Les tests de croissance microbienne sur lecteurs de microplaques sont couramment utilisés dans l'industrie biopharmaceutique pour le criblage des composants de milieux de culture. Ces tests génèrent rapidement d'importantes quantités de données ; par conséquent, l'automatisation de l'analyse de ces données est essentielle pour accélérer la prise de décision. À Kerry, la récupération, le nettoyage et la mise en forme des données de ces tests de croissance sont des processus manuels, longs et sources d'erreurs.
Dans ce travail, une série de scripts ont été créés afin d'améliorer l'approche d'analyse des données en automatisant leur formatage, leur nettoyage et leur visualisation. Les outils de création de flux de travail et d'extensions de JMP ont été utilisés pour intégrer ces scripts et concevoir une interface intuitive, basée sur des clics, permettant de réduire le temps d'analyse et d'automatiser les analyses redondantes pour les tests de croissance microbienne à haut débit. Ces extensions ont permis de réduire le temps d'analyse de 80 %, passant de 20 à 4 minutes par fichier de données brutes. Elles seront mises à la disposition du public pour les autres utilisateurs de JMP souhaitant optimiser l'acquisition, le nettoyage et l'analyse de leurs données pour les tests à haut débit sur microplaques.
Très bien. Bonjour. Je m'appelle Kyle Probst. Je suis chercheur principal chez Kerry, basé à Beloit, dans le Wisconsin, où se trouve notre siège social pour l'Amérique du Nord. Aujourd'hui, ma présentation portera sur l'utilisation de JMP Add-in Builder pour l'automatisation de la caractérisation de la croissance microbienne. J'ai environ huit ans d'expérience avec JMP et je suis ravi de présenter aujourd'hui, car c'est la première fois que je participe au Discovery Summit.
Voici un bref aperçu de ce dont je vais parler aujourd'hui. Je commencerai par une introduction expliquant les raisons de ce travail, son importance, l'objectif et le résultat précis que nous recherchions. Je vous présenterai ensuite brièvement Kerry, la nutrition cellulaire pharmaceutique, les tests de croissance microbienne, notre approche et notre méthode d'analyse de données actuelle. Puis, je ferai une démonstration de l'extension pour vous donner une idée précise de notre travail. Enfin, nous conclurons.
Très bien. Le criblage des matières premières et des nutriments des milieux de culture est une étape cruciale du développement des bioprocédés. Les tests de criblage à haut débit (HTS) utilisant des lecteurs de microplaques sont couramment employés dans l'industrie pharmaceutique. Ces tests peuvent générer rapidement une grande quantité de données. Le traitement et l'analyse de ces données constituent donc un goulot d'étranglement.
L'automatisation du processus d'analyse des données, principal goulot d'étranglement, est essentielle pour accélérer la prise de décision. Dans notre secteur, le temps, c'est de l'argent. Chez Kerry, la récupération, le nettoyage et la mise en forme des données des tests HTS sont des processus manuels, longs et sujets aux erreurs. Dans ce travail, nous utilisons JMP pour optimiser l'analyse des données HTS et ainsi accélérer la prise de décision.
Je vais être clair dès le départ : voici les données brutes de départ. Elles nous parviennent sous forme de feuille de calcul Excel. Le produit final, les données traitées, se présente sous la forme de ces deux figures. La première représente la cinétique de croissance, ou courbes de croissance. La seconde représente l'aire sous la courbe, un indicateur de performance de croissance. Voilà ce que nous cherchons à obtenir. C'est le produit final. C'est ce que nous allons tenter de réaliser aujourd'hui.
L'objectif était de développer une série d'extensions permettant une mise en forme et un nettoyage flexibles des données, afin de réduire le temps d'analyse et d'automatiser les analyses redondantes pour les tests de croissance microbienne à haut débit. Les fonctionnalités JMP utilisées étaient : Add-in Builder, Workflow Builder, Recoding Tool, Graph Builder et Dashboard.
