Analyses multi-omiques de la diversité phénotypique des plus petits eucaryotes photosynthétiques // Multi-omics insights into the phenotypic diversity of the smallest photosynthetic eukaryotes

Les microalgues phytoplanctoniques de la classe des Mamiellophyceae (Chlorophyta) constituent des modèles fascinants pour l'étude de la diversité phénotypique, de l'évolution des génomes et des interactions hôte-virus. Ces microalgues cosmopolites, caractérisées par des génomes haploïdes compacts (<20 Mb) et une résistance énigmatique aux virus à ADN double brin, offrent une opportunité unique pour explorer les fondements génomiques et métaboliques de l'évolution.
Ce projet de thèse vise à intégrer des jeux de données multi-omiques (génomique, transcriptomique, translatomique et métabolomique) afin d'élucider les mécanismes moléculaires sous-jacents à la diversité phénotypique et à la résistance virale chez les Mamiellophyceae. Le laboratoire d'accueil a généré des données exhaustives de séquençage et de métabolomique, couvrant plusieurs espèces, des lignées issues d'évolution expérimentale, ainsi que des phénotypes distincts au sein d'une même souche. L'analyse de ces données permettra de répondre aux questions suivantes :
1. Quelles sont les signatures multi-omiques (métabolomiques, transcriptomiques, translatomiques) associées à la susceptibilité et à la résistance aux virus ?
2. Comment les signatures métabolomiques peuvent-elles être reliées aux réseaux d'expression génique des voies de biosynthèse ?
3. Quel est le taux d'évolution relatif des métabolomes par rapport aux taux d'évolution des génomes ?
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Marine phytoplanktonic microalgae from the class Mamiellophyceae (Chlorophyta) are fascinating models for studying phenotypic diversity, genome evolution, and virus-host interactions. These cosmopolitan organisms, with their compact haploid genomes (<20 Mb) and enigmatic resistance to double-stranded DNA viruses, offer a unique opportunity to explore the genomic and metabolic underpinnings of evolution.
This PhD project aims to integrate multi-omics datasets (genomics, transcriptomics, translatomics, and metabolomics) to elucidate the molecular mechanisms driving phenotypic diversity and virus resistance in Mamiellophyceae. The host laboratory has generated comprehensive sequencing and metabolomic datasets across multiple species, experimental evolution lines, and distinct phenotypes within the same strain.
The Key Research Questions of this project are :
1. What are the multi-omics signatures (metabolomic, transcriptomic, translatomic) associated with virus susceptibility and resistance?
2. How can metabolomic signatures be linked to gene expression networks in biosynthetic pathways?
3. What is the relative evolutionary rate of metabolomes compared to the evolution rates of genomes?
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Public funding alone (i.e. government, region, European, international organization research grant)

Concours pour un contrat doctoral

Sorbonne Université SIS (Sciences, Ingénierie, Santé)

227 DIVONA (Diversités, Origines, Natures)

Nous recherchons un·e étudiant·e motivé·e avec une solide formation en biologie et un vif intérêt pour la bioinformatique. Une expérience en programmation, analyse de données, ou technologies de séquençage et de métabolomique serait un atout, mais n'est pas obligatoire.
We are looking for a motivated student with a strong background in biology and a keen interest in bioinformatics. Experience in programming, data analysis, or sequencing and metabolomics technologies is a plus but not required as training will be provided