13 Mars 2019  |  Environnement
Publié dans La Revue POLYTECHNIQUE 01/2019

L’intelligence artificielle explore la biodiversité des écosystèmes

Des chercheurs de l’Université de Genève ont développé une méthode qui allie la génomique et les outils d’apprentissage automatique pour explorer la biodiversité microbienne des écosystèmes. Ils ont mis au point une approche combinant deux technologies de pointe en se servant d’outils génomiques pour séquencer l’ADN des micro-organismes, puis exploitent cette masse considérable de données grâce à l’intelligence artificielle.

Les micro-organismes remplissent des fonctions clés dans les écosystèmes et leur diversité reflète l’état de santé de leur environnement. Or, ils sont encore largement sous-exploités dans les programmes de biosurveillance actuels, car difficilement identifiables.
Des chercheurs de l’Université de Genève (UNIGE) ont récemment mis au point une approche combinant deux technologies de pointe pour pallier ce manque. Ils se servent d’outils génomiques pour séquencer l’ADN des micro-organismes dans les prélèvements, puis exploitent cette masse considérable de données grâce à l’intelligence artificielle. Ils construisent ainsi des modèles prédictifs capables d’effectuer un diagnostic de santé des écosystèmes à large échelle et d’identifier les espèces qui remplissent des fonctions importantes.
Cette nouvelle approche, publiée dans la revue Trends in Microbiology, permettra d’augmenter considérablement la capacité d’observation d’écosystèmes étendus et de diminuer le temps d’analyse, pour des programmes de biosurveillance de routine beaucoup plus performants.
 
Bioindication par les micro-organismes de l’état de santé des écosystèmes.
 
 
Surveiller l’état de santé des écosystèmes
Surveiller l’état de santé des écosystèmes revêt une importance cruciale dans un contexte de développement durable et de pression croissante exercée par l’être humain sur l’environnement. Différentes espèces de micro-organismes sensibles aux changements qui affectent leur milieu sont utilisées comme bio-indicateurs pour le suivi de la qualité de l’environnement. Or, leur identification morphologique nécessite beaucoup de temps et d’expertise.
«Il y a un an, nous avons pu établir un indice de la qualité de l’eau basé uniquement sur les séquences d’ADN d’algues unicellulaires présentes dans les prélèvements, sans qu’il soit nécessaire d’en identifier visuellement chaque espèce», explique Jan Pawlowski, professeur au Département de génétique et évolution de la Faculté des sciences de l’UNIGE.
 
L’outil génomique insuffisant pour effectuer des diagnostics de santé
Cet outil génomique permet de décrire rapidement et avec une grande précision des communautés biologiques peuplant un environnement. Cependant, une large proportion des données ne peut pas être utilisée pour effectuer des diagnostics de santé des milieux, parce que bon nombre de séquences d’ADN ne sont pas référencées dans les base de données existantes. Les espèces qui détiennent ces séquences demeurent donc inconnues, de même que leur rôle écologique.
 
Dans le laboratoire du Département de génétique et évolution de la Faculté des sciences de l’UNIGE, Tristan Cordier a eu recours à un algorithme d’apprentissage automatique pour exploiter la totalité des données de génomique environnementale.
 
 
Le recours à un algorithme d’apprentissage automatique
«Afin d’exploiter la totalité des données de génomique environnementale, soit l’ensemble de la biodiversité des échantillons, nous avons eu recours à un algorithme d’apprentissage automatique»,déclare Tristan Cordier, membre du groupe genevois et premier auteur de l’étude.
Les biologistes ont utilisé des échantillons de différentes qualités écologiques, allant de bonne à mauvaise, dont ils ont séquencé l’ADN. La combinaison de ces informations leur a permis de constituer un système de référence avec les données de chaque échantillon. Un modèle prédictif a ensuite été élaboré avec cet algorithme, à partir de données d’apprentissage. Celles-ci comprennent les données des diagnostics de référence et celles du séquençage d’espèces inconnues. Ce modèle est affiné et validé au fur et à mesure en incluant de nouveaux échantillons de référence au jeu de données existant.
L’association de ces deux technologies de pointe permet d’obtenir des valeurs écologiques pour les séquences d’ADN, sans devoir les identifier.
 
Découvrir de nouveaux bio-indicateurs
Cette approche permet de découvrir des espèces de micro-organismes – déjà décrites ou non – remplissant des fonctions importantes, ainsi que de nouveaux bio-indicateurs. «Notre recherche partage des points communs avec celle menée sur le microbiome humain. Les deux visent en effet à démêler des communautés microbiennes et à identifier des biomarqueurs pouvant servir de puissants outils de diagnostic pour détecter la pollution environnementale ou des maladies touchant l’être humain», conclut Tristan Cordier.
 
Prof. Jan Pawlowski
Faculté des sciences de l’UNIGE
Tél. 022 379 30 69
Jan.Pawlowski@unige.ch
 
Tristan Cordier
Faculté des sciences de l’UNIGE
Tél. 022 379 30 77
Tristan.Cordier@unige.ch


13 Août 2018  |  Environnement

Un nouveau centre de tri et de valorisation des déchets

Implanté sur le site de Sogetri dans la zone industrielle de Satigny, dans le canton de Genève, SORTERA, un nouveau centre de tri entièrement robotisé, traitera chaque année plus de 70’000 t de déchets issus de l’industrie, de chantiers ou d’entreprises. Des machines de haute technologie assureront de manière écologique, le tri et la valorisation des déchets.
24 Février 2019  |  Environnement

Une nouvelle usine d’épuration de biogaz

En avril 2018, le constructeur d’installations énergétiques ETW Energietechnik a mis en service sa première usine d’épuration de biogaz à Scherwiller, en France. Avec une capacité de traitement de 230 à 385 Nm3/h, ce type d’installation a été spécialement développé pour le marché français. Une deuxième usine est en construction.
Polymedia Meichtry SA | Chemin de la Caroline 26 | 1213 Petit-Lancy | Genève | T: +41 22 879 88 20 | F: +41 22 879 88 25 | info@polymedia.ch