Voici quelques informations sur Kerry. C'est mon entreprise. Kerry est une société irlandaise spécialisée dans les ingrédients alimentaires, et nous sommes leaders mondiaux dans les domaines du goût, de la conservation, de la santé et des ingrédients biopharmaceutiques. Chez Kerry, nous accordons une grande importance à nos clients, en leur fournissant des ingrédients qui leur permettent de créer des aliments et des boissons plus savoureux et plus nutritifs, ainsi que des compléments alimentaires et des médicaments essentiels.
Je travaille dans le secteur pharmaceutique de l'entreprise, qui existe depuis plus de 100 ans. Ce secteur repose sur trois piliers : les excipients, les acétates et la nutrition cellulaire. Je travaille dans le domaine de la nutrition cellulaire. Cela inclut des produits comme nos hydrolysats de protéines et nos extraits de levure, que nous vendons comme ingrédients pour nourrir les cellules utilisées en biopharmacie et en biotechnologie.
Chez Kerry, nous fournissons des suppléments complexes pour milieux de culture. Il s'agit d'hydrolysats de protéines, également appelés peptones, et d'extraits de levure. Ces matières premières partiellement digestibles sont riches en azote. Elles sont souvent utilisées comme source principale d'azote dans les formulations de milieux de culture car elles apportent de nombreux nutriments essentiels aux cellules, tels que des peptides, des acides aminés libres, des vitamines, des minéraux, etc.
Quand on parle de nutrition cellulaire, on parle des nutriments nécessaires au maintien en vie des cellules maliennes, d'insectes et microbiennes utilisées dans l'industrie des biotechnologies. Ce sont nos ingrédients. Voici ensuite quelques exemples de types cellulaires, ainsi que les produits qu'ils permettent de fabriquer et qui contribuent à améliorer notre quotidien, comme l'insuline, les anticorps, les vaccins, les probiotiques et même les antibiotiques. Ce ne sont que quelques exemples.
Chez Kerry, nous disposons de plus de 100 hydrolysats de protéines et extraits de levure différents pour élaborer nos formulations. Grâce à nos souches et cellules internes, nous pouvons sélectionner et optimiser ces ingrédients et créer des prototypes de formulations adaptés aux besoins de nos clients. J'espère que cela vous donne une meilleure idée de mon travail chez Kerry et du principe de la nutrition cellulaire.
Très bien. Chez Kerry, nous réalisons régulièrement des tests de croissance microbienne, qui nous permettent de sélectionner nos ingrédients de nutrition cellulaire pour des applications microbiennes. Comme je l'ai mentionné, nous disposons d'un large éventail d'ingrédients. Le criblage nous permet de tester rapidement de nombreux produits et de retenir les meilleurs candidats pour l'optimisation de la formulation. Les tests de croissance utilisent des lecteurs de microplaques, outils essentiels à notre étape de criblage.
Notre protocole permet de tester jusqu'à 40 ingrédients différents en un seul essai. Il permet également d'évaluer plusieurs souches microbiennes et de mettre en œuvre des approches basées sur la planification d'expériences (DOE), telles que des plans de criblage définitifs et même des plans de criblage à deux niveaux comme le plan de Plackett-Burman ou le plan factoriel fractionnaire.
Par exemple, un client pourrait rechercher un hydrolysat de protéines végétales favorisant la croissance de Lactobacillus acidophilus, une souche probiotique importante. Nous commencerions alors par tester plusieurs hydrolysats de protéines végétales afin d'en identifier un ou quelques-uns qui optimisent la croissance de ce micro-organisme.
Voici un exemple de protocole pour un test de croissance. Nos produits sont formulés dans un milieu de culture liquide. La plupart de nos produits se présentent sous forme de poudres sèches et doivent donc être réhydratés. Nous pouvons également ajouter d'autres nutriments, si nécessaire, en fonction du micro-organisme cultivé. Nous utilisons ensuite un inoculum, c'est-à-dire des cellules vivantes et actives. Nous le préparons souvent à l'avance afin de garantir la croissance active et la bonne santé des cellules avant leur utilisation.
On pipette ensuite le bouillon et l'inoculum dans la plaque multipuits. Voici la plaque multipuits. Dans ce cas précis, elle comporte 100 puits individuels où l'on dépose environ 100 à 200 microlitres. On utilise généralement une pipette multicanaux, visible ici en haut.
