Les microalgues sont des organismes "simples" de cellules uniques, pourtant, ils ont un potentiel énorme lorsqu'il s'agit d'aider l'humanité à atteindre la neutralité carbone, selon des chercheurs de l'Institut de la bioénergie et des bioprocédés de Qingdao (QIBEBT) de l'Académie chinoise des sciences (CAS). Leurs activités métaboliques jouent un rôle fondamental dans le cycle global du carbone et convertissent le dioxyde de carbone en une grande variété de macromolécules de grande valeur.

Maintenant, les chercheurs du QIBEBT ont mis au point un moyen de déterminer rapidement avec précision quelles microalgues, parmi des millions de variations, peuvent le plus facilement convertir le dioxyde de carbone en composés précieux pouvant être utilisés pour les carburants, nourriture et médicaments. Ils ont publié leur approche le 18 juin dans Chimie analytique .

Cependant, l'approche actuelle pour identifier les microalgues et comprendre leur activité métabolique passe par la culture et l'étude de chaque espèce. "C'est lent et fastidieux, " a déclaré le premier auteur Mohammadhadi Heidari Baladehi, doctorant au Centre Cellulaire Unique et Laboratoire Clé CAS des Biocarburants à QIBEBT. "De plus, la grande majorité des microalgues dans la nature ne sont pas encore cultivées."

Pour accélérer l'évaluation des microalgues, les chercheurs ont utilisé la microspectroscopie Raman, qui produit des images qui révèlent les activités métaboliques de la cellule.

Dans ce travail, Heidari Baladehi et son équipe ont établi une base de données de "ramanomes" pour les microalgues, ou collection de spectres Raman unicellulaires. La base de données ramanome se compose de plus de 9, 000 cellules de connu, diverses espèces de microalgues. Démontrer la puissance de la base de données dans l'identification rapide et la caractérisation fonctionnelle des microalgues, ils ont appliqué une approche d'apprentissage automatique, ce qui signifie que plus d'informations ont été ajoutées au système, plus le système apprenait à identifier des modèles fonctionnels et génétiques entre différents organismes.

Heidari Baladehi a déclaré qu'une force critique de leur approche était de combiner deux "portraits basés sur Raman, " un pour les pigments et un pour tous les autres composés de la cellule. La plupart des approches actuelles ne collectent qu'un des deux portraits, et ne les collecte généralement pas dans la même cellule. Les chercheurs du QIBEBT ont proposé de combiner les deux portraits, afin d'obtenir une gamme d'informations beaucoup plus complète et plus riche. Avec les portraits combinés et l'algorithme d'apprentissage automatique, leur système peut identifier les espèces et leurs fonctions métaboliques avec une précision de 97 %, pour les microalgues déjà cultivées et enregistrées dans la base de données.

Par ailleurs, pour les espèces de microalgues qui n'ont pas été cultivées - elles sont abondantes dans l'environnement - les chercheurs du QIBEBT ont inventé une stratégie différente :les cellules sont imagées pour les deux portraits Raman afin de profiler d'abord leurs fonctions métaboliques, puis triés et séquencés pour les séquences du génome, une cellule à la fois. Ils y sont parvenus en utilisant un instrument développé au Single-Cell Center appelé RACS-Seq. L'instrument est unique dans sa capacité à produire des séquences génomiques de haute qualité pour la cellule cible, à la résolution d'exactement une cellule, après avoir collecté le signal Raman.

"Cette approche globale pour l'identification rapide et le profilage métabolique des cellules individuelles, cultivés ou non cultivés, accélère considérablement l'extraction et le criblage des usines de cellules de microalgues pour une production neutre en carbone, " dit XU Jian, directeur du Single-Cell Center et auteur principal de l'étude.

Sur la base de leur base de données Microalgal Ramanome, les chercheurs ont mis en place une plate-forme Web en libre accès (http://mard.single-cell.cn/) pour prendre en charge le système d'identification basé sur les fonctions. Ils prévoient de développer davantage leur base de données pour accueillir d'autres classes d'organismes vivants sur Terre.