Dans une étude publiée dans International Journal of Food Microbiology, les scientifiques de l’UMR SayFood (INRAE/AgroParisTech/UPSaclay, Palaiseau), de l’UMR MaIAGE (INRAE/UPSaclay, Jouy-en-Josas) et du laboratoire de Mathématiques d’Orsay (CNRS/UPSaclay, Orsay) ont étudié les défauts de décoloration rose observés dans des fromages français à pâte molle à croûte fleurie. Cette couleur nuit à l’acceptabilité du consommateur et entraîne un gaspillage et des pertes économiques.   Deux lots de fromages provenant du même site de production ont été analysés : l’un présentant une décoloration rose visible et l’autre non, permettant une analyse comparative. Une approche multi-omique a été appliquée, combinant l’analyse du microbiote et la métabolomique afin d’identifier les facteurs associés à ce défaut. Trois espèces microbiennes ont montré des différences significatives d’abondance selon le type d’échantillon (altéré ou non altéré) et leur localisation à la surface du fromage : Penicillium camemberti, Psychrobacter sp. et Paeniglutamicibacter gangotriensis. C’est la première fois que P. gangotriensis est détectée dans le fromage. Une corrélation positive a été observée entre cette espèce et la concentration en sel, ainsi qu’avec plusieurs métabolites tels que l’acide butanoïque, l’acide acétique, des aldéhydes, des cétones, des esters et des terpènes. L'inoculation d'un fromage modèle avec P. gangotriensis reproduit le défaut de couleur.   En conclusion, P. gangotriensis serait l’agent responsable du défaut rose. Ces bactéries sont psychrotolérantes et halotolérantes ce qui favorise probablement leur persistance et leur dominance écologique dans les conditions spécifiques de l'affinage du fromage. Des recherches sont en cours pour identifier la structure chimique du pigment et comprendre les conditions favorisant sa production.   -> Contact : sandra.helinck@agroparistech.fr

Dans une étude récemment publiée dans Computers in Biology and Medicine, des chercheurs de l’équipe-projet Simbiotx de l'Inria Saclay, en collaboration avec l’unité MaIAGE (INRAE/UPSaclay, Jouy-en-Josas), ont développé une nouvelle approche de modélisation numérique pour étudier le système cardiovasculaire.   L’objectif de ces travaux est de reproduire, à l’aide de modèles simplifiés mais précis, le fonctionnement du cœur et des vaisseaux sanguins. Ces modèles permettent d’explorer rapidement l’influence de différents paramètres physiologiques et d’évaluer l’incertitude associée aux mesures. Grâce à cette méthode, il devient possible d’obtenir des informations fiables tout en réduisant fortement le temps de calcul, ce qui représente un atout majeur pour la recherche biomédicale.   À terme, cette approche pourrait contribuer à une meilleure personnalisation des soins cardiovasculaires, en aidant les médecins à adapter les traitements aux besoins spécifiques de chaque patient.   Légende Figure : Un modèle hémodynamique et de transport pour évaluer la perfusion dans l’organe d’intérêt.   -> Contact : irene.vignon-clementel@inria.fr

Dans une étude publiée dans Gut Microbes les chercheurs INRAE de l’équipe ProbiHote de l’Institut Micalis, associés à ceux des UMR GABI et MaIAGE (INRAE/AgroParisTech/UPSaclay, Jouy-en-Josas) et des chercheurs CNRS de l’I2BC (CNRS/CEA/UPSaclay, Gif-sur-Yvette) révèlent que la MAM, une protéine clé dans les mécanismes anti-inflammatoires de la bactérie intestinale Faecalibacterium duncaniae, est la protéine la plus abondante de son enveloppe cellulaire. Elle est exportée vers la surface bactérienne via un ABC transporteur à peptidase, en étant d’abord reconnue par un peptide signal N-terminal. Ce peptide est excisé, permettant le transfert du « cargo » MAM hors du cytoplasme.   Grâce à des analyses de modélisation par IA et de microscopie électronique, les chercheurs ont démontré que la forme mature de MAM peut s’auto-assembler en une structure hexamérique poreuse, formant un réseau ordonné sur la surface de la bactérie. Ce réseau a été observé in situ sous forme d’une organisation hexagonale visible au microscope électronique, et confirmé par immunomarquage.   Ces résultats montrent pour la première fois que MAM ne se limite pas à une fonction immunomodulatrice, mais constitue également un élément clé de la structure de l’enveloppe bactérienne. Cette découverte modifie notre compréhension de la physiologie de F. duncaniae et de l’organisation des enveloppes bactériennes, suggérant que MAM joue un rôle central dans l’intégrité de la cellule et son interaction avec l’environnement, en plus de ses propriétés anti-inflammatoires.   -> Contact : jean-marc.chatel@inrae.fr

Des chercheurs de l’Institut Micalis (INRAE/AgroParisTech/UPSaclay, Jouy-en-Josas) et de l’unité MaIAGE (INRAE/UPSaclay, Jouy-en-Josas) ont conçu un consortium de bactéries commensales capable d'améliorer l’effet barrière contre l'Entérocoque Résistant à la Vancomycine.  (Jan et al., 2025).   Plusieurs facteurs, dont les traitements antibiotiques, peuvent déstabiliser le microbiote et permettre la prolifération de pathogènes ou de pathobiontes ESKAPE qui représentent une menace pour la santé humaine. Il s'agit notamment des entérocoques résistants à la vancomycine (ERV), dont la prolifération intestinale chez les patients immunodéprimés augmente le risque d'infections potentiellement mortelles. L'importance de la composition du microbiote dans l’inhibition de la prolifération intestinale des pathogènes, connue sous les termes de résistance à la colonisation ou effet barrière, a conduit au développement de thérapies ciblées visant à restaurer la communauté microbienne intestinale par l'introduction de bactéries symbiotiques. Ces stratégies basées sur le microbiote sont particulièrement importantes pour la restauration du microbiote des patients hospitalisés traités avec des antibiotiques à large spectre.   Dans une étude parue dans Microbiome, les chercheurs ont identifié 7 espèces moléculaires qui sont en corrélation négative avec le portage d'ERV chez des souris traitées avec des antibiotiques en modélisant des données biologiques longitudinales. Ils ont démontré que la supplémentation avec le mélange de 7 bactéries représentatives (Mix7) de ces espèces améliore l'effet barrière contre l’ERV in vivo de manière dépendante du microbiote. Ils ont constaté que le microbiote initial influence l'efficacité de la supplémentation et ont identifié des biomarqueurs bactériens potentiels, prédictifs de la réponse au traitement. Ils ont montré qu’aucune des souches du Mix7 n'inhibe directement la croissance de l’ERV in vitro. Par contre, l'une d'entre elles est essentielle pour promouvoir l'effet barrière in vivo, indiquant un mécanisme coopératif entre les souches et/ou le microbiote. La recherche d'équivalents fonctionnels chez l'homme a révélé que 5 des 7 souches appartiennent à des espèces partagées entre la souris et l'homme, alors que moins de 3% des espèces sont partagées entre l'homme et la souris. Cela indique que ces espèces sont des espèces clés du microbiote intestinal des mammifères, soulignant le potentiel translationnel pour une application chez l'homme.   Ce travail a un impact majeur pour deux raisons principales : i) il montre que le consortium de 7 bactéries est un bon candidat pour la bactériothérapie afin de raccourcir la période de dominance des entérocoques chez les individus à risque, limitant ainsi le risque d'infection, et ii) il démontre un mécanisme indirect impliquant le microbiote initial et la modulation du microbiote au cours de la récupération après traitement antibiotique.   L’effet du Mix7 sur l’accélération de la restauration globale des fonctions du microbiote pourrait contribuer à la récupération des fonctions du microbiote dans le contexte d'autres pathologies liées à un déséquilibre du microbiote.   -> Contact : lionel.rigottier-gois@inrae.fr

CR26-MathNum-3 - Vous exercerez votre activité au sein de l'unité Mathématiques et Informatique Appliquées du Génome à l'Environnement (MaIAGE) située dans le centre de Jouy-En-Josas et l'Université Paris Saclay. L'unité comporte quatre équipes de recherche et une plateforme de bioinformatique. Vous rejoindrez l'équipe Dynenvie (9 permanents) qui développe des recherches en modélisation dynamique et en statistique pour les écosystèmes, l'épidémiologie et l'agronomie, avec un intérêt particulier pour les phénomènes dynamiques spatio-temporels intégrant des échelles allant de l'intra-hôte à la métapopulation. Ses travaux méthodologiques se déclinent selon trois axes : la modélisation pour ces phénomènes, le développement de méthodes d'inférence adaptées à l'hétérogénéité et la structure de dépendance des données collectées, et le développement de travaux originaux à l'interface de la modélisation et des statistiques. Vous vous intègrerez tout particulièrement dans les premier et le dernier axes.La construction et l'estimation de paramètres pour des modèles dynamiques complexes, non linéaires de grande dimension, à partir de données expérimentales est un enjeu méthodologique fort, qui nécessite le développement d'une recherche à l'interface entre modélisation mécaniste, statistiques et apprentissage (y compris profond). Vous êtes un.e spécialiste de la modélisation (EDO, EDP, modèles hybrides déterministes/ stochastiques) avec un fort intérêt pour l'analyse, l'estimation et l'intégration de données pour ces modèles. Vous contribuerez au développement de modèles dynamiques et de méthodes d'inférence et d'assimilation adaptées, dans un contexte de données souvent de grande dimension et hétérogènes. Le cadre conceptuel pourra être celui de l'estimation bayésienne, des approches à base de métamodèles (splines, processus gaussiens, réseaux de neurones profonds), combinées avec des résolutions de problèmes inverses ou de filtrage. Vous pourrez aussi contribuer au développement d'approches originales de prétraitement et réduction de données, en vue de leur assimilation dans des modèles. Enfin vous contribuerez à ou piloterez des projets à l'interface dans des domaines d'intérêt pour INRAE comme la microbiologie, l'épidémiologie ou l'agroécologie, en particulier pour participer au développement de jumeaux numériques.Au sein de MaIAGE, vous serez en charge de :- développer des méthodes originales permettant l'analyse, l'estimation et l'intégration de données pour des modèles dynamiques ;- développer les algorithmes associés ;- collaborer avec des chercheurs en modélisation, en science des données et d'autres disciplines (microbiologie, épidémiologie, agroécologie par exemple) ;- suivre et contribuer aux évolutions de l'état de l'art dans votre domaine de spécialité.Le contexte scientifique francilien est très dynamique. Vous prendrez part à cette dynamique, nouant des collaborations pertinentes pour construire votre projet de recherche. Vous développerez votre propre réseau de collaborations, nationales et internationales, nécessaires à votre projet de recherche.A votre arrivée, vous participerez à des projets en cours dans votre équipe, par exemple un projet à l'interface avec la microbiologie ou un autre sur la thématique des jumeaux numériques en collaboration avec Inria. Vous serez force de proposition pour en construire de nouveaux, pertinents pour appuyer vos recherches. Vous développerez vos compétences en assimilation de données en vous investissant dans l'animation scientifique de l'interface entre modélisation et sciences des données dans l'équipe et plus largement dans l'unité.

Unité INRAE Mathématiques et Informatique Appliquées du Génome à l'Environnement