Nous travaillons avec des quantités de microplaques. Pour notre test de criblage biologique, réalisé avec le Bioscreen C, nous pouvons analyser deux plaques simultanément. Nous effectuons généralement cinq réplicats techniques, soit cinq puits par traitement. Nous pouvons analyser jusqu'à 40 plaques en même temps. Une fois la plaque placée dans le lecteur de plaques (qui fait office de Bioscreen), la température et l'agitation sont contrôlées. À titre d'exemple, la plupart des bactéries sont cultivées à 37 °C pendant 24 à 48 heures.
Cet instrument mesure automatiquement la densité optique au fil du temps. Nous utilisons une densité optique de 600 nanomètres, également appelée DO600. Il s'agit d'une mesure standard dans l'industrie pour quantifier la croissance microbienne. À mesure que les cellules se répliquent et croissent, le bouillon devient trouble, et cette turbidité est proportionnelle à la DO600. L'augmentation de la DO600 au cours de la croissance cellulaire est représentée graphiquement en haut du graphique. L'axe des ordonnées (Y) indique la densité cellulaire (DO600), et l'axe des abscisses (X) le temps. Différents nutriments induisent différents niveaux de croissance, que nous mesurons et que nous pouvons visualiser sur la courbe de croissance.
Si vous vous demandez ce qu'est une courbe de croissance, il s'agit de la cinétique microbienne qui décrit la croissance des populations de micro-organismes, comme les bactéries ou les levures, au fil du temps. Lorsque les conditions sont optimales, par exemple en termes de quantité de nourriture, de température ou d'environnement, ces cellules peuvent se diviser et se multiplier rapidement. Nous distinguons plusieurs phases au cours de ce processus.
La première phase est la phase de latence. Lorsqu'ils sont introduits dans un nouvel environnement, les microbes ne se multiplient pas immédiatement. Ils ont besoin d'un certain temps pour s'acclimater et se préparer à la croissance. C'est ce qu'on appelle la phase de latence. Ensuite, une fois prêts, les microbes se multiplient rapidement. Chaque cellule se divise en deux, puis en quatre, puis en huit, et ainsi de suite, ce qui entraîne une augmentation rapide de la population. C'est la phase exponentielle ou logarithmique de la courbe de croissance.
Puis, à terme, les ressources alimentaires et l'espace s'épuiseront ou les déchets s'accumuleront, ce qui ralentira la croissance. On entre alors en phase stationnaire. Le nombre de nouvelles cellules créées s'équilibre avec le nombre de cellules qui meurent, maintenant ainsi la population constante. La courbe de croissance permet de visualiser les performances de croissance. De cette façon, on peut comparer et sélectionner rapidement les cellules en fonction des critères définis.
De plus, nous utilisons également l'aire sous la courbe. Elle permet de résumer la courbe en un seul chiffre, en fonction de la surface située en dessous. À conditions et période égales, plus cette surface est importante, plus la croissance globale est forte. J'espère que c'est assez clair.
Ceci m'amène à vous présenter notre méthode de traitement des données actuelle, qui nécessitait l'utilisation d'Excel et de JMP. Excel servait à modifier et calculer manuellement les points temporels, l'aire sous la courbe, ainsi qu'à mettre à zéro les données OD 600, comme je vous le montrerai plus tard. Ensuite, nous passions à JMP, qui permettait d'effectuer des recodages manuels et des retouches sur les figures. Tout ce processus était à refaire à chaque fois, ce qui était assez fastidieux.
Au quotidien, ce processus variait légèrement car nous le répétions à chaque fois, ce qui engendrait un manque de cohérence. De ce fait, nous constations souvent des erreurs ou des différences subtiles entre les ensembles de données, ce qui le rendait sujet aux erreurs. De plus, il était très chronophage : le traitement d'un seul ensemble de données brutes prenait environ 20 minutes. L'approche améliorée, que nous avons mise en œuvre dans cet article et que je vous présenterai prochainement, a tiré parti du générateur de flux de travail de JMP pour extraire des scripts des analyses redondantes et créer une série d'extensions.
