From Systems Biology to Systems Ecology: A Computational Journey Through Biological Scales
De la biologie systémique à l'écologie systémique : un voyage informatique à travers les échelles biologiques
Résumé
Recent progress in metagenomics has promoted a change of paradigm to investigate microbial ecosystems. These ecosystems are today analyzed by their gene content that, in particular, allows to emphasize the microbial composition in term of taxonomy (i.e., «who is there and who is not») or more recently their putative functions. However, understanding the interactions between microbial communities and their environment well enough to be able to predict diversity based on physicochemical parameters is a fundamental pursuit of microbial ecology that still eludes us. This task requires to decipher the mechanistic rules that prevail at the molecular level. Such a task must be achieved by dedicated computational approaches or modeling, as inspired by Systems Biology. Nevertheless, the direct application of standard cellular systems biology approaches is a complicated task. Indeed, the metagenomic
description of ecosystems shows a large number of variables to investigate. Furthermore, communities are complex, mostly described qualitatively, and the quantitative understanding of the way communities interacts with their surroundings remains incomplete. Within this research summary, we will illustrate how systems biology approaches must be adapted to overcome these points in different manners. First, we will present the application of bioinformatics protocol on metagenomics data, with a particular emphasis on network analysis. Second, we will describe how to integrate heterogeneous omics knowledge via logic programming. Such integration will emphasize putative functional units at the community level. Third, we will illustrate the design and the use of quantitative modeling from this network. In particular, constraint-Based modeling will be used to predict microbial community structure and its behaviors based on genome-scale knowledge.
Les progrès récents de la métagénomique ont favorisé un changement de paradigme dans l'étude des écosystèmes microbiens. Ces écosystèmes sont aujourd'hui analysés par leur contenu génétique qui permet notamment de mettre en évidence la composition microbienne en terme de taxonomie ou plus récemment leurs fonctions putatives. Cependant, comprendre suffisamment bien les interactions entre les communautés microbiennes et l’environnement pour prédire la diversité à partir de paramètres physico- chimiques est une quête fondamentale de l'écologie microbienne qui nous échappe encore. Cette tâche nécessite de déchiffrer les règles mécanistes qui prévalent au niveau moléculaire. Une telle tâche doit être accomplie par des approches ou des modélisations informatiques dédiées, inspirées de la Biologie Systémique. Néanmoins, l'application directe des approches standard de la biologie des systèmes cellulaires est une tâche complexe. En effet, la description métagénomique des écosystèmes montre un grand nombre de variables à étudier. De plus, les communautés
sont (i) complexes, (ii) le plus souvent décrites qualitativement, et (iii) la compréhension quantitative de la façon dont les communautés interagissent avec leur environnement reste incomplète. Dans ce résumé de recherche, nous illustrerons comment les approches de la biologie systémique doivent être adaptées pour surmonter ces points de différentes manières. Dans un premier temps, nous présenterons l'application du protocole bioinformatique aux données de métagénomique, avec un accent particulier sur l'analyse des réseaux. Deuxièmement, nous décrirons comment intégrer les connaissances hétérogènes en omique par programmation logique. Cette intégration mettra l'accent sur les unités fonctionnelles présumées au niveau communautaire. Troisièmement, nous illustrerons la conception et l'utilisation de la modélisation quantitative à partir de ce réseau. En particulier, la modélisation basée sur les contraintes sera utilisée pour prédire la structure de la communauté microbienne et ses comportements à partir des connaissances à l'échelle du génome.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
