Doctorante EPHE - PSL

Etage 1, aile C, bureau 114

Contact: Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.

Directrice de thèse: Stéphanie Manel (CEFE, EPHE - PSL)

Co-directeur: David Mouillot (MARBEC, UM)

Co-directeur: Baptiste Mulot (Beauval Zoo)

Projet de thèse: Améliorer les prédictions de la réponse des poissons marins aux changements environnementaux avec l’ADN environnemental : conséquences pour la biogéographie et la conservation

Le réchauffement océanique a des conséquences sur la biodiversité telles que les déplacements d'aire de répartition des espèces. La plupart des espèces de poissons sont ectothermes et font donc partie des espèces les plus sensibles aux changements de température. Toutefois, les difficultés d'évaluation de la biodiversité des poissons dans les océans entraînent de fortes lacunes dans les connaissances, tant sur l'occurrence des espèces que sur les modèles.

Mon projet de thèse vise à surmonter les challenges de la détection des espèces avec l’ADN environnemental, liés à l’incomplétude des bases de données de référence, afin de prédire les changements d’aire de distribution des poissons marins. 

 Plus en détails, les objectifs de ma thèse seront de :

i)Compléter la base de référence génétique déjà initiée depuis près de 4 ans pour les poissons marins, notamment pour les espèces rares et vulnérables, en bénéficiant des spécimens d’aquariums et de musées, et qui cible une séquence nommée TELEO située sur le gène mitochondrial 12S. 

ii)Revisiter les modèles de distribution des espèces en tenant compte de la réévaluation des occurrences avec l’ADNe afin de fournir de nouvelles prédictions actualisées du déplacement des aires de répartition jusqu'à la fin du 21e siècle. 

iii)Lier les déplacements des aires de répartition aux caractéristiques des espèces (mobiles ou non, type d'accouplement, niveau trophique et autres), à l'état de conservation (statut UICN, vulnérabilité à la pêche) et de la phylogénie pour mieux comprendre les mécanismes sous-jacents.

---- English ----

Thesis project:

Improving predictions of marine fish response to environmental change with environmental DNA: consequences for biogeography and conservation

Oceanic warming has consequences on biodiversity such as species range shifts. Most fish species are ectothermic and are therefore among the most sensitive species to temperature changes. However, difficulties in assessing fish biodiversity in the oceans lead to large gaps in knowledge, both in species occurrence and patterns.

My thesis project aims to overcome the challenges of species detection with environmental DNA, related to the incompleteness of reference databases, in order to predict range shifts of marine fish. 

More precisely, the objectives of my thesis will be to:

1. i) Complete the genetic reference database already initiated for nearly 4 years for marine fishes, especially for rare and vulnerable species, by benefiting from aquarium and museum specimens, and targeting the TELEO1 sequence located on the 12S mitochondrial gene. 
2. ii) Revisit species distribution models taking into account the re-evaluation of occurrences with eDNA to provide new and updated predictions of range shifts through the end of the 21st century. 

iii) Link range shifts to species traits (mobile vs. non-mobile, mating type, trophic level, and others), conservation status (IUCN status, vulnerability to fishing) and phylogeny to better understand underlying mechanisms.

Doctorante

Doctorante EPHE - PSL

Étage 1 - Aile C - Bureau 114

Contact: Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser. 

 Google Scholar – ResearchGate – ORCID

Supervisor : Stéphanie Manel (CEFE, EPHE - PSL)
Co-supervisor : Loïc Pellissier (ETH)

Thesis project: Machine Learning for biodiversity monitoring.
 
The objective of the thesis is to harness a combination of machine learning approaches to support the development of a fast data pipeline that transforms eDNA metabarcoding data into ecological indicators for ecosystem monitoring. I will develop machine learning to improve the identification of the taxonomic composition of eDNA samples and to link eDNA composition to ecological indicators. Approaches are going to be developed from two case studies: freshwater fishes from French Guyana. This thesis is part of Artificial Intelligence for the Sciences (AI4theSciences) doctoral program run by Université PSL.

Publications:

Lamperti, L., Sanchez, T., Si Moussi, S., Mouillot, D., Albouy, C., Flück, B., Bruno, M., Valentini, A., Pellissier, L. and Manel, S., 2023. New deep learning‐based methods for visualizing ecosystem properties using environmental DNA metabarcoding data. Molecular Ecology Resources, 23(8), pp.1946-1958.

Post-doc/Ingénieur IR - année 2021

Étage 1, Aile A, Bureau 119

 Responsables : Claude Miaud (BEV) et Aurélien Besnard (HAIR).

 Google Scholar / Reseachgate

Lire la suite : Jean-Pierre VACHER