Détection précoce des proliférations de cyanobactéries et des cyanotoxines associées à l’aide d’une stratégie de détection rapide

1. Télédétection et télédétection proximale : acquisition et analyse de données NOTA : Dans ce cas, les données de télédétection/proximale sont utilisées pour une première enquête macro-zone et pour sélectionner des endroits spécifiques des zones côtières à échantillonner. Dans le schéma MuM3 framework17, le flux logique est basé sur un modèle de surveillance hiérarchique qui inclut plusieurs niveaux nommés couches d’informations. Les informations de chaque niveau sont basées sur des données acquises à l’aide d’un ou plusieurs capteurs embarqués sur des plateformes situées à différentes altitudes. Chaque niveau définit une échelle spatiale en fonction de l’altitude de la mesure19. Il est possible que plusieurs capteurs se trouvent à chaque niveau. En voici quelques exemples : imagerie visible dans le proche infrarouge (VNIR) et infrarouge thermique (TIR)20 sur les satellites, les aéronefs, les hélicoptères, les UAV21 et à la surface; analyses physiques, chimiques et biologiques, etc.22 à la surface et en réponse rapide à l’aide du laboratoire mobile. Les données acquises par chaque capteur sont traitées et combinées pour calculer des indices multispectraux (p. ex., indice de végétation par différence normalisée (NDVI), indice d’eau par différence normalisée (NDWI), indice de chlorophylle, etc.), de sorte que les données brutes sont converties en paramètres et formats plus utiles (p. ex., carte thématique). Figure 2: Analyses par télédétection/proximale pour l’échantillonnage (étapes 1 à 2). Approche multi-niveaux et multi-capteurs pour la détection de la prolifération de cyanobactéries. L’acquisition de données est effectuée par satellite(A),avion(B)et/ou drone(C). Veuillez cliquer ici pour voir une version plus grande de cette figure. Extraction de données de télédétection et de détection proximale Extraire des données des différents ensembles de données de télédétection publics et privés, produits spécialement pour la récupération basée sur le contenu et la classification des scènes. Les sources d’ensembles de données typiques utilisées dans cette étape comprennent: les produits Landsat fournis par le U.S. Geological Survey23,les produits Sentinel-2,3 fournis par la NASA24et Copernicus Open Access Hub25,MODIS-Aqua26. Identifiez les produits disponibles pour la zone spécifique, la plage de dates et tenez compte de la limite dérivée par la couverture nuageuse. Définir : A) la région d’intérêt à l’aide de l’interface utilisateur graphique et de la sélection de polygones; B) la plage de dates et la couverture cloud à l’aide des champs de filtre de requête de texte.REMARQUE: Même si de nombreux rapports scientifiques citent qu’une valeur de couverture nuageuse acceptable est de <20%, dans ce type de recherche, il est important de prêter attention à la couverture nuageuse réelle uniquement à la surface de l’eau, de sorte qu’une valeur d’efficacité pour cette région est <5%. Choisissez les produits dérivés des plateformes les mieux adaptées aux besoins spécifiques de la mission. À partir de chaque combinaison de spécifications techniques de satellite et de charge utile, il est possible d’obtenir plusieurs collections de produits. Par exemple, les produits de données EOSDIS24 de la NASA sont traités à différents niveaux allant du niveau 0 au niveau 4: les produits de niveau 0 sont des données brutes à pleine résolution d’instrument tandis qu’à des niveaux supérieurs, les données sont converties en paramètres et formats plus utiles. Habituellement, les niveaux 0 à 1 sont disponibles, tandis que les produits des niveaux 2 à 4 nécessitent un traitement spécifique lié à des objectifs de recherche spécifiques, de sorte que leur disponibilité est limitée dans le temps et la région couverte. Téléchargez l’ensemble de données choisi pour les observations par satellite. En détail, en sélectionnant dans la liste des résultats de l’action précédente, téléchargez un produit de jeu de données complet (par exemple, un groupe de fichiers geo-tiff, un pour chaque canal, plus des informations et d’autres métadonnées) ou seulement un canal unique spécifique.REMARQUE: Pour la description