Années  : 2024 - 2027

Nom du projet  : ChemBiodiv : Relier la pression chimique à ses effets sur la biodiversité dans les eaux urbaines.

1. Contexte et proposition

La qualité des milieux aquatiques et de la ressource en eau peut être appréhendée du point de vue de sa contamination chimique, en particulier par des contaminants émergents, ou de la biodiversité qu’elle accueille. La présence de contaminants (ex. pesticides, biocides, produits pharmaceutiques, produits industriels ou domestiques, etc.) est néfaste pour la santé des écosystèmes avec des effets nocifs sur les organismes aquatiques et une perte de biodiversité, et pour la santé humaine avec une mauvaise qualité des ressources pour la production d’eau potable et l’augmentation des risques d’antibiorésistance.

Afin de caractériser la contamination chimique des milieux aquatiques, des méthodes d’analyse non ciblée par spectrométrie de masse haute résolution (HRMS) ont été développées, pour acquérir des empreintes chimiques des contaminants organiques présents dans un échantillon. Au Leesu, deux thèses ont été menées sur cette thématique : une première (Nina Huynh) a permis de développer la méthode analytique et de l’appliquer à l’analyse des polluants dans différentes eaux urbaines, en particulier dans les filières de traitement des eaux usées. Une deuxième thèse (Julien Sade) a été initiée dans le cadre du programme MeSeine Innovation et vise à développer des outils informatiques avancés de traitement des données, avec des approches numériques et statistiques visant à relier les signaux détectés avec la toxicité mesurée d’échantillons d’eau de Seine impactée par des rejets urbains.

En parallèle, l’étude de l’ADN environnemental (ADNe), dans lequel les signaux des macro- et micro-organismes de l’environnement sont récupérés à partir d’échantillons d’eau est de plus en plus utilisée pour la surveillance de la biodiversité des milieux. De telles méthodes par analyse de métagénomique ont été utilisées au Leesu dans la thèse de Sadia Bagagnan, et ont permis par exemple de caractériser avec précision les différentes communautés bactériennes présentes dans la Seine et les dynamiques de ces communautés soumises à différentes pressions anthropiques (ex. rejets urbains, traitements de désinfection des eaux usées) et aux variations saisonnières/climatiques.

Les progrès techniques qui permettent aujourd’hui d’enregistrer des empreintes chimiques par des approches non ciblées ou de mesurer l’ADN environnemental pour étudier la biodiversité, fournissent d’énormes quantités de données. Le défi consiste à mettre en place les outils d’analyse multivariée pour faciliter l’utilisation de ces données. L’utilisation d’outils numériques se développe pour traiter et interpréter les spectres HRMS de contaminants dans les eaux, de même que dans le domaine de l’ADN environnemental pour extraire des indicateurs de biodiversité ou expliquer les variabilités spatio-temporelles.

Le couplage de ces deux approches est donc prometteur pour caractériser les mélanges complexes de produits chimiques en même temps que leurs effets complexes et leurs impacts sur les écosystèmes.

2. Objectifs

L’objectif général de cette action est d’évaluer la possibilité d’interpréter conjointement les empreintes chimiques HRMS de contaminants dans les eaux avec les informations sur la biodiversité données par l’ADNe ou les analyses de biodiversité microbienne, en développant et appliquant des méthodes numériques.

Plus spécifiquement, il s’agira de :

• Identifier pour chaque type de données (HRMS et ADNe) des traceurs ou indicateurs d’intérêt à partir de la littérature scientifique et automatiser leur traitement.
• Développer des méthodes de traitement des données pour coupler les données HRMS et d’ADNe en utilisant des outils statistiques avancés ou numériques de type machine learning.
• Proposer une stratégie d’échantillonnage pertinente pour acquérir les deux types de données (HRMS et ADNe) et effectuer un suivi régulier des différents points d’échantillonnage.
• Suivre et interpréter le devenir spatio-temporel de molécules/marqueurs d’intérêt identifiés précédemment (suivi à différentes fréquences : saisonnières, hebdomadaires, journalières et le long des différents points de prélèvement en Seine).

3. Financements

• EUR LIVE (Ecole Universitaire de Recherche Life Trajectories & Health Vulnerability : Bourse doctorale de Ravo Ravaosafindrasoa

  

• Région Ile-de-France - dispositif PRPhD 2024 : Allocation doctorale de Malek Baroudi

  

• SIAAP (programme MeSeine Innovation - action 2.2.3)

  

4. Partenaires

• Université Paris-Est Créteil - LEESU
• École nationale des ponts et chaussées - LEESU
• SIAAP - Direction Innovation

Contacts : Adèle Bressy, Julien Le Roux, My Dung Jusselme