L'un des grands avantages du générateur de flux de travail, c'est que mon expérience en programmation étant très limitée, il m'a permis de copier-coller facilement le script de notre flux de travail existant et de créer ensuite des modules complémentaires. Un jeu d'enfant ! Précisons que le générateur de flux de travail n'a pas tout utilisé. J'avoue avoir bénéficié de l'aide de notre ami Jerry Fish, notre ingénieur système JMP, pour les scripts plus complexes. Au final, cette approche améliorée a permis de réduire le temps d'analyse à quatre minutes, soit un gain de temps de 80 %, ce qui est vraiment formidable.
Très bien. Je vais me retirer rapidement et ouvrir le fichier de données brutes. Vous pourrez ainsi voir ce que nous avons sous les yeux. Je l'ai déjà affiché à l'écran. Le fichier de données brutes est au format Excel. La première colonne contient l'heure, et les colonnes suivantes correspondent chacune à un puits de la plaque.
Nous incluons également un schéma de la plaque de puits avec les données. Ce schéma est ajouté manuellement au fichier. Il nous permet de comprendre la composition de chaque puits et nous fournit ainsi un schéma clair et précis auquel nous pouvons nous référer. Par exemple, la souche A et le milieu 1 ont été ajoutés aux puits 1, 21, 41, 61 et 81, les numéros de 1 à 5 correspondant aux réplicats. Nous utilisons la première ligne, qui contient la souche A et le milieu 1, et ainsi de suite. J'espère que cela vous donne une meilleure idée de notre méthode de travail.
Très bien, je vais terminer cette présentation. Ensuite, nous aborderons JMP et ses modules complémentaires. Si vous ne connaissez pas les modules complémentaires, je vous recommande vivement d'y jeter un œil. Ils permettent d'ajouter des fonctionnalités supplémentaires à votre logiciel JMP. Il en existe une multitude, créés par la communauté. J'en ai installé plusieurs, mais je vais me concentrer sur les données de bioscreening. Commençons sans plus attendre.
La première étape consiste à ouvrir un fichier. Il s'agit du fichier Excel que je viens de vous montrer. Je clique sur « Ouvrir » et je vérifie que tous les fichiers sont sélectionnés. Ainsi, Excel sera reconnu. Je clique à nouveau sur « Ouvrir », et l'Assistant Importation Excel s'ouvre. Je vais importer à la fois la carte de la plaque de puits et les données brutes, c'est-à-dire les données à 600 nanomètres. Tout est configuré comme je le souhaite. Je clique simplement sur « Importer ». Cela va me fournir deux tableaux de données. Je vais commencer par analyser la cinétique des données.
La première chose que je souhaite faire est d'ajouter une colonne de séquence temporelle. Le format actuel de l'heure ne me permet pas de la représenter graphiquement. Je souhaite l'afficher au format décimal, comme le permet ce module complémentaire. Je vais ensuite supprimer cette colonne car elle ne m'est plus utile. Je souhaite afficher l'heure au format décimal avec les heures.
L'étape suivante consiste à effectuer une correction de densité optique (DO) par soustraction de lignes. Nous allons effacer les données initiales. En effet, lorsque nous utilisons différents types de supports, leurs valeurs de DO initiales peuvent varier. Comme vous pouvez le constater, certaines de ces valeurs diffèrent. Nous souhaitons uniformiser les mesures. Pour cela, nous allons soustraire les valeurs de la première ligne de celles de chaque ligne suivante. L'objectif est de remettre le détecteur à zéro et d'uniformiser les mesures.
Je vais utiliser la fonction « Soustraire les lignes », et voilà. Ensuite, nous allons empiler les données. Je sélectionne les colonnes ici. Je maintiens la touche Maj enfoncée et je sélectionne toutes les colonnes sauf celle de l'heure. Puis, j'empile ces colonnes, ce qui crée un nouveau tableau de données. J'ai également recodé la colonne « Nombre ». L'opération s'est déroulée en arrière-plan.
