La détection et l’identification de micro-organismes pathogènes est un réel enjeu de santé public tant au niveau alimentaire, que clinique ou d’intérêt national tel qu’illustré en biodéfense. Dans tous ces domaines, il est important d‘avoir des méthodes d’identification et de détection qui soient à la fois rapide, sensible et robuste. Cette thèse a pour objectif de contribuer au développement d’une approche rapide d’identification de micro-organismes sans a priori par spectrométrie de masse en tandem. Cette approche innovante, appelée phylopeptidomique, repose sur l’alliance de la peptidomique, i.e. analyse à large échelle des peptides provenant de la digestion enzymatique d’un échantillon biologique, et de la phylogénie des organismes cellulaires. Après extraction des protéines présentes dans l’échantillon à ausculter, des peptides sont générés et analysés par spectrométrie de masse en tandem. La déconvolution des signaux MS/MS à l’aide du logiciel « µOrg.ID » développé en propre au laboratoire permet d’identifier et quantifier les organismes présents dans l’échantillon en fonction des organismes indexés dans les bases de données. L’étude du protéome de Bacillus atrophaeus, agent simulant de l’anthrax, sous forme sporulée et végétative a permis d’illustrer une méthode d’identification de biomarqueurs protéiques permettant de déterminer le ratio entre les deux formes dans un échantillon. La limite de détection de la phylopeptidomique dans des échantillons purs et des échantillons en mélange équimolaire a été établie sur des bactéries modèles d’intérêts médical et environnemental. La limite de détection de spores de Bacillus atrophaeus en présence de 14 matrices interférentes (alimentaires, environnementales et autres) a permis de mettre en évidence les avantages et limitations de l’approche. Enfin, un mélange artificiel standardisé de 24 organismes a été développé afin d’évaluer les outils de bio-informatique en métaprotéomique. / The detection and identification of pathogenic microorganisms is a real public health issue for the food industry and the clinics or national interest as illustrated in the biodefense field. Thus, it is important to have identification and detection methods that are fast, sensitive and robust. This PhD thesis aims at contributing to the development of a rapid approach to identify microorganisms without any a priori by tandem mass spectrometry. This innovative approach, called phylopeptidomics, is based on the combination of peptidomics, i.e. large scale analysis of peptides derived from the enzymatic digestion of a biological sample, and the phylogeny of cellular organisms. After extraction of the proteins from the sample of interest, peptides are generated and analyzed by tandem mass spectrometry. The deconvolution of MS/MS signals using the "μOrg.ID" software developed in the laboratory enables the identification and quantification of organisms present in the sample according to the organisms indexed in generalist databases. The study of the proteome of Bacillus atrophaeus, a simulant agent of anthrax, in sporulated and vegetative form, has provided an illustration of a new method of identification of protein biomarkers, which allows determining the ratio between both forms. The limit of detection of phylopeptidomics in pure samples and equimolar mixtures was established with model bacteria of medical and environmental interests. The limit of detection of B. atrophaeus spores in the presence of 14 interfering matrices (food, environmental and others) has highlighted the advantages and limitations of the approach. Finally, a standardized artificial mixture of 24 organisms was developed in order to evaluate bioinformatics tools in metaproteomics.
| Identifer | oai:union.ndltd.org:theses.fr/2018MONTT055 |
| Date | 19 October 2018 |
| Creators | Mappa, Charlotte |
| Contributors | Montpellier, Armengaud, Jean, Alpha-Bazin, Béatrice |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0028 seconds