et leurs feuilles. Ces communautés peuvent favoriser la croissance et éloigner les bactéries nocives. Les microbiomes végétaux ont donc le potentiel de rendre l’agriculture moreover tough. Cependant, nous n’avons actuellement qu’une compréhension rudimentaire des interactions interspécifiques qui façonnent ces communautés microbiennes.
Pourquoi ces communautés ont-elles tendance à n’être peuplées que de certains sorts de microbes et pas d’autres ? “Nous savions déjà que les microbiomes foliaires n’étaient pas seulement des collections aléatoires de microbes”, explique Julia Vorholt, professeure de microbiologie à l’ETH Zurich. “Mais les règles qui déterminent remark ces communautés se forment et quels mécanismes façonnent leur composition restaient à trouver.”
Or, 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 modèle Arabidopsis thaliana (thale cresson). Les chercheurs ont développé un ensemble de modèles qui utilisent les préférences nutritionnelles et les capacités métaboliques des souches bactériennes individuelles pour prédire comment ces microbes de surface des feuilles se font concurrence ou coopèrent les uns avec les autres, nous aidant ainsi à mieux comprendre la mother nature du microbiome résultant.
L’étude de l’équipe de recherche, menée en collaboration avec des collègues de l’EPFL, a été publiée dans le dernier numéro de la revue Science.
La concurrence des ressources conduit à des interactions distinctes
Dans le cadre d’un travail précédent, le groupe de Vorholt avait déjà montré que les communautés microbiennes trouvées sur les feuilles des plantes étaient remarquablement similaires. “La composition cohérente de ces communautés indique un mécanisme sous-jacent qui contrôle la création du microbiome foliaire”, explique Vorholt.
Martin Schäfer, put up-doctorant dans le groupe de Vorholt et co-auteur principal de l’étude, explique que “puisque toutes les bactéries dépendent en fin de compte des molécules organiques comme nourriture, nous nous sommes 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 pourraient conduire à une coexistence et une collaboration stables, les microbes interagissant pour un avantage mutuel en échangeant des ressources”.
La issue directrice posée par Vorholt et son équipe est la suivante : peut-on utiliser les capacités métaboliques de différentes bactéries pour comprendre remark le microbiome foliaire prend forme ?
Les profils de carbone révèlent la concurrence pour les ressources
Pour répondre à cette issue, les chercheurs ont commencé par tester la capacité de in addition de 200 souches représentatives de bactéries des feuilles d’Arabidopsis thaliana à se développer en utilisant 45 sources de carbone différentes. En utilisant ces profils de carbone, ils ont déterminé qu’il y avait un chevauchement crucial entre les niches alimentaires des 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 et simulé des interactions entre additionally de 17 500 paires de bactéries. Conformément au chevauchement crucial des niches alimentaires, les simulations ont montré une dominance marquée des interactions négatives : lorsque la compétition entraîne la diminution de la populace d’au moins une des deux souches.
Contourner la concurrence par la coopération
Malgré cette prévalence de compétition, les modèles métaboliques ont également prédit des interactions positives. Une analyse furthermore 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 suggère que nos hypothèses initiales sur l’importance des caractéristiques métaboliques étaient correctes”, déclare Pacheco.
Exploiter les microbiomes pour l’application
“Ce qui est formidable avec nos modèles, c’est qu’ils fonctionnent également en sens inverse”, déclare Vorholt, “en ce sens qu’ils peuvent être utilisés pour identifier les mécanismes qui déclenchent certains modèles d’interaction”. Cela ouvre la voie à une conception ciblée du microbiome, qui est une situation préalable essentielle pour les applications en aval dans l’agriculture.
Actuellement, les entreprises semencières et les producteurs de produits chimiques agricoles utilisent un processus d’essais et d’erreurs pour rechercher des microbes qui soutiennent durablement la safety des cultures. Les découvertes de l’équipe sont donc pertinentes non seulement pour la recherche fondamentale, mais aussi pour des apps dans la conception de microbiomes pour l’agriculture.
Vorholt est co-directeur du Pôle de recherche national suisse (NCCR) Microbiomes. L’étude actuelle de son équipe fait avancer la recherche d’un réseau de 20 groupes, dont le but est de comprendre les microbiomes – des plantes aux humains – afin que leur vaste potentiel pour la santé, l’agriculture et l’environnement puisse être réalisé.
Cela peut 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 combinaisons de bactéries aux fonctions spéciales. Les modèles prédictifs joueront un rôle clé dans cet objectif.
