Les bactéries sont des microorganismes unicellulaires participant à de nombreux processus biologiques. Les espèces impliquées dans la fermentation lactique et la croissance des plantes suscitent un intérêt particulier en agro-industrie. Les techniques actuelles d’identification des bactéries sont destructives, et nécessitent donc de préparer des échantillons dédiés aux analyses.
L’objectif de ce travail était de développer une méthode de criblage par spectroscopie UV-Vis-NIR de bactéries inoculées sur boîtes de Pétri, afin d’en évaluer le potentiel en tant qu’alternative simple, rapide et non-destructive aux outils de diagnostic conventionnels.
Un protocole de mesure a tout d’abord été établi sur un nombre restreint de souches bactériennes pour un spectromètre NIR et un spectromètre UV-Vis-NIR. 142 souches de bactéries lactiques et 76 souches de rhizobactéries favorisant la croissance des plantes ont ensuite été inoculées sur milieu gélosé et mesurées avec les deux instruments au cours de plusieurs expérimentations. Des biais associés à ces séries d’inoculations et de mesures étaient présents sur les spectres bruts. Une réduction de ces biais a été possible en corrigeant les acquisitions par rapport aux spectres de boîtes de gélose pure réalisées à chaque expérimentation. Une analyse exploratoire des données spectrales a mis en évidence des différences entre les genres et les espèces des bactéries. Elles ont majoritairement été attribuées aux polysaccharides contenus dans les parois cellulaires, constituants la capsule bactérienne ou sécrétés dans l’environnement extracellulaire. Des modèles de classification ont été développés avec les données spectrales par PLS-DA et réseaux de neurones artificiels. Leur performances ont été comparées en prédiction sur 84 souches de bactéries lactiques isolées de laits crus et 19 souches de rhizobactéries supplémentaires. Les taux de classification correct des meilleurs modèles obtenus sont respectivement de 70% et 63% pour le genre et l’espèce des bactéries lactiques, et de 66% pour le genre des rhizobactéries. |
Bacteria are unicellular microorganisms involved in many biological processes. Species involved in lactic fermentation and plant growth generates a particular interest in agro-industry. Current techniques for the identification of bacteria are destructive, and therefore require dedicated sample preparation for analyses.
The purpose of this work was to develop a UV-Vis-NIR spectroscopy screening method for bacteria inoculated on Petri dishes, in order to evaluate its potential as a simple, rapid and non-destructive alternative to conventional diagnostic tools.
A measurement protocol was first elaborated on a limited number of bacterial strains for a NIR spectrometer and a UV-Vis-NIR spectrometer. 142 strains of lactic acid bacteria and 76 strains of plant growth-promoting rhizobacteria were then grown on agar plates and measured with both instruments during several experiments. Bias related to these series of inoculations and measurements was present in the raw spectra. A reduction of this bias was possible by correcting the acquisitions from pure agar plate spectra acquired during each experiment. An exploratory analysis of the spectral data revealed differences between genera and species of bacteria. They were mainly attributed to polysaccharides contained in the cell walls, forming the bacterial capsule or produced in the extracellular environment. Classification models have been developed with the spectral data using PLS-DA and artificial neural networks. Their performances were compared in prediction on 84 strains of lactic acid bacteria isolated from raw milk and 19 additional strains of rhizobacteria. The correct classification rates of the best models obtained were 70% and 63% for the genus and species of lactic acid bacteria and 66% for the genus of rhizobacteria, respectively. |