Rechercher

Sur ce site

 
Accueil du site > Annuaire > Flandrois Jean-Pierre

Jean-Pierre Flandrois
Professeur d’université - praticien hospitalier - UCBL
courriel :
tél. : +33 (0)4 26 23 59 50
UMR CNRS 5558 - LBBE
Faculté de Médecine Lyon-Sud
Bactériologie - BP 12
Chemin du Grand Revoyet
69921 OULLINS
Equipe Biostatistiques Santé

  • Research Themes

    Research themes

    • Bacteria Identification

      Identifier une bactérie c’est inclure un isolat bactérien inconnu au sein d’une unité taxinomique connue. Une telle unité recueille les individus partageant un certain niveau de similitude et étant sous le même noeud dans la phylogénie.

      Nous avons développé et nous maintenons un outil Web -leBIBI- pour aider le microbiologiste dans cette identification à partir de la séquence.

      BIBI "édition allégée" édition est la version 4 du programme Python réécrite du programme BIBI initial, l’environnement logiciel pour l’identification de séquence des prokaryotes (bactéries et archées). La première version de l’outil Web a été écrite initialement par Devulder et al. 2003. Le développeur principal est Jean-Pierre Flandrois (construction de base de données et scripts généraux) avec l’aide de Manolo Gouy pour les programmes de visualisation d’arbres.

      leBIBI est fait de trois blocs i) la base de données (BIBDB) est construite à partir de GenBank et la nomenclature bactérienne est corrigée en utilisant deux bases taxonomiques / nomenclature externes. La base de données est simple et emploie un avatar du format FASTA ; ii) un pipeline pour les différents programmes (Blast, Muscle, Clustal) ; iii) un système expert très simple permettant d’analyser simultanément les résultats.

      BIBIDB est construit pour SSUrDNA et de nombreux autres gènes.

      BIBI est d’usage général et interrogé plus de 50000/an.

    • Bacteria detection

      La détection de bactéries est nécessaire dans de nombreux domaines comme la médecine, les agro-industries, l’industrie de l’eau, etc. Le principal intérêt est de détecter les agents pathogènes ou des bactéries susceptibles de causer un dysfonctionnement dans un processus industriel ou de causer la dégradation de pièces techniques dans une unité de traitement.

      Mon intérêt est d’apporter une approche théorique à la détection des bactéries dans les aliments et l’eau.

      Je développe des simulations pour étudier et expliquer la dynamique de la croissance du signal sur un biocapteur et d’étudier la qualité de la quantification microbienne (comptage global) en utilisant la biologie moléculaire.

      Par exemple, en utilisant une approche de simulation je cherche à préciser la qualité générale d’un système de quantification multi-espèces basée sur la quantification l’ADNr ou celle de l’ARNr.

      L’ADN est détectée et quantifiée par PCR, l’ARN (ribosomal) par des méthodes spécifiques comme la RT-PCR+PCR. Comme le nombre d’opérons ADNr est variable (de 1 à plus de 20) la quantification semble impossible si la flore n’est pas bien définie par le nombre de cellules par espèce. Les ARNr semble plus liés au nombre de bactéries car le nombre de ribosomes semble plus ou moins constant, mais ce n’est pas vrai si l’on prend en compte les bactéries stressées et les cellules en jeûne.

      Des simulations peuvent aider à identifier -la référence étant le nombre de cellules vivantes (dans Unité Formant Colonie UFC) - quelle est la méthode de quantification (en utilisant ADNr ou d’ARNr) la plus représentative. Cela se fait en construisant au hasard un grand nombre de flores complexes in silico et en calculant le nombre de ADNr ou ARNr détecté par les méthodes de dénombrement.

+Publications