Une étude publiée dans la revue «Nature Communications», dirigée par la Pre Sara Mitri au Département de microbiologie fondamentale de l’UNIL, présente une nouvelle méthode de triage visant à optimiser les communautés bactériennes pour une dégradation efficace des polluants dans l'environnement.
La capacité des microbes à métaboliser une grande diversité de composés, y compris des polluants industriels d’origine humaine, offre un potentiel considérable pour résoudre des problèmes environnementaux. Cependant, les approches de dépollution basées sur les micro-organismes restent jusqu’à présent peu efficaces. L’un des principaux obstacles réside dans la difficulté à trouver le bon choix d’espèces pour maximiser la fonction d’une communauté microbienne.
Dans une étude publiée le 7 septembre 2024 dans Nature Communications, l’équipe de recherche de Sara Mitri, professeure associée au Département de microbiologie fondamentale (DMF) de la Faculté de biologie et de médecine de l’UNIL, a développé une nouvelle méthode de sélection artificielle pour identifier les groupes de bactéries les plus performants dans la dégradation d’un polluant industriel. Son approche, inspirée des algorithmes génétiques, repose sur la «sélection par désassemblage»: un processus qui consiste à générer des communautés aléatoires, à choisir les plus efficientes, puis à les désassembler pour en créer de nouvelles avec des compositions légèrement modifiées. «En partant de 29 communautés aléatoires, soumises à 18 cycles de sélections et réarrangements, nous avons réussi à créer un groupe de microbes nettement plus performants que ceux de départ», explique Sara Mitri.
L’étude démontre également que cette stratégie, aussi connue sous le nom d’«évolution dirigée», permet non seulement d’améliorer la performance globale d’une communauté, mais aussi de favoriser les espèces coopératives. Les microbiologistes de l’UNIL ont ainsi trouvé que le succès d’une communauté ne dépend pas uniquement des bactéries les plus puissantes. En effet, certains micro-organismes, bien que moins efficaces seuls, améliorent la dégradation lorsqu'ils sont en groupe. Ces résultats montrent le potentiel de la sélection artificielle pour optimiser les communautés microbiennes. Ils ouvrent notamment la voie à des applications plus efficaces dans des domaines variés, allant au-delà de la dépollution environnementale, tels que la production des biogaz et le développement des probiotiques alimentaires.
Découvrir l’article scientifique paru dans Nature Communications
Pour aller plus loin :