Topic description
Ce projet de thèse vise à développer une approche non destructive basée sur l'imagerie hyperspectrale (VIS–NIR–SWIR) pour analyser in vivo le métabolisme secondaire du noyer (genre Juglans), en particulier la production de juglone et autres naphtoquinones, et l'appliquer à la sélection de génotypes hyperproductifs. Les noyers présentent un intérêt agronomique et économique majeur et sont riches en métabolites bioactifs impliqués dans les interactions plante–plante et plante–microorganismes, avec un fort potentiel en protection des cultures et en santé humaine. Les méthodes classiques d'étude du métabolisme secondaire (extractions, LC-MS, RMN) sont toutefois destructives, coûteuses et peu compatibles avec un suivi dynamique ou un criblage à grande échelle.
L'imagerie hyperspectrale constitue une alternative prometteuse pour accéder rapidement et sans destruction à l'information biochimique des tissus végétaux, mais son application spécifique à la quantification in vivo de métabolites ciblés comme la juglone chez le noyer reste peu explorée. Le verrou scientifique principal concerne l'établissement de relations robustes entre signatures spectrales et concentrations réelles en composés d'intérêt, ainsi que la validation de modèles prédictifs fiables en conditions contrôlées et semi-naturelles.
La problématique centrale est donc d'évaluer si l'imagerie hyperspectrale permet d'estimer de façon fiable et in vivo la production de naphtoquinones afin d'identifier des génotypes hyperproductifs. Le projet repose sur l'hypothèse que la variabilité métabolique entre génotypes et états physiologiques induit des signatures spectrales détectables, et que des modèles statistiques et d'apprentissage automatique peuvent relier ces signatures aux concentrations mesurées par analyses chimiques de référence.
L'objectif général est de développer une méthodologie opérationnelle combinant imagerie hyperspectrale, métabolomique ciblée et modélisation pour estimer la teneur en juglone chez le noyer et l'utiliser comme outil de phénotypage et d'aide à la sélection. Les objectifs spécifiques incluent la caractérisation de la variabilité métabolique entre génotypes, l'identification de signatures spectrales pertinentes, le développement de modèles prédictifs (chimiométrie, IA) et leur validation pour le criblage de matériel végétal.
La méthodologie combinera acquisitions hyperspectrales in vivo, analyses chimiques de référence (LC-MS, RMN), prétraitements spectraux et analyses multivariées (PCA, PLS, OPLS) ainsi que des modèles de prédiction (PLSR, Random Forest, réseaux de neurones). Le projet est structuré en workpackages couvrant la caractérisation métabolique, l'acquisition de données, la modélisation et la validation appliquée.
Les retombées attendues sont le développement d'une méthode innovante de phénotypage du métabolisme secondaire, l'identification de génotypes de noyer à fort potentiel, et des applications en sélection variétale, biocontrôle et valorisation des coproduits. Le projet s'inscrit dans l'environnement scientifique de l'UPJV et de l'UMRt BioEcoAgro, à l'interface entre biologie du végétal, chimie analytique et sciences du numérique, avec une forte dimension interdisciplinaire.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
This PhD project aims to develop a non-destructive approach based on hyperspectral imaging (VIS–NIR–SWIR) to analyse in vivo the secondary metabolism of walnut trees (genus Juglans), with a particular focus on juglone and other naphthoquinones, and to apply this approach to the selection of high-producing genotypes. Walnuts are of major agronomic and economic interest and are rich in bioactive secondary metabolites involved in plant–plant and plant–microorganism interactions, with strong potential for crop protection and human health applications. However, classical methods used to study secondary metabolism (extractions, LC-MS, NMR) are destructive, time-consuming and not compatible with dynamic in vivo monitoring or large-scale screening.
Hyperspectral imaging offers a promising alternative to access biochemical information in plant tissues in a rapid and non-destructive way, but its specific application to the in vivo quantification of targeted secondary metabolites such as juglone in walnut remains largely unexplored. The main scientific challenge is to establish robust relationships between spectral signatures and actual metabolite concentrations, and to validate reliable predictive models under controlled and semi-natural conditions.
The central question is whether hyperspectral imaging can be used to reliably and non-destructively estimate naphthoquinone production in walnut in order to identify high-producing genotypes. The project is based on the hypothesis that metabolic variability among genotypes and physiological states induces detectable VIS–NIR–SWIR spectral signatures, and that statistical and machine-learning models can link these signatures to concentrations measured by reference chemical analyses.
The overall objective is to develop an operational methodology combining hyperspectral imaging, targeted metabolomics and modelling to estimate juglone content in walnut and use it as a phenotyping and selection tool. Specific objectives include the characterisation of metabolic variability among genotypes, the identification of relevant spectral signatures, the development of predictive models (chemometrics, AI) and their validation for high-throughput screening of plant material.
The methodology will combine in vivo hyperspectral acquisitions, reference chemical analyses (LC-MS, NMR), spectral preprocessing, multivariate analyses (PCA, PLS, OPLS) and predictive models (PLSR, Random Forest, neural networks). The project is structured into work packages covering metabolic characterisation, data acquisition, modelling and applied validation.
Expected outcomes include the development of an innovative method for secondary metabolism phenotyping, the identification of walnut genotypes with high production potential, and applications in plant breeding, biocontrol and by-product valorisation. The project will be carried out in the scientific environment of UPJV and the UMRt BioEcoAgro, at the interface between plant biology, analytical chemistry and data science, with a strong interdisciplinary dimension.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/
Funding category
Other public funding
Funding further details
ANR Financement d'Agences de financement de la recherche
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.