C'est bon pour l'instant. Je dois revenir à ma carte de puits et effectuer quelques ajustements de formatage pour qu'elle soit compatible avec JMP. Je dois empiler toutes ces répliques dans une seule colonne. J'ai ici une carte de puits empilée. Cela me fournit ce fichier de données de carte de puits mis à jour. Je peux ensuite utiliser ce tableau comme outil, comme une carte, pour recoder mes données empilées qui contiennent toutes mes valeurs de densité optique. C'est ce que je vais faire maintenant.
J'ai un recodage par plaque multipuits. La souche est l'un de mes facteurs de recodage. J'ai des réplicats. Ces paramètres sont généralement toujours constants dans nos expériences. De plus, j'ai différents traitements : un, deux, trois, quatre. Dans cet exemple, nous n'avons qu'un seul traitement, mais il pourrait y en avoir plusieurs. C'est pourquoi j'ai inclus cette possibilité : pour plus de flexibilité.
Très bien, c'est terminé et prêt pour le traitement suivant. Je vais revenir à mon fichier de données brutes et nous allons maintenant calculer l'aire sous la courbe. Le calcul de l'aire sous la courbe inclut des éléments supplémentaires. Je vais commencer par calculer la somme cumulée par ligne.
Pour calculer l'aire sous la courbe, on additionne les valeurs de chaque ligne, puis on calcule la somme cumulative. La valeur finale correspond à l'aire sous la courbe. Cela a généré 200 colonnes supplémentaires. Je vais les sélectionner, puis je vais choisir la dernière ligne, car c'est celle qui m'intéresse. Je vais utiliser ces données. L'aire sous la courbe du puits 1 est de 14,145.
J'ai un module complémentaire. Il me permettra de créer un sous-ensemble et d'effectuer un reformatage. Je vais fermer cette fenêtre. J'ai le numéro du puits et l'aire sous la courbe. La dernière étape pour cet ensemble de données est de le recoder en fonction de la carte des puits, comme précédemment. La souche, puis notre réplicat. Enfin, il ne nous reste plus qu'à traiter le premier traitement.
Ce tableau est terminé. Mes deux tableaux sont terminés. La prochaine étape consiste à fusionner le tableau des aires sous la courbe avec le tableau des données empilées. Je souhaite combiner ces deux tableaux. J'ai d'ailleurs un module complémentaire pour cela. C'est parti !
Je souhaite combiner ces deux éléments car je vais créer des graphiques et je veux qu'ils soient liés dynamiquement entre eux lorsque je les intégrerai à un tableau de bord. Pour ce faire, je dois les placer dans la même table de données.
Je vais maintenant créer deux graphiques différents. Le premier représente les courbes de croissance, et j'ai un module complémentaire pour cela. Je vais l'exécuter. Voici un graphique que j'ai créé dans Graph Builder : l'axe des ordonnées (DO600) représente la DO600, l'axe des abscisses (X) le temps, et vous pouvez ainsi visualiser les courbes de croissance pour chaque souche. Je vais réduire la fenêtre. Je vais également calculer l'aire sous la courbe (AUC), toujours dans Graph Builder. Voici à quoi cela ressemble : l'aire sous la courbe est représentée sur l'axe des ordonnées (Y) et les différents composants du milieu de culture sur l'axe des abscisses (X). Il s'agit d'un histogramme avec l'écart type. La barre d'erreur représente les variations entre les réplicats techniques.
Enfin, la dernière étape consiste à utiliser un tableau de bord. Ce tableau de bord affiche la courbe de croissance, l'aire sous la courbe, ainsi qu'un filtre de données permettant une exploration plus poussée des données. Je vais examiner la souche 1. L'un des principaux avantages de cette configuration est la possibilité d'interagir directement avec les données. Par exemple, si je souhaite visualiser la courbe de croissance du milieu 14, elle est automatiquement mise en évidence ; c'est vraiment très pratique.
De plus, je pourrais classer les aires sous la courbe de la plus petite à la plus grande, et même sélectionner les trois meilleurs candidats, ceux-ci précisément, sur lesquels nous pourrions poursuivre notre travail d'optimisation. Vous voyez à quelle vitesse nous sommes passés des données brutes à leur visualisation, puis à la prise de décision.
