Titre

Deep fooding and microbe learning!

Résumé

Nous consommons des aliments fermentés, qui contiennent ou ont été élaborés par des microbes, depuis près de 10 000 ans,... sans le savoir? Si nos ancêtres ignoraient certes l'existence des microbes, qui sait aujourd’hui que sans fermentation, pas de café ou de cacao, alors que les recoins de la planète Mars semblent familiers aux internautes ? Entre expérience gustative et héritage culinaire ils sont bien à l'œuvre …et si leur exploration s’avérait aussi passionnante que celle de l’origine de l’univers … Comprendre nos origines certes mais s'offrir le luxe de rêver un futur plus que désirable … et goûteux !

Biographie

Marie Champomier Vergès est Directrice de recherche INRAE, dans l’unité MIcalis (Microbiologie de l’alimentation au service de la santé), où elle dirige une équipe de recherches sur l’écologie microbienne des aliments. Elle est également Cheffe de département adjoint du département MICA (Microbiologie et chaîne alimentaire) à INRAE. Elle est impliquée dans plusieurs projets européens sur les aliments fermentés : le réseau européen COST PIMENTO (Promoting innovation for fermented food) où elle co coordonne le groupe de travail “Federating scientists and Fermented Food producers to boost innovation for society”, le projet Horizon Europe DOMINO Harnessing the microbial potential of fermented foods for healthy and sustainable food systems. Elle est membre du bureau du Comité d'orientation stratégique du Grand Défi Ferments du Futur.

Titre

Accélérer la recherche et l’innovation avec le Grand Défi Ferments du Futur

Biographie

Ingénieur AgroParisTech de formation, docteur en Nutrition Humaine, Damien Paineau a d’abord travaillé dans le domaine des études cliniques et épidémiologiques, explorant les relations entre les aliments, l’alimentation et la santé. Il a poursuivi sa carrière dans l’industrie agro-alimentaire en occupant des postes à l’interface public/privé au sein du groupe Danone : chef de groupe épidémiologie nutritionnelle, directeur recherche et développement en nutrition infantile, directeur des engagements santé de l’entreprise. Depuis février 2022, Damien est directeur exécutif du Grand Défi Ferments du Futur.

Titre

Du -80 au digesteur dynamique, le parcours STLO des bactéries d’intérêt alimentaire dans la conception de nouveaux produits laitiers fermentés

Résumé

Comment concevoir des aliments laitiers fermentés adaptés aux besoins spécifiques de populations cibles ? C’est la question à laquelle s’attèlent les microbiologistes du STLO. Pour cela, ils disposent d’une banque de bactéries parfaitement caractérisées (CIRM-BIA) qu’ils combinent pour former des consortia adaptés aux matrices laitières (et éventuellement végétales) et exprimant des fonctionnalités d’intérêt organoleptique, nutritionnel ou santé. Selon le type de fonctionnalité, les caractéristiques de ces diverses combinaisons sont évaluées par l’analyse des métabolites produits, ou via des tests d’interaction sur culture cellulaire. Ces consortia ainsi élaborés sont d’abord cultivés en conditions de laboratoire sur de petits volumes puis sont mis en œuvre sur des volumes plus importants, en fermenteurs. Les plus prometteurs peuvent ensuite être confrontés aux conditions technologiques réelles lors de fabrications grandeur nature sur notre plateforme de technologie laitière, sous une forme adaptée aux populations cibles (préparation pour nourrissons, yaourt, fromage…). Les produits fermentés obtenus peuvent enfin être soumis aux stress du processus digestif à l’aide de simulateur biomimétique de digestion. Toutes ces étapes permettent de valider les propriétés des consortia d’intérêt et de tester leur comportement en cours de process. Elles génèrent des données hétérogènes. L’ensemble de ces données est encore sous-exploité et pourrait utilement être soumis à des outils de type IA pour élaborer les meilleures combinaisons en réduisant les temps de développements expérimentaux. 

