Étude des dynamiques populationnelles microbiennes : développement d’outils computationnels pour caractériser le rôle des variations intra-espèces sur la stabilité des communautés microbiennes

Abstract

Le séquençage 16S, la matrice d’interactions communautaires et le modèle de Lotka-Volterra sont des outils essentiels pour décrire la composition, les interactions et la stabilité des communautés microbiennes. Bien que ces approches soient largement utilisées en écologie microbienne, elles se limitent à une résolution inter-espèce, négligeant la diversité à l’intérieur des populations. Or, en raison du chevauchement des échelles de temps évolutives et écologiques au sein des microbiomes, ces communautés sont également influencées par la diversité intra-espèce. L’ampleur de cette influence demeure toutefois incomprise. Le présent travail vise à unifier la biologie évolutive et l’écologie des communautés microbiennes afin de mieux comprendre leur capacité d’adaptation. À cette fin, nous avons développé Doblin (Dominant Barcode Lineages), un outil computationnel exploitant les données de séquençage de codes-barres chromosomiques pour mettre en évidence la diversité clonale intra-espèce. Testé à la fois sur des simulations et des données expérimentales d'évolution d'E. coli, Doblin a démontré sa capacité à identifier les lignées clonales dominantes et à les regrouper en fonction de leur avantage sélectif. En plus, face à la densité et aux bruits fréquents dans les données expérimentales de séquençage, nous avons également étudié des moyens d’optimiser leur représentation. Pour ce faire, nous avons utilisé la décomposition en valeurs singulières (SVD) afin de décomplexifier les dynamiques temporelles des lignées clonales. En somme, ce travail facilite l’étude des dynamiques populationnelles microbiennes et leur intégration aux dynamiques communautaires. 16S sequencing, the community interaction matrix, and the Lotka-Volterra model are essential tools for describing the composition, interactions, and stability of microbial communities. Although these approaches are widely used in microbial ecology, they are limited to inter-species resolution, overlooking diversity within populations. However, due to the overlap of evolutionary and ecological timescales within microbiomes, these communities are also influenced by intra-species diversity. The extent of this influence remains poorly understood. This work aims to bridge evolutionary biology and microbial community ecology to better understand their adaptive capacity. To this end, we developed Doblin (Dominant Barcode Lineages), a computational tool that leverages chromosomal barcode sequencing data to highlight intra-species clonal diversity. Tested on both simulations and experimental data from E. coli evolution, Doblin demonstrated its ability to identify dominant clonal lineages and group them based on their selective advantage. Additionally, to address the density and noise frequently found in experimental sequencing data, we also investigated methods to optimize their representation. Specifically, we used singular value decomposition (SVD) to simplify the temporal dynamics of clonal lineages, making their analysis more accessible. In summary, this work facilitates the study of microbial population dynamics and their integration with community-level dynamics.