Post-doctorant pour l’étude des traits du zooplancton à partir de données d’imagerie

Pour transmettre les savoirs, comprendre le monde et répondre aux enjeux du XXIe siècle, une nouvelle université est née le 1er janvier 2018, issue de la fusion entre l’Université Paris-Sorbonne et l’Université Pierre et Marie Curie. Sorbonne Université est une institution multidisciplinaire de recherche de renommée mondiale. Ancrée au cœur de Paris et présente en région, elle s’engage pour la réussite de ses étudiants et s’efforce de relever les défis scientifiques du 21e siècle.  www.sorbonne-universite.fr

Le Laboratoire d’Océanographie de Villefranche (LOV ; http://lov.obs-vlfr.fr/ ) est situé à proximité de Nice, sur la Côte d’Azur. Elle appartient à l’une des trois stations marines de Sorbonne Université. Avec environ 90 collaborateurs permanents, le LOV génère et analyse une grande quantité de données marines, notamment des données d’imagerie, génomiques et satellitaires pour étudier l’océan.

L’équipe COMPLEx (COMPutational PLAnkton Ecology) rassemble une quarantaine de membres qui étudient le plancton marin en collectant des données avec des instruments d’imagerie quantitative et de génomique à haut débit qui éclairent des méthodes d’analyse numérique avancées (modélisation, statistiques, machine learning). Le plancton englobe tous les organismes vivant au gré des courants marins. Ces organismes sont responsables de la production d’une partie de l’oxygène que nous respirons, du stockage du carbone que nous émettons, de l’alimentation des poissons que nous mangeons ; le plancton est donc un élément constitutif majeur de l’écosystème terrestre. COMPLEx interagit fortement avec la Plateforme d’Imagerie Quantitative de Villefranche (PIQv ; https://sites.google.com/view/piqv ), qui supervise le fonctionnement des outils que l’équipe développe. Ces outils comprennent des capteurs d’imagerie, tels que l’Underwater Vision Profiler ou le ZooScan, ainsi qu’un nombre croissant de progiciels pour traiter et contrôler la qualité des données générées par les instruments, trier les images de manière taxonomique ( https://ecotaxa.obs -vlfr.fr/ ) ou stocker et diffuser des données sur l’abondance des particules de neige marine. L’équipe possède une longue expérience des interactions avec des ingénieurs et informaticiens, du milieu universitaire et du secteur privé, pour développer ces outils.

La personne recrutée travaillera dans le cadre du projet ANR PRC TraitZoo. L’objectif du projet TraitZoo est d’étudier les communautés du mésozooplancton à travers leurs « traits ». Un trait fonctionnel est une caractéristique individuelle qui influence la valeur sélective de l’individu. Pour le zooplancton, les traits pertinents incluent la taille, la transparence, la présence d’appendices (indicateurs de régime alimentaire), la quantité de réserves, etc. Beaucoup de ces traits sont visibles dans les images de ces organismes et peuvent donc être extraits des images ; nous avons rédigé un article de synthèse sur le sujet : Orenstein EC et al. (2022) Techniques d’apprentissage automatique pour caractériser les traits fonctionnels du plancton à partir de données d’images. Limnologie et océanographie 67 : 1647-1669. https://doi.org/10.1002/lno.12101

Mission :
L’objectif de ce poste postdoctoral est de réaliser le potentiel présenté dans cet article : exploiter un jeu de données d’imagerie quantitative du plancton pour en extraire un ou plusieurs traits écologiquement pertinents, éventuellement par apprentissage automatique, et ainsi explorer le fonctionnement des écosystèmes pélagiques à un niveau plus fin. niveau que la simple composition de la communauté. Au sein du consortium TraitZoo, il sera également possible d’extrapoler l’effet de ce trait en incluant ces observations dans un modèle biogéochimique ou un modèle individuel. L’orientation des travaux dépendra largement des intérêts de la personne recrutée, mais certaines pistes sont déjà envisagées :

• Extraire le volume des sacs lipidiques des copépodes arctiques, en mettant en œuvre la méthode de Maps et al. 2023 ( https://doi.org/10.1093/plankt/fbad048 ) sur une série de campagnes s’étalant sur plusieurs années dans le nord du Canada pour mieux décrire la variabilité et les mécanismes impliqués dans cette pompe à carbone lipidique, qui joue un rôle majeur dans le fonctionnement de écosystèmes boréaux.
• Détecter et quantifier les extensions cellulaires des Rhizaria, abondantes dans le courant de Californie par exemple, pour mieux estimer leur rapport carbone/volume. En effet, c’est leur volume effectif, compte tenu des extensions cytoplasmiques, souvent fines et visibles uniquement in situ, qui détermine leur influence dans l’écosystème (pour intercepter le flux descendant de particules marines ou capturer leurs proies par exemple).
• Mesurer la distance entre les objets détectés individuellement dans la colonne d’eau dans un ensemble de données à l’échelle mondiale, explorant ainsi les mécanismes possibles d’évitement ou d’association entre les organismes de différents taxons ou entre les organismes et la neige marine.

Selon les approches choisies, les données d’imagerie proviendront de LOKI, UVP ou ISIIS.

Activités principales :

• Assemblage et exploration initiale de grands ensembles de données d’imagerie du zooplancton
• Extraction d’informations à partir d’images en effectuant des annotations manuelles (avec l’aide d’un personnel dédié) et potentiellement en mettant en œuvre et/ou en développant des algorithmes d’apprentissage automatique ou des techniques de vision par ordinateur
• Quantification des observations, analyse statistique et extraction des résultats, extrapolant potentiellement leur influence écologique en les incluant dans un modèle biogéochimique ou centré sur l’individu (en collaboration avec d’autres membres du projet TraitZoo)
• Discussion des résultats, rédaction d’articles scientifiques, présentations lors de conférences, participation à des réunions de projet.