Description

Les bioréacteurs sont des systèmes multiphasiques où les transferts de matière influencent fortement les vitesses de réaction biologique. Les micro-organismes qui y évoluent sont soumis à des conditions fluctuantes (oxygène, nutriments, pH, température). Malgré ce caractère dynamique, les réponses physiologiques à l’échelle unicellulaire restent encore peu explorées. Ce projet de doctorat vise à développer des outils expérimentaux de pointe pour étudier l’adaptation microbienne et les dynamiques métaboliques à l’échelle de la cellule unique, en lien avec les procédés en bioréacteur.
Le projet se situe à l’interface de la physique et de la microbiologie, avec le développement d’une plateforme originale combinant pinces optiques holographiques (manipulation sans contact de cellules individuelles), puce microfluidique (contrôle des conditions environnementales) et fluorescence induite par laser pour mesurer localement l’oxygène, le CO₂ et le pH. Le travail expérimental s’organisera en trois axes : (i) mesure de l’activité métabolique par des techniques optiques innovantes ; (ii) suivi de la croissance et de la morphologie sous variations brusques de l’environnement ; (iii) étude des réponses dynamiques à des fluctuations périodiques mimant les gradients de bioréacteurs. Les données obtenues alimenteront des modèles de simulation développés en parallèle dans l’équipe.

Compétences requises

Ce projet de doctorat se situe à l’interface de plusieurs disciplines : physique optique, microfluidique, mécanique des fluides, génie (bio)chimique et microbiologie. Les compétences nécessaires pourront être acquises au cours du projet, l’équipe assurant une formation à la microfabrication, aux techniques de fluorescence, au traitement d’images et à la microbiologie. Une appétence pour la programmation est indispensable, notamment pour l’acquisition de données, le traitement d’images et l’analyse de signaux, qui nécessiteront le développement régulier de scripts.

Bibliographie

Weibel, D. B., DiLuzio, W. R., & Whitesides, G. M. (2007). Microfabrication meets microbiology. *Nature Reviews Microbiology*, 5(3), 209–218.
Whitesides, G. M. (2006). The origins and the future of microfluidics. *Nature*, 442(7101), 368–373.
Grünberger, A., Wiechert, W., & Kohlheyer, D. (2014). Single-cell microfluidics: opportunity for bioprocess development. *Current Opinion in Biotechnology*, 29, 15–23.
Ackermann, M. (2015). A functional perspective on phenotypic heterogeneity in microorganisms. *Nature Reviews Microbiology*, 13(8), 497–508.
Lidstrom, M. E., & Konopka, M. C. (2010). The role of physiological heterogeneity in microbial populations. *Nature Chemical Biology*, 6(10), 705–712.
Wang, P., Robert, L., Pelletier, J., Dang, W. L., Taddei, F., Wright, A., & Jun, S. (2010). Robust growth of *Escherichia coli*. *Current Biology*, 20(12), 1099–1103.
Neubauer, P., & Junne, S. (2010). Scale-down simulators for metabolic analysis of large-scale bioprocesses. *Current Opinion in Biotechnology*, 21(1), 114–121.
Delvigne, F., Boxus, M., Ingels, S., & Thonart, P. (2014). Bioreactor heterogeneities: new insights in microbial scale-down modeling. *Biotechnology Journal*, 9(3), 332–343.
Lara, A. R., Galindo, E., Ramírez, O. T., & Palomares, L. A. (2006). Living with heterogeneities in bioreactors: understanding the effects of environmental gradients on cells. *Biotechnology Advances*, 24(6), 620–632.
Grier, D. G. (2003). A revolution in optical manipulation. *Nature*, 424(6950), 810–816.
Dholakia, K., & Čižmár, T. (2011). Shaping the future of manipulation. *Nature Photonics*, 5(6), 335–342.
Stephens, D. J., & Allan, V. J. (2003). Light microscopy techniques for live cell imaging. *Science*, 300(5616), 82–86.
Pendergrass, W., Wolf, N., & Poot, M. (2004). Efficacy of mitochondrial dyes in living cells and tissues. *Methods*, 26(4), 241–247.
Schindelin, J., Arganda-Carreras, I., Frise, E., Kaynig, V., Longair, M., Pietzsch, T., et al. (2012). Fiji: an open-source platform for biological-image analysis. *Nature Methods*, 9(7), 676–682.
van der Walt, S., Schönberger, J. L., Nunez-Iglesias, J., Boulogne, F., Warner, J. D., Yager, N., et al. (2014). scikit-image: image processing in Python. *PeerJ*, 2, e453.
McKinney, W. (2010). Data structures for statistical computing in Python. In *Proceedings of the 9th Python in Science Conference*, 51–56.
Nielsen, J. (2013). Production of biopharmaceutical proteins by yeast: advances through metabolic engineering. *Nature Biotechnology*, 31(8), 693–701.
Madzak, C. (2015). Yarrowia lipolytica: recent achievements in heterologous protein expression and pathway engineering. *FEMS Yeast Research*, 15(1), 1–14.

Mots clés

Microfluidique, Pince optique, Bioprocédés, Cellule unique, Bioréacteur, Traitement d'image