Metabolic modeling of the industrial oleaginous microalga Microchloropsis gaditana
Modélisation du métabolisme de la microalgue oléagineuse d'intérêt industriel Microchloropsis gaditana
Résumé
Context: Microalgae have attracted significant attention for industrial biotechnologies. Due to their capability to produce lipids from CO2 and light, microalgae are a promising alternative to face fossil resources depletion. Developing microalgae suitable for such applications is an ongoing challenge. To reach a viable technological process, performance must be greatly improved. Optimization can be performed at two scales. On the one hand, the development of high-performance strains through metabolic and genetic engineering. On the other hand, the development of cultivation processes maximizing production performance. Objectives: The aim of the PhD will be first to develop modeling approaches to accelerate research at both scales for the microalga of industrial interest Microchloropsis gaditana CCMP526 . Then, to link these scales to obtain a join organism-process optimization. First, a genome-scale metabolic model of Microchloropsis gaditana will be corrected and validated. This model will be implemented according to the formalism of constraint-based metabolic models (COBRA). Model will then be used to identify metabolic and genetic engineering targets to optimize stain performance. At the culture scale, models predicting culture characteristics: growth, production of lipids overtime; depending on process parameters (light intensity, temperature, medium, etc.) and the organism parameters (metabolic capacities, capacity to use light, etc.), will be implemented. Finally, the PhD will join both modeling scales in order to consider transversal aspects between a single cell and whole population. Optima combining metabolic interventions and process control will be searched.
Contexte : Les microalgues ont un fort potentiel d'applications dans le domaine des biotechnologies industrielles. Leur capacité par exemple à produire des lipides à partir de CO2 et d'énergie lumineuse représente une piste prometteuse de production de carburants renouvelables répondant à l'épuisement des ressources fossiles. Le développement de microalgues adaptées à ces applications est l'objet de recherches actives, et le gain de performance à atteindre est encore grand pour obtenir une solution technologique viable. Ces développements peuvent être distingués en deux grands niveaux. D'une part, le développement de souches de microalgues performantes, via leur ingénierie métabolique et génétique. D'autre part, le développement de procédés de culture maximisant la performance de production. Objectifs : La thèse aura pour objectif de développer des approches de modélisation pour accélérer les recherches à chacun de ces deux niveaux pour la microalgue d'intérêt industriel Microchloropsis gaditana CCMP526 , mais également pour relier ces deux échelles et obtenir des pistes d'optimisation globale souche-procédés. Une première approche consistera à corriger et valider un modèle détaillé du réseau métabolique de Microchloropsis gaditana à l'échelle cellulaire. Ce modèle sera implémenté selon le formalisme des modèles métaboliques à base de contraintes (Constraint-based metabolic models : COBRA). Le modèle sera ensuite exploité afin d'identifier des cibles d'ingénierie métabolique et génétique permettant d'optimiser les performances de l'organisme. A l'échelle de la culture, la thèse s'appuiera sur des modèles permettant de prédire les caractéristiques de la culture (croissance, production de lipides en fonction du temps) en fonction des paramètres du procédé (illumination, température, milieu, etc.) et des caractéristiques de l'organisme (capacités métaboliques, capacité à exploiter la lumière, etc.). Enfin, la thèse cherchera à joindre les deux échelles de modélisation pour aborder les thématiques les plus transverses entre les échelles, et rechercher des optimums mêlant interventions métaboliques et conduite de procédé.
Domaines
Biotechnologies| Origine | Version validée par le jury (STAR) |
|---|