Biographie

Yves Le Loir est Ingénieur Agronome (Ecole Nationale Supérieure d’Agronomie de Rennes, 1992) et docteur en Microbiologie (Université de Paris XI, 1996). Il a débuté sa carrière scientifique à l’INRA de Jouy en Josas et l’a consacrée aux bactéries associées à la filière laitière, en abordant des aspects aussi divers que le transfert d’ADN conjugatif chez Lactococcus lactis la bactérie lactique modèle, la sécrétion des protéines puis le métabolisme respiratoire chez cette même bactérie. En 2001, il a démarré à Rennes (UMR1253 Science et Technologie du Lait et de l’Œuf - INRA Agrocampus Ouest) une thématique portant sur Staphylococcus aureus (une bactérie pathogène opportuniste) dans la filière laitière en étudiant son adaptation à l’hôte ruminant et ses interactions avec les bactéries lactiques. De 2008 à 2016, il a animé une équipe de recherche dont les travaux incluaient, outre ses travaux sur les bactéries lactiques et S. aureus, des travaux sur la bactérie propionique laitière Propionibacterium freudenreichii. Depuis janvier 2017, il est Directeur du STLO. Depuis 2022, il est membre du comité exécutif du Grand Défi Ferments du Futur.

Titre

Vin, pain, levure et machine learning

Résumé

Les levures assurent la fermentation dans de nombreux aliments et boissons fermentés, notamment le vin et le pain. De plus, les changements globaux récents (réduction des intrants, ferments multisouches, bioprotection, etc.) donnent de plus en plus de d’importance aux interactions microbiennes dans ces aliments fermentés. Il est donc aujourd’hui nécessaire de mieux comprendre ces interactions et de développer les outils (expérimentaux, d’analyse et de prédiction) permettant de suivre et de prédire le comportement de consortiums complexe. Dans cette présentation, j’aborderai : les procédés de la fermentation du vin et du pain, le rôle des levures dans ces processus ainsi que les challenges associés dans lesquels les approches de machine learning semblent pertinentes

Biographie

Thibault Nidelet est chercheur INRAE dans l’UMR Sciences Pour l’Oenologie. Il étudie les interactions levures/levures dans les aliments fermentés et cherche à les exploiter pour piloter les fermentations et concevoir des ferments multisouches. La majorité de son travail se porte sur le vin et le pain au levain dans lesquels les levures assurent la fermentation. Son travail s’inscrit dans une approche intégrative multidisciplinaire faisant appel à des expérimentations, à l’analyse des données ainsi qu’à la modélisation.

Titre

Next-Gen Fermented Food: Harnessing Gut Microbiome Diversity and Functions

Résumé

The gut microbiome is essential for human health, yet modulation requires more insight into inter-individual variation. Recent large cohort studies showed that environmental and host factors explain less than 20% of the variation in microbial composition, suggesting significant roles for stochastic factors and ecological rules in gut microbiome assembly. Although diet and lifestyle significantly influence the symbiosis between the host and microbiome, resilience is identified as a critical factor in maintaining the microbiome's structure throughout an individual’s lifespan.

Understanding the microbiome structure included analyzing 35,000 human gut microbiome samples and using time-series analysis. We found that the microbiome is structured as branches that shape dynamics between states. Gut microbiome states are differentially linked to host and environmental factors, allowing critical transition to unhealthy degraded states to be detected in association with diversity and functional shifts.

As part of a healthy diet, fermented foods hold the potential to counter decreased microbiome diversity and have potential health benefits such as improving gut health. Although there is a significant intersection between food and human microbial species, the origin of fermented foods strains is crucial to consider its functional effect. While consuming fermented foods has been associated with metabolic changes in the gut microbiome, its functional enrichment is considered personalized. This updated view of the human gut microbiome structural and functional landscape provides a conceptual framework for designing next-gen and sustainable fermented foods.

Biographie

Julien is currently a research scientist at INRAE Micalis institute settled in Paris-Saclay, where he notably works on projects related to the interactions between food and human microbiomes in a nutrition and health perspective.

After several internships in microbiology at Institut Pasteur (Patrick Grimont, Philippe Glaser, Sylvain Brisse), Julien Tap went to Joel Doré’s Lab to do a PhD headed by Marion Leclerc (Jan 2007 to Dec 2009). His main project was to study dietary fiber impact on human gut microbiota using notably metagenomic and metatranscriptomic approaches. Since his PhD, his research interest focused on interactions between nutrition, gut microbiota, and human health. This allowed him to work with different AP-HP clinicians from several disciplines. As post-doc did at EMBL in Peer Bork’s group and at INRAE Metagenopolis unit (Joel Doré, Dusko Ehrlich), as well as an industrial scientist, he used several approaches like numerical ecology and machine learning technics to untangle large omics data with clinical and dietary data.

Titre

Étude et comparaison de cartes métaboliques de centaines de souches bactériennes : vers la prédiction de cocktails produisant des composés cibles ?

Résumé

Les réseaux métaboliques à l'échelle du génome permettent de modéliser l'ensemble des transformations chimiques connues au niveau du métabolisme d'un organisme donné. Pour chaque espèce donnée, il est maintenant possible de construire une carte de son métabolisme à grande échelle dès qu'un génome est disponible. Ces cartes peuvent ensuite être analysées avec différentes méthodes de raisonnement automatique ou d'optimisation. Dans cet exposé, nous expliquerons comment ces techniques de reconstruction de cartes métaboliques ont permis, avec le laboratoire STLO-INRAE de Rennes, d'étudier sans a priori le potentiel métabolique de plusieurs centaines de bactéries impliquées dans les aliments fermentés pour identifier des familles de souches ayant le potentiel de produire des composés spécifiques, individuellement ou sous forme de cocktails. Ces approches permettent donc d'identifier les meilleures souches candidates possibles sur la base des connaissances biochimiques existantes.

Biographie

Anne Siegel est directrice de recherche au CNRS, au laboratoire d'informatique de Rennes (IRISA), dans lequel elle a créé une équipe de recherche en bioinformatique (Dyliss), puis dirigé le département "Gestion de données et connaissances". Elle exerce depuis 2021 les responsabilités de directrice scientifique adjointe auprès de la direction du CNRS (au sein de son institut INS2I), en charge de l'interdisciplinarité entre les sciences informatiques et les autres disciplines. Sur le plan de la recherche, Anne Siegel développe des méthodes combinant l'étude de systèmes dynamiques discrets et la représentation des connaissances pour intégrer des connaissances et données sur des systèmes biologiques à grande échelle. Elle s'intéresse en particulier à la modélisation des interactions entre espèces (eukaryotes et procaryotes) non modèles et a développé avec ses collaborateurs des méthodes pour construire et analyser des cartes métaboliques dans un contexte de connaissances limitées sur les espèces. Elle est impliquée dans différents projets permettant de déployer ces travaux méthodologiques en biologie marine, biologie des plantes et aliments fermentés.

Titre

Un jumeau numérique du métabolisme bactérien pendant la production de fromage

Résumé

Les modèles numériques permettent d'intégrer de multiples données omiques afin de mieux comprendre la dynamique fermentaire d'une communauté microbienne. Dans ce travail, la dynamique bactérienne de trois bactéries utilisées comme ferment fromager est modélisée à partir de données de croissance en monoculture. Une fois rassemblés, ces modèles individuels permettent de simuler la dynamique du consortium, ainsi que la production de composés organoleptiques durant la production du fromage, de l'inoculum jusqu'à l'affinage.