spécifique de chaque action de base incluse dans la procédure de l’étape 1, veuillez également vous référer à Huan-Huan Chen et al. 202027. Prétraitement et traitement des données pour l’analyse et la transformation en paramètres et formats plus utiles pour permettre un premier examen de la macro-zone.REMARQUE : Les actions suivantes (étape 1.2) sont dédiées au traitement des données finalisé pour transformer les données brutes provenant des niveaux inférieurs en informations, puis en informations utiles (niveaux supérieurs). Cette étape consiste à traiter les données brutes de chaque capteur (p. ex., les niveaux de produit 0 à 1) et à les transformer en produits de niveau supérieur (p. ex., niveaux 2 à 4) et, par la suite, en couches d’information pour générer des paramètres et des formats plus utiles (p. ex., carte thématique). Prétrage des données brutes impliquant un étalonnage géométrique et radiométrique. Cette action peut être effectuée à l’aide d’un logiciel spécifique qui, de manière automatique ou semi-automatique (non supervisée ou supervisée), fournit un ensemble d’outils connectés pour le traitement raster afin d’effectuer une classification facile respectant un flux de travail correct.REMARQUE: Dans cette recherche, deux outils open source gratuits sont utilisés: Q-GIS 3.1428 combiné avec semi-automatique Classification Plugin (SCP). Le plugin SCP29 permet la classification semi-automatique des images de télédétection, fournissant un ensemble complet d’outils pour le téléchargement d’images gratuites, le prétraitement, le post-traitement et le calcul raster. Traiter les données calibrées en calculant des index multispectraux. En règle générale, cette action est effectuée à l’aide d’un outil de calcul raster. Le calcul d’un index multispectral définit une corrélation entre différents canaux/couches qui, par conséquent, génère une nouvelle couche qui pourrait être gérée sur une plate-forme SIG. Par exemple, à partir du capteur d’imageur terrestre opérationnel (OLI) Sentinel et Landsat, il est possible de calculer des indices multispectraux tels que l’indice de végétation par différence normalisée (NDVI). L’indice de végétation est ensuite utilisé pour estimer la teneur en chlorophylle30,31. Analyser les résultats obtenus à partir de l’estimation de l’indice de teneur en chlorophylle représenté comme dans les cartes thématiques en fausses couleurs et définir la zone critique avec une concentration élevée de chlorophylle. Dans cette étude, la carte de chlorophylle-a est générée à l’aide de l’ensemble de données du capteur MODIS32, monté sur les plates-formes satellites Terra et Aqua. Les points d’échantillonnage sont localisés là où des valeurs anormales sont enregistrées.NOTA : Le drapeau de prolifération d’algues (qui définit chaque point spécifique) est relevé dans le domaine de la télédétection lorsque la concentration de Chl-a dépasse 20 mg/L33. 2. Échantillonnages guidés REMARQUE: Le choix des points d’échantillonnage est déterminé par l’analyse de la couche de télédétection /proximale qui permet de sélectionner des points dans les grandes zones côtières. Compte tenu du fait que l’échantillonnage pourrait être dangereux pour les opérateurs en raison de la toxicité des microcystines, des procédures d’échantillonnage de sécurité sont nécessaires. En particulier, il est nécessaire de protéger les opérateurs contre l’inhalation d’aérosols et le contact avec la peau. Ensuite, effectuez un échantillonnage en suivant la procédure détaillée ci-dessous. Portez des lunettes de protection pour les yeux, un masque FFP2 pour prévenir l’inhalation d’aérosols et des gants de sécurité pour prévenir les contacts avec la peau. Recueillir 0,5 L d’eau en triple exemplaire dans chaque site. Mesurer la salinité de chaque échantillon à l’aide d’un réfractomètre. Mettez une goutte de l’échantillon sur le réfractomètre et lisez la valeur de salinité en termes de parties par millier (ppt – ‰). À la fin de l’échantillonnage, lavez-vous d’abord les mains; retirez ensuite les gants, le masque et les lunettes de protection en prenant soin de ne pas toucher la surface externe de l’équipement de protection individuelle. Transporter l’échantillon au laboratoire à température ambiante. 