R&D en culture in vitro : comment ne pas perdre la tête ?

Il est reconnu que la mise au point de techniques de culture in vitro nécessite beaucoup de savoir-faire et d’expériences empiriques. Souvent, ce sont des modifications mineures sur des protocoles déjà existants qui sont apportées mais qui ne permettent pas de résoudre des problèmes physiologiques, aboutissant à des pertes de rendement. C’est justement la complexité des systèmes de culture in vitro et, en parallèle, la possibilité qu’il y a d’en contrôler tous les paramètres qui rendent la démarche mathématique de planification expérimentale tout à fait appropriée à cette biotechnologie.

 

IAPB présente des avancées sur l’optimisation des conditions de culture in vitro

Lors du dernier Colloque de l’IAPB*, plusieurs équipes internationales ont présenté leurs travaux sur les méthodes d’optimisation de conditions de culture in vitro de végétaux. Leurs approches complémentaires ont permis de développer des milieux de composition optimale pour des espèces difficiles à produire in vitro, notamment diverses espèces ligneuses.

* International Association for Plant Biotechnology

 

Par des modèles mathématiques

Niedz et Evens développent depuis les années 2000 une approche mathématique de l’étude de la composition minérale des milieux de culture. Leur approche prend en compte le fait que non seulement la quantité d’un élément nutritif est importante dans un milieu, mais également sa proportion vis-à-vis des autres. Cependant, un milieu ne comporte pas moins d’une dizaine de sels différents, auxquels il faut ajouter les vitamines, les régulateurs de croissance, le sucre etc. Même en regroupant les constituants, on arrive vite à un nombre de modalités supérieur au millier ! La démarche de planification expérimentale permet de restreindre les modalités à un nombre acceptable, tout en balayant efficacement l’espace des possibles : le nombre de modalités se définit à partir du nombre de dimensions qui est égal au nombre de facteurs du milieu identifiés. B. Reed a bien illustré cette approche dans son exposé au colloque et dans plusieurs de ses articles.

 

Par des algorithmes d’intelligence artificielle

Dans le même temps, Gallego et Landin ont développé des approches de modélisation de la composition de milieux de culture grâce aux algorithmes d’intelligence artificielle. En effet, si les données d’entrée sont nombreuses, les données de sorties peuvent l’être également : divers rendements, mesures de poids des tissus végétaux, données qualitatives sur le développement, etc. L’intégration de tous ces paramètres dans l’analyse statistique et la démarche expérimentale est très complexe et peut gagner en efficacité grâce aux outils informatiques. La combinaison de cette approche avec la planification expérimentale (citée ci-dessus) est particulièrement pertinente et a fait ses preuves sur pistachier.

 

Des méthodes à combiner

Si dans un certain nombre de cas, l’application d’une technique de culture in vitro ne pose pas de souci majeur, dans d’autres cas, les blocages sont importants et la réactivité insuffisante (rendement très faible). Une approche expérimentale structurée doit permettre d’atteindre un résultat plus rapidement, tout en économisant les moyens par un choix optimal et restreint de conditions expérimentales. Cette démarche n’est possible qu’en combinant les compétences en mathématiques et en biologie cellulaire. Grâce à l’accès facilité aux outils informatiques libres de droit, ou à des solutions logicielles payantes, une mise en œuvre des modèles mathématiques ou des algorithmes déjà développés devient aujourd’hui plus aisée dans tout laboratoire de culture in vitro.

 

Références bibliographiques :

Akin, Meleksen, Ecevit Eyduran, Randall P. Niedz, et Barbara M. Reed. « Developing Hazelnut Tissue Culture Medium Free of Ion Confounding ». Plant Cell, Tissue and Organ Culture (PCTOC) 130, no 3 (septembre 2017): 483 94. https://doi.org/10.1007/s11240-017-1238-z.

Nezami-Alanagh, Esmaeil, Ghasem-Ali Garoosi, Mariana Landín, et Pedro Pablo Gallego. « Combining DOE With Neurofuzzy Logic for Healthy Mineral Nutrition of Pistachio Rootstocks in Vitro Culture ». Frontiers in Plant Science 9 (15 octobre 2018). https://doi.org/10.3389/fpls.2018.01474.

Niedz, R.P., et T.J. Evens. « Design of Experiments (DOE)—History, Concepts, and Relevance to in Vitro Culture ». In Vitro Cellular & Developmental Biology – Plant, 12 septembre 2016, 1 16. https://doi.org/10.1007/s11627-016-9786-1.

Zielińska, Sylwia, et Ewa Kępczyńska. « Neural Modeling of Plant Tissue Cultures: A Review ». BioTechnologia 3 (2013): 253 68. https://doi.org/10.5114/bta.2013.46419.

 

Crédits Photos : © Tsuboya ID : #42909365 - Adobe Stock, © natali_mis ID : #204549974 - Adobe Stock, © WoGi ID - #130923410 - Adobe Stock
Download PDF
Ce billet a été rédigé par Manuelle Bodin
C’est avec plus de 15 ans d’expérience dans le développement d’outils de biologie cellulaire pour les sélectionneurs que Manuelle, grâce à son équipe, met en place des solutions techniques adaptées à chaque espèce végétale.