Biographie

Simon Labarthe est chargé de recherche à INRAE depuis 2014, d'abord à MaIAGE (Jouy-en-Josas) puis Biogeco (Bordeaux). Spécialisé dans la modélisation de systèmes dynamiques, il s'intéresse à la modélisation de communautés microbiennes et à l'utilisation de modèles pour intégrer et analyser des données omiques. Les modèles utilisés s'appliquent à différents types de communautés microbiennes : microbiote intestinal, ferments alimentaires, biofilms, communautés environnementales, microbiotes foliaires, ... Depuis 2020, il fait partie de l'équipe INRAE-Inria Pléiade.

Titre

Reconstruction de réseaux d'interactions microbiens dans les aliments fermentés

Résumé

Les progrès du séquençage ont permis de collecter des données omiques massives sur les communautés microbiennes, notamment dans les aliments fermentés. Il existe une demande forte pour mieux comprendre ces communautés, par exemple à l'aide de réseaux d'interactions, pour mieux piloter la fermentation. Nous considérons dans cet exposé le problème de la reconstruction de réseaux d'interactions. Nous présenterons les grandes méthodes utilisées pour reconstruire différents réseaux microbiens à partir de données d'abondances (les plus facilement accessibles), leurs limites et des questions ouvertes. Ces méthodes et limites seront illustrées sur des données de microbiote fromager.

Biographie

Après avoir soutenu une thèse en statistiques appliquées, Mahendra a été recruté à l'INRAE de Jouy-en-Josas en 2010 pour développer des méthodes statistiques pour l'analyse de données omiques. Depuis un passage à l'Université de Bâle en 2013, il s'intéresse particulièrement aux données issues de l'écologie microbienne et a développé avec ses collaborateurs un ensemble de méthodes computationnelles pour l'analyse de données de métabarcoding. Il est également impliqué dans plusieurs projets sur les aliments fermentés.

Titre

Le couplage ontologies/probabilités pour permettre l’intégration de connaissances et l’ingénierie reverse pour la conception de bioproduits ou d’aliments : un exemple d’application à la production de PHA

Résumé

Dans le contexte actuel de bioéconomie circulaire et la nécessité de concevoir des systèmes agri-alimentaires durables et performants, les recherches sur la transformation de la biomasse par voie fermentaire pour produire des aliments sains et durables et des emballages biodégradables figurent au premier plan. Les polyhydroxyalcanoates ou PHA sont des polyesters biodégradables produits naturellement par fermentation bactérienne de sucres ou lipides qui sont des alternatives aux plastiques d’origine fossile. Nous présentons ici un travail réalisé dans le cadre du projet PEPR FAIR CARBON SLAM'B et de l’AIC FermentON (2023-2024) financée par les départements MICA et TRANSFORM d’INRAE qui consiste à décrire des itinéraires de production de PHA dans une base de connaissances structurée selon l’ontologie Process and Observation Ontology (PO2). Le vocabulaire permettant la description des données sur les procédés fermentaires viendra compléter l’ontologie de domaine TransformON couvrant l’ensemble des procédés de transformation alimentaires et non alimentaires et la caractérisation des bioproduits ou aliments fermentés obtenus. A partir des données de la base de connaissances, il est prévu que nous étendions le modèle déjà initié pour la production de composites biosourcés à la production du PHA. Ce modèle est basé sur le formalisme des modèles relationnels probabilistes (MRP) qui couple une structure sémantique du domaine de connaissance (connu sous le nom d'ontologie) avec des modèles graphiques probabilistes (connus sous le nom de réseaux Bayésiens). Ce type de couplage permettant une approche d’ingénierie inverse pourrait également s’appliquer à la conception d’aliments fermentés innovants.

Biographie

Magalie Weber est ingénieure d’études chargée d’ingénierie de connaissances au sein de l’unité de recherche Biopolymères, Interactions, Assemblages (BIA) de Nantes et à la Direction pour la Science Ouverte (DipSO) d’INRAE. Elle supervise la construction de l’ontologie de domaine couvrant les recherches du département TRANSFORM (ontologie TransformON sur l’ingénierie des aliments, bioproduits et résidus issus des systèmes agri-alimentaires) et coordonne actuellement le projet AIC FermentON pour la description sémantique des procédés impliquant des agents microbiens, en lien avec des unités des départements MICA et TRANSFORM (IATE, LBE, PROSE, TWB, STLO, SPO et PechRouge) et les unités MISTEA et MIA Paris Saclay du département MathNum.

Titre

Exploiter les données textuelles pour sélectionner des souches microbiennes pour fermenter de nouveaux produits alimentaires 

Résumé

La base de connaissances en ligne Omnicrobe rassemble des informations en microbiologie provenant de sources multiples exprimées en langage naturel, par exemple des articles, des bases de données génétiques, des catalogues de centres de ressources biologiques. Les données textuelles sont traitées par des méthodes innovantes d'extraction d'information relevant du traitement automatique de langue (fouille de texte) qui identifient les entités, les relations et les catégories à partir de taxinomies et d'ontologies pertinentes.
Un exemple d'application sur la fermentation des jus de plantes montre comment la mise en relation d'informations très dispersées peut être une solution puissante comme accélérateur d'innovation. Omnicrobe est utilisé dans cet exemple pour sélectionner un ensemble limité de souches de microbes qui présentent toutes les propriétés attendues et qui sont disponibles dans les catalogues des centres de ressources biologiques.

Biographie

Claire Nédellec est directrice de recherche en informatique dans l’unité MaAIGE où elle anime l’équipe Bibliome. Elle a pour objectif de développer des méthodes d’extraction d’information et d’acquisition de connaissance à partir de textes, notamment dans le domaine de la microbiologie et de l’alimentation. Les méthodes développées relèvent de l’intelligence artificielle, notamment, l’apprentissage automatique, le traitement automatique de la langue et la représentation des connaissances sous forme d’ontologie. L’équipe développe avec ses collaborateurs des services basés sur ces technologies.

Titre

Biosys-Lideogram: visualisation et apprentissage automatique pour une modélisation interactive d'un bio-système

Résumé

Dans cet article, nous présentons un  schéma de modélisation interactive d'un procédé de stabilisation de ferments lactiques. L'objectif est d'utiliser ce schéma pour identifier les réponses physiologiques des microorganismes à différentes échelles dans un contexte d'application industrielle réelle. L'originalité de l'outil proposé, Biosys-LiDeOGraM, réside dans sa capacité à générer, grâce à une coopération homme-machine, un modèle cohérent et concis, de la molécule à la population microbienne : si les mesures multi-omiques peuvent être relativement facilement reliées à la réponse du système biologique à l'échelle moléculaire, les relier au niveau macroscopique du biosystème reste une tâche difficile, où les connaissances humaines jouent un rôle crucial. En appliquant notre approche à un ensemble de données de 2 741 gènes, un modèle initial, sous la forme d'un graphe comprenant 33 variables et 165 équations, a d'abord été construit. Ensuite, le système a été capable d'améliorer de manière interactive une version synthétique de ce modèle en n'utilisant que 27 variables et 16 équations. Cette représentation graphique permet différentes interprétations par l'utilisateur à des échelles locales et globales, une confrontation facile avec les données et une exploration de diverses hypothèses.

Biographie

Nathalie Mejean Perrot est directrice de recherche INRAE au sein de l'UMR MIA-PS, équipe EKINOCS et membre de l'ISCPIF. Elle travaille à l'interface du génie des procédés biologiques et alimentaires et des approches d'Intelligence artificielle depuis 1994. Ses travaux sont centrés sur l'importance des savoirs faire, leur formalisation ainsi que leur prise en compte sous différentes formes dans des approches de modélisation multi-échelle appliquées à divers procédés technologiques allant de la microfiltration tangentielle à l'affinage de fromages en passant par la maturation des baies de raisin.