3. Identification des espèces de cyanobactéries par des observations microscopiques et identification taxonomique Centrifuger chaque échantillon (≈0,5 L) à 11 200 x g pendant 5 min. Extraire les surnageants comme suit: verser 500 mL de butanol dans chaque échantillon et à l’aide d’un entonnoir, transférer le mélange à extraire dans l’entonnoir séparateur. Placez l’entonnoir séparateur à la verticale dans la pince annulaire pour permettre aux deux couches de se séparer. Laisser la phase aqueuse s’écouler dans une fiole d’Erlenmeyer. Répétez cette étape trois fois. Ensuite, concentrez les phases organiques sous vide et pesez-les. Recueillir des pastilles de l’étape 3.1 et les analyser à grossissement 400x et 1 000x avec un microscope optique équipé d’un appareil photo numérique de 18 MP pour microscope. Recherchez la présence de cyanobactéries sur la base de leurs caractéristiques morphologiques: la couleur bleu-vert, la forme des cellules et la taille permettent de reconnaître les cyanobactéries parmi d’autres micro-organismes. Identifier l’espèce par analyse taxonomique par observation microscopique, selon la procédure décrite dans Komarék et al. 201434.REMARQUE : Une analyse métagénomique complémentaire 16S peut être effectuée afin d’identifier les taxons cyanobactériens3. Diluer une partie aliquote des granulés avec 10 mL de milieux BG11 d’eau de mer et d’eau douce, selon sa salinité, pour la culture. 4. Identification des cyanotoxines Extraction d’échantillons avec des solvants organiques Mettre chaque échantillon de pastilles dans une fiole et du sonique pendant 5 min à l’aide d’un bain de glace. Ensuite, ajoutez 50 mL de MeOH frais et secouez doucement. Filtrer la solution à l’aide d’un filtre en papier et recueillir le filtrat dans une fiole inférieure ronde. Répétez cette étape deux fois. Ensuite, extrayez les pastilles en ajoutant 50 mL de mélange de MeOH/DCM deux fois (1:1, 50 mL), et deux fois en utilisant 100% de DCM (x2, 50 mL)35. Étiqueter chaque fiole de fond ronde, respectivement, comme « extrait de MeOH », « extrait de MeOH/DCM » et « extrait de DCM », et concentrer sous vide. Analyser chaque extrait organique (MeOH, MeOH/DCM, DCM) par LC-HRMS/MS. Analyse LC-HRMS/MS Préparation des échantillons LC-HRMS et LC-HRMS/MS : dissoudre chaque échantillon à l’aide de MeOH ≥ 99,9 % pour obtenir une concentration finale de 10 mg/mL. Analyser chaque échantillon à l’aide d’un spectromètre de masse ESI haute résolution couplé à un système HPLC (système LC-HRMS/MS). Travailler sur la CLHP avec une colonne C18 de 5 μm (100 x 2,10 mm), à température ambiante. Utilisez une élution de gradient avecH2O(complété par 0,1% HCOOH) et MeOHat 200 μL min-1. Le programme de gradient est le suit : 10 % MeOH pendant 3 min, 10 % à 100 % MeOH pendant 30 min, 100 % MeOH pendant 7 min. Utilisez MeOH comme témoin. Acquisition de données. Recueillir des données en mode d’acquisition dépendant des données (DDA) : les 10 ions les plus intensifs d’un spectre de masse à balayage complet doivent être soumis à une analyse par spectrométrie de masse en tandem à haute résolution (SGRH/SMRH). Acquérir des balayages HRMS/MS pour des ions sélectionnés avec fragmentation CID, une largeur d’isolement de 2,0, une énergie de collision normalisée de 35, une activation Q de 0,250 et un temps d’activation de 30 ms. Analyses bioinformatiques et mise en réseau moléculaire Analyser les modèles de fragmentation pour chaque ion intense à l’aide d’un logiciel spécifique à la SP. Utilisez MS-Cluster pour regrouper les données (tolérance de masse parente de 1,0 Da et tolérance aux ions de fragment MS/MS de 0,5 Da). Les spectres de consensus contenant moins de 2 spectres sont éliminés. Analyser les données MS/MS par GNPS (Global Natural Products Social36)pour la mise en réseau moléculaire. Comparez par paires les spectres de consensus et aussi avec ceux rapportés dans les bibliothèques GNPS-Mass-Ive. Visualiser le réseau obtenu37.REMARQUE: Pour la mise en réseau moléculaire, veuillez vous référer à Sigrist et al. 202038. Figure 3: Étapes en laboratoire de la FDS (3-4). Représentation visuelle des principales activités réalisées en laboratoire après échantillonnage (étapes 3 et 4). Veuillez cliquer ici pour voir une version plus grande de cette figure.