• Réduire le texte

    Réduire le texte
  • Rétablir taille du texte

    Rétablir taille du texte
  • Augmenter le texte

    Augmenter le texte
  • Imprimer

    Imprimer

La modélisation pour comprendre et prédire les émissions de méthane par les ruminants

Les chercheurs de l’unité MoSAR (Modélisation Systémique Appliquée aux Ruminants) conduisent des travaux pour améliorer, par une approche de modélisation mathématique, la compréhension du métabolisme des microbes du rumen et les estimations de production de méthane qui en résultent. Cette modélisation permettra de concevoir des stratégies nutritionnelles favorisant un écosystème microbien compatible avec un élevage plus durable.

Le méthane d'origine agricole. © Inra
Par Sylvie André
Mis à jour le 23/05/2019
Publié le 10/04/2019

La réduction des émissions de méthane par les ruminants est un objectif majeur pour un élevage plus durable. Le méthane entérique résulte de la fermentation des aliments par les microbes dans le rumen. La conception de stratégies de réduction du méthane nécessite, d'une part, une meilleure compréhension  du métabolisme des microbes du rumen (en particulier les archaea méthanogènes) afin de déterminer comment le microbiote du rumen peut être modifié, et, d'autre part, des techniques non invasives et peu coûteuses d'estimation des émissions individuelles de méthane à la ferme. Les chercheurs de l’unité MoSAR affichent ces deux objectifs par une approche de modélisation mathématique qui permettra à l’avenir de concevoir des stratégies favorisant un écosystème microbien favorable à un élevage plus durable.

1) Pour mieux comprendre le métabolisme des méthanogènes, les chercheurs ont utilisé une approche intégrant la microbiologie, la thermodynamique et la modélisation mathématique. Des expériences in vitro ont été effectuées avec trois souches d’archaea méthanogènes pour caractériser la dynamique de leur métabolisme et la chaleur de réaction associée. Sur la base d’un modèle de fermentation ruminal précédemment développé par l’équipe, les chercheurs ont conçu un modèle dynamique de la méthanogénèse à base énergétique. Ce modèle permet de reproduire efficacement les données expérimentales de la dynamique de la méthanogénèse.
Ensemble, les données expérimentales et le modèle ont permis de quantifier des différences cinétiques et énergétiques entre les souches méthanogènes étudiées (groupe des archaea) et de produire de nouvelles connaissances sur la thermodynamique et la cinétique des méthanogènes. Ce travail a été réalisé en collaboration avec des collègues de l'équipe DINAMIC de l’UMRH et de l'Université Clermont Auvergne.

2) Pour estimer les émissions de méthane des ruminants à grande échelle, les chercheurs ont développé un modèle parcimonieux* dynamique qui utilise comme seul prédicteur de la production individuelle de méthane l’information du comportement alimentaire, évalué soit par la matière sèche ingérée (MSI) soit par la durée d'ingestion (DI). Comme le DI est plus facile à mesurer que la MSI, l’intégration de ce modèle in silico à un capteur en temps réel fournissant des mesures de DI précises, est une solution viable pour prédire la dynamique de la production de méthane à grande échelle. Ce travail a été réalisé en collaboration avec des collègues de Universidad de Antioquia (Medellín, Colombie), Scotland's Rural College-SRUC (Édimbourg, Royaume-Uni) et Biomathematics and Statistics Scotland-BioSS (Édimbourg, Royaume-Uni).

Un article de synthèse récent rassemblant des experts en microbiologie du rumen du monde entier (Huws et al., 2018), a montré que pour guider la conception de stratégies nutritionnelles, les modèles prédictifs mathématiques du rumen doivent intégrer des connaissances de génomique microbienne (données omiques). Ils devront également prendre en compte les facteurs de modulation associés au métabolisme des lipides, à la fermentation, au régime alimentaire mais également des données de phénotypage (mesure synchronisée de la production de méthane et des cinétiques d’ingestion et de consommation d’eau des animaux). C’est par l’intégration de toutes ces données que les modèles seront plus fiables et plus efficaces.

*la parcimonie est un principe consistant à n'utiliser que le minimum de causes élémentaires pour expliquer un phénomène.

Références

Pre-print :

Hydrogenotrophic methanogens of the mammalian gut: functionally similar, thermodynamically different. A modelling approach. 2018. Muñoz-Tamayo R, Popova M, Tillier M, Morgavi DP, Graviou D, Morel JP, Fonty G and Morel-Desrosiers N. BioRxiv: https://doi.org/10.1101/445171 . The manuscript is under submission to the Isme Journal.

Article :

A parsimonious software sensor for estimating the individual dynamic pattern of methane emissions from cattle. 2018. Muñoz-Tamayo R, Ramírez Agudelo JF, Dewhurst RJ, Miller G, Vernon T, and Kettle H.  Animal. https://doi.org/10.1017/S1751731118002550

Autre article cité :

Huws et al., 2018. Addressing Global Ruminant Agricultural Challenges Through Understanding the Rumen Microbiome: Past, Present, and Future. Frontiers in Microbiology, 9: 33.