Une dernière chose. Il me reste un peu de temps et je voulais vous montrer un exemple d'utilisation du générateur de flux de travail pour créer un complément. Je vais utiliser les données que j'ai ici. Je vais fermer quelques figures. Je vais utiliser ce tableau. Je vais ouvrir un nouveau flux de travail. Pour cela, allez dans Fichier, Nouveau, Flux de travail. Le générateur de flux de travail, qui capture le script de ce sur quoi vous travaillez dans JMP, enregistre votre script. Vous pouvez ensuite l'utiliser comme vous le souhaitez. Ici, nous allons créer un complément.
Je vais lancer l'enregistrement et réduire la fenêtre. Je vais créer un autre graphique. Je vais représenter la densité optique (DO) sur l'axe des ordonnées et le temps sur l'axe des abscisses. Ce seront des courbes. Je vais superposer les traitements et renommer ce graphique « Courbes de croissance ». Changeons rapidement la police. Agrandissons-la pour une meilleure lisibilité. Je la mets en gras et l'agrandis un peu. Même chose pour le temps : gras et agrandissement. Modifions ensuite la légende. Je l'appellerai simplement « Média ». Voilà, c'est parfait.
Pour que le générateur de flux de travail puisse enregistrer ce script lorsque vous travaillez dans le générateur de graphiques, j'ai compris qu'il fallait fermer le graphique. Je vais donc le faire. Je reviens ensuite au générateur de flux de travail : mon script est bien enregistré. C'est très pratique, surtout pour quelqu'un comme moi qui n'a pas beaucoup de connaissances en programmation.
Je vais sélectionner et copier ce texte, puis arrêter l'opération et ouvrir… Excusez-moi, je vais l'ouvrir dans un autre onglet. J'ouvre rapidement mon module complémentaire. Ainsi, nous pourrons y insérer cet exemple. Pour ouvrir le générateur de modules complémentaires, vous devez sélectionner ce petit triangle pointant vers le bas.
Voici l'éditeur de modules complémentaires que j'utilise. Je vais accéder à mes éléments de menu. Je m'entraînais tout à l'heure, mais j'ai oublié de le supprimer. Je vais créer un nouvel exemple. Je vais l'ajouter à la fin, sous Tableau de bord, et vous pouvez cliquer sur Commande. Je vais simplement coller ceci. C'est juste une simple démonstration. Je vais enregistrer.
De retour dans JMP, j'utiliserai ce tableau combinant cinétique et AUC. En cliquant sur mes modules complémentaires, puis sur « Données Bioscreen » (je ne l'ai pas nommé, mais ce n'est pas grave), j'exécuterai simplement la première option du menu. Cela devrait générer la figure que je viens de créer. Vérifions. C'est bon. Voilà ! Parfait. Ceci n'est qu'un exemple d'utilisation du générateur de flux de travail et de capture de scripts. Vous pouvez ensuite les intégrer à un module complémentaire. C'est très pratique pour les tâches répétitives qui deviennent fastidieuses, comme la création de figures.
Très bien. Je vais m'arrêter là. Il me reste encore quelques diapositives. Vous avez pu vous faire une bonne idée de l'utilité de JMP et de son module complémentaire. Nous avons réussi à simplifier et à réduire considérablement le temps de traitement des données de notre test de biosélection. Nous avons obtenu une réduction de 80 %. Qu'est-ce que cela signifie ? Si vous réalisez 120 tests de biosélection, le temps d'analyse des données passera d'une semaine (40 heures) à une journée (8 heures). C'est un gain considérable.
Chaque analyse que nous réalisons est unique. La série de scripts, basée sur le principe du clic, nous offre la flexibilité nécessaire pour traiter les données issues de nombreux protocoles expérimentaux différents. Le générateur de flux de travail change vraiment la donne. Ce que je vous ai montré aujourd'hui ne m'a pris que très peu de temps à développer. Moins de 10 heures au total pour créer tous ces modules complémentaires. Comme je l'ai déjà dit, mes connaissances en programmation sont limitées. Cet outil a rendu son utilisation très simple et accessible, même pour les personnes comme moi, qui sont un peu novices en la matière.
Pour les travaux futurs, nous n'avons certainement pