Thèse Modélisation Sous Contraintes Enzymatiques du Métabolisme de Phytopathogènes pour Décrypter les Stratégies de Virulence H/F - Doctorat.Gouv.Fr

Établissement : Université de Toulouse École doctorale : SEVAB - Sciences Ecologiques, Vétérinaires, Agronomiques et Bioingenieries Laboratoire de recherche : LIPME - Laboratoire des Interactions Plantes-Microbes-Environnement Direction de la thèse : Caroline BAROUKH ORCID 0000000210411730 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-01T23:59:59 Les bactéries phytopathogènes développent des stratégies métaboliques sophistiquées pour coloniser leurs hôtes et exprimer leur virulence. Comprendre les contraintes qui gouvernent l'allocation des ressources cellulaires entre croissance et pathogénie constitue un enjeu majeur pour décrypter ces interactions et identifier de nouvelles cibles de contrôle. Les approches classiques de modélisation par analyse de flux métaboliques (FBA) permettent de prédire les capacités métaboliques, mais négligent les limitations liées aux ressources enzymatiques et aux coûts de synthèse des protéines, qui sont loin d'être négligeable dans le cas de la pathogénie.

Ce projet de thèse vise à développer des modèles métaboliques avec contraintes enzymatiques afin d'obtenir une représentation plus réaliste du fonctionnement cellulaire d'un phytopathogène. En s'appuyant sur des approches telles que la Resource Balance Analysis (RBA), les modèles enzymatiquement de type GECKO et les approches dynamiques (deFBA), l'objectif est de quantifier le coût métabolique de la virulence et d'identifier les compromis entre croissance et expression des facteurs pathogènes.

L'étude portera sur trois phytopathogènes majeurs : Xylella fastidiosa, Xanthomonas campestris pv. campestris et Ralstonia solanacearum. Le travail comprendra la prise en main des réseaux métaboliques à l'échelle du génome construits par nos soins, l'intégration de données enzymatiques (paramètres cinétiques, abondances protéiques) et la simulation de différents contextes physiologiques, notamment les conditions d'infection. L'intégration de données omiques (transcriptomique, protéomique) permettra de contraindre et de valider les modèles.

Les résultats attendus incluent l'identification des contraintes limitant la virulence, la quantification du coût énergétique et protéique des facteurs de pathogénie, ainsi que la mise en évidence de stratégies d'allocation des ressources spécifiques à l'infection. Ce projet contribuera à une meilleure compréhension des mécanismes de virulence et au développement de cadres méthodologiques avancés pour la modélisation des systèmes biologiques. À terme, ces travaux pourraient ouvrir la voie à l'identification de nouvelles cibles pour le contrôle des maladies des plantes. Les phytopathogènes bactériens tels que Xylella fastidiosa, Xanthomonas campestris pv. campestris et Ralstonia solanacearum représentent des menaces majeures pour les cultures. Si les approches de modélisation par FBA ont permis de mieux comprendre leurs capacités métaboliques, elles ne prennent pas en compte les contraintes liées aux ressources enzymatiques, pourtant déterminantes dans des contextes biologiques contraints comme l'infection. Les approches récentes (RBA, GECKO, deFBA) permettent d'intégrer ces limitations et d'accéder à une description plus réaliste des compromis cellulaires, ouvrant la voie à une compréhension plus fine du coût de la pathogénie et de l'intérêt d'avoir soit une croissance forte, soit une croissance fastidieuse lors d'un infection. L'objectif de ce projet est de développer et exploiter des modèles métaboliques intégrant des contraintes enzymatiques afin de mieux comprendre les stratégies métaboliques mises en oeuvre par les phytopathogènes lors de l'infection. Il s'agira notamment de quantifier le coût métabolique de la virulence et d'identifier les compromis entre croissance et expression des facteurs pathogènes. Le projet vise également à comprendre le comportement de pathogène fastidieux et mettre en évidence des vulnérabilités métaboliques pouvant constituer de potentielles cibles de contrôle. Le projet reposera sur la prise en main et la curation de modèles métaboliques à l'échelle du génome déjà disponibles, suivies de l'intégration de contraintes enzymatiques (paramètres cinétiques, abondances protéiques). Des approches de type RBA, GECKO et/ou deFBA seront mises en oeuvre pour simuler différents états physiologiques, notamment les conditions d'infection. Le travail inclura également l'intégration de données omiques (transcriptomique, protéomique) afin de contraindre et valider les modèles, ainsi que l'analyse des flux et des stratégies d'allocation des ressources.

Le candidat devra être titulaire d'un Master (ou équivalent) en biologie des systèmes, bioinformatique, microbiologie, mathématiques appliquées ou discipline connexe. Une forte appétence pour la modélisation des systèmes biologiques est indispensable. Une première expérience en modélisation métabolique (FBA ou approches apparentées) est un plus, mais n'est pas obligatoire.

Des compétences en programmation scientifique (Python, MATLAB ou équivalent) et en analyse de données sont attendues. Une familiarité avec les données omiques (transcriptomique, protéomique) et leur intégration dans des modèles constituera un atout.

Le candidat devra faire preuve de rigueur, d'autonomie et d'esprit critique, ainsi que de bonnes capacités de communication écrite et orale en anglais. Un intérêt pour la microbiologie et les interactions hôte-pathogène est également souhaité.