Biogéographie des traits et diversité fonctionnelle du mésozooplancton marin : données à haut débit (imagerie, -omique), apprentissage machine, et modélisation numérique – TRAITZOO

Le mésozooplancton joue un rôle clef dans le fonctionnement des écosystèmes marins et des cycles biogéochimiques (e.g., production secondaire alimentant les pêcheries, export du carbone). Il est caractérisé par une forte diversité taxonomique et phylogénétique (e.g., protistes géants, copépodes, krill, petits gélatineux, larves de poissons), mais aussi fonctionnelle (e.g., petits vs. grands organismes, herbivores se nourrissant par courants de filtrations vs. carnivores chassant à l'affût, migrations verticales, production de réserves lipidiques, etc.). Pourtant, le lien entre la diversité du mésozooplancton et le fonctionnement des écosystèmes planctoniques demeure mal compris.? TRAITZOO vise à le déchiffrer par une approche basée sur les traits fonctionnels en tirant parti des récents développements du séquençage et de l’imagerie à haut débit. A partir de données déjà disponibles, issues de différentes provinces biogéographiques de l'océan global couvrant un large spectre de gradients environnementaux, et principalement acquises par les membres de notre consortium, nous utiliserons des outils d’écologie numérique et d'apprentissage machine pour 1) apporter de nouveaux outils pour étudier les traits fonctionnels à partir d'image et de données transcriptomiques, 2) décrire la biogéographie des traits fonctionnels et identifier les principaux drivers de la diversité fonctionnelle du mésozooplancton, et 3) améliorer les modèles d'écosystèmes marins existant et développer de nouveaux modèles basés sur les traits fonctionnels pour mieux quantifier les flux de carbone. Notre consortium rassemble des experts en écologie et physiologie du mésozooplancton, en biogéochimie marine, et en mathématiques appliquées. Nos compétences couvrent l'imagerie du plancton, la transcriptomique, le métabarcoding, la modélisation biogéochimique, la modélisation individu-centrée, les statistiques, et l'apprentissage automatique (machine learning).