MetaTAXOMIC-RMQS : Biogéographie microbienne appliquée au Réseau de Mesure de la Qualité des Sols via une approche de métagénomique ciblée

Transcription

1 MetaTAXOMIC-RMQS : Biogéographie microbienne appliquée au Réseau de Mesure de la Qualité des Sols via une approche de métagénomique ciblée Sébastien TERRAT, Samuel DEQUIEDT, Mélanie LELIEVRE, Corinne CRUAUD, Patrick WINCKER, Claudy JOLIVET, Nicolas PA SABY, Dominique ARROUAYS, Walid HORRIGUE, Pierre-Alain MARON, Nicolas CHEMIDLIN, Lionel RANJARD

2 Caractéristiques des sols Le Sol est un environnement naturel assurant de multiples fonctions. Production d aliments et de biomasse Source de matières premières Habitat et patrimoine génétique Source : A. Richer de Forges (CA 45) Source : Infosol (INRA Orléans) Source : J. Moulin (CA 36) Source : Infosol (INRA Orléans) Les microorganismes des sols sont abondants, avec une forte diversité. Bactéries 1 g de sol individus espèces Champignons individus Variable

3 Les outils d écologie moléculaire Sol ADN Quantité ADN sol qpcr 16S/18S rdna Génotypage Séquençage massif Biomasse moléculaire microbienne Densité bactéries Densité champignons Structure génétique Inventaire Taxonomique Indice de diversité Abondance et densité Composition et diversité (Maron et al. 2011)

4 Contexte scientifique : Ecologie Microbienne du sol Fronts de recherche : Caractériser la biodiversité microbienne des sols Abondance, Inventaire, Distribution et Régulation Ecologie descriptive : décrire et comprendre la diversité microbienne des sols (distribution, régulation, déterminisme) Ecologie fonctionnelle : lien diversité fonction/services ecosystémiques Ecologie de conservation : protéger le patrimoine Ecologie prédictive : anticiper les changements Nécessité de réaliser des études à grandes échelles spatiales pour améliorer notre connaissance de la distribution de la diversité microbienne.

5 Réseau de Mesure de la Qualité des Sols (RMQS) Grille d échantillonnage des sols français : 16 kmx16km sur toute la France sites Mode d usage Classe texturale ICP Forest niveau 1 Grande variabilité de mode d usage et de types de sols Cartographie de la qualité des sols basée uniquement sur les paramètres physico-chimiques : - texture, ph, Corg tot, Norg, Ca, Na, Mg, ETM, - relevés floristiques précis, géo-référencement des sols, description du paysage, enquête sur l occupation des sols

6 Caractérisation des communautés microbiennes (ECOMIC-RMQS) Quantité ADN ng.g- 1 soil Quantité ADN sol Biomasse moléculaire microbienne Cartographie nationale de la biomasse moléculaire microbienne Calcium CEC ph Azote C org Temp_année ETP année Calcaire Temperature mois ETP Limons grossiers Sable fins Potassium Phosphorus Magnesium limons Biomasse moléculaire C/N Sables grossiers Précipitations mensuelles Gde culture Prairies Forêts Vignes Texture, CEC > Corg, N, ph, C/N >>> paramètres climatiques Prairie > Forêts > Grande Culture >> Vignes/vergers Dequiedt et al., 2011, Global Ecology and Biogeography

7 Du génotypage au séquençage haut-débit Profil de génotypage Séquençage haut débit - Pyroséquençage Structure génétique Inventaire taxonomique (plusieurs 10 aines de milliers esp / sols) Vraie estimation de la diversité Identification de populations d intérêts agro-écologique (pathogènes, impliqués dans fertilisation )

8 Le projet MetaTAXOMIC-RMQS : jeu de données RMQS : sites Extraction ADN Amplification PCR Amplicons Séquençage Environ 75 Millions de reads bruts

9 MetaTAXOMIC-RMQS et GnS-PIPE GnS-PIPE Input Pre-processing Filtering Analysis Summary file(s) for each chosen step: Raw data.sff,.fna,.qual, etc User Choices Quality Filtering Demultiplexing Random subset Pre-processing Dereplication Global Alignment Clustering Chimera Hunting Error-Correction Taxo. assignment Indices computation Graph computation Unifrac computation Phylogenetic Trees Specific folders and files generation: Phylogenetic Trees Unifrac computation Figures Automatic figures production: Known reads Temps de calcul : heures (24 cœurs). Obtention de reads pour sols. Données de Clustering : post-processing

10 Semi-variance Cartographie de la richesse bactérienne à l échelle de la France Richness bactérienne en nombres d OTU.g-1 sol Distance (km) Différences régionales nettes en terme de richesse bactérienne. Structures spatiales visibles La richesse bactérienne semble corrélée au mode d usage des sols! Terrat et al., 2017, in prep.

11 DIVERSITE Nb OTUs Relation entre richesse bactérienne et mode d usage Cultures et Vignes possèdent une richesse bactérienne plus élevée, en comparaison des Forêts et Prairies Perturbation intermédiaire favorise la richesse bactérienne Cultures et Vignes 1000 STRESS 500 Crop_system Forest Grassland Vineyards_and_Orchards Terrat et al., 2017, in prep.

12 Partition de variance de la richesse bactérienne Principaux drivers de la richesse bactérienne sont les caractéristiques des sols, les descripteurs spatiaux et le mode d usage Terrat et al., 2017, in prep.

13 MetaTAXOMIC-RMQS : Evaluation de la relation aire-espèce Loi fondamentale en écologie sur la diversification des communautés à grande échelle démontré pour les microorganismes (Horner-Devine et al., 2004) Hypothèse de base : le nombre d espèces détectées augmente avec l aire d échantillonnage Le turnover (z) mesure cette augmentation Mais jusqu à aujourd hui, la valeur de z pour les bactéries est sous-estimé (Woodcock et al., 2006; Terrat et al., 2014) Chemidlin et al., 2017 in prep

14 Vers les Indicateurs de la Qualité des Sols Nationaux Biomasse moléculaire microbienne Diversité bactérienne des sols RMQS Forte influence du type de sol Faible influence du climat Influence significative du mode d usage Nombre de taxons Dequiedt et al., 2011 Glob Ecol Biogeo Ranjard et al., 2013 Nature Comm; Horrigue et al., 2016 Ecol Indic. Modèle prédictif Valeur de référence écologique pour un type pédoclimatique Diagnostic d état biologique «Indicateur national sol» «Indicateur national sol»

15 MetaTAXOMIC-RMQS : Taxonomie à l échelle de la France Karimi et al., 2017, in prep.

16 MetaTAXOMIC-RMQS : Bacteroidetes Forests Croplands Grasslands Vineyards Physicochemical properties (27.9%) Climate Land use Geographical descriptors Karimi et al., 2017, in prep.

17 La suite : le projet MetaOMIC-RMQS RMQS : sites Diversité fongique: Distribution spatiale et déterminisme de la diversité fongique à l échelle de la France (3, lectures pairées)

18 The ECO-TAXO-MIC Dream team Sam Dequiedt Vivi Nowak Mél Lelievre Nikos Chemidlin PB Lionel «Lignac» Ranjard Fafa Morin Walid Horrigue «le président» Battle «Royale» Karimi PA Maron

19 Merci de votre attention