Modélisation de la distribution des microbes associés aux plantes avec des modèles de distribution d’espèces |

Sarah Ishak, Université du Québec à Montréal, discusses their article: Modélisation de la distribution des microbes associés aux plantes avec des modèles de distribution d’espèces

L’éventail de bactéries, de champignons, de protistes, de virus et d’archée qui vivent à l’intérieur ou à l’extérieur des tissus végétaux, alias les microbes associés aux plantes, remplissent des fonctions qui varient de bénéfique au parasite à un simple existant neutre avec la plante. Avec le changement climatique posant des menaces imprévisibles et potentiellement existentielles pour les écosystèmes locaux, comprendre comment les microbes associés aux plantes réagissent à ces changements sont nécessaires pour maintenir la santé et la résilience non seulement des plantes, mais les organismes et les systèmes qui nécessitent des plantes (y compris les personnes).

Les modèles de distribution spatiale (SDM) ont souvent été utilisés pour modéliser la distribution d’un nombre ou d’un petit nombre d’espèces végétales ou animales sous gradients environnementaux. Pourrions-nous étendre ce cadre aux microbes associés aux plantes pour prédire leurs réponses aux variables climatiques changeantes? Malheureusement, les microbes sont difficiles pour cette tâche. Contrairement à de nombreux autres organismes couramment étudiés, ils sont largement asexués, difficiles à observer et phylogénétiquement flexibles, avec la capacité de partager des gènes, de muter ou de s’adapter très rapidement.

Malgré les progrès du séquençage microbien, nous ne nous retrouvons généralement avec un instantané que dans le temps, un petit aperçu du monde microbien à partir duquel nous pouvons tenter de faire des prédictions. De plus, les microbes associés aux plantes existent dans un contexte unique dans lequel ils vivent dans un environnement dans un environnement. Le premier environnement, la plante hôte, aura des facteurs biotiques qui façonnent directement les communautés microbiennes. Le deuxième environnement est l’environnement externe – où la plante hôte se développe. Si nous voulons prédire comment les variables climatiques entraîneront la distribution des microbes associés aux plantes, nous devons également tenir compte du contexte biotique dans lequel ils vivent. Dans notre article, nous discutons de trois façons principales que cela puisse être fait:

1. Incorporer les plantes hôtes comme une «couche statique» dans un SDM en contraignant les prédictions de la distribution microbe associée aux plantes par les espèces végétales hôtes. Cela signifie que toutes les prévisions faites sur la distribution des microbes associées aux plantes suppose que les microbes sont plus similaires dans la même plante hôte et explique passivement la distribution actuelle des espèces de plantes hôtes à travers un gradient environnemental / climatique.

2. Un SDM imbriqué dans lequel nous modélissons d’abord les effets du climat sur la distribution des plantes, avant d’incorporer ces prévisions dans le modèle de distribution microbienne. Cela intègre les plantes hôtes en tant que «couche dynamique» et peut fournir de meilleures prédictions sur la façon dont les microbes associés aux plantes réagiront au changement climatique, car il explique comment la distribution des plantes hôtes elles-mêmes réagira.

3. En utilisant les modèles de distribution des espèces articulaires (JSDMS) explique la relation entre les plantes et leurs microbes, c’est-à-dire que les plantes hôtes affectent la distribution des microbes et les microbes affectent la distribution des plantes. Ce modèle a été développé pour examiner les interactions d’espèces d’espèces, y compris les espèces végétales et microbes dans la même matrice communautaire peut montrer des interactions plante-plante, microbe-microbe et les interactions végétales.

Nous avons mené une étude de cas en utilisant ces trois méthodes pour prédire comment la gamme des bactéries associées aux feuilles changerait sous différentes variables climatiques et avons constaté que:

1. L’incorporation de données hôte-plane était très importante pour prédire la distribution de nos bactéries échantillonnées.
2. L’ajout de l’hôte comme couche «dynamique» (modèle 2), a fourni des prédictions plus pertinentes biologiquement.
3. Les JSDM ont pu prédire spécifiquement les changements de plage de taxons bactériens spécifiques.

Les cadres que nous avons proposés sont une étape prometteuse dans la mise en œuvre du SDDM pour les communautés microbiennes associées aux plantes. Cependant, nous encourageons plus de tests, plus de collecte de données et le développement d’outils plus statistiques avant de pouvoir faire avec précision les prédictions sur la façon dont le changement climatique affectera ces microbes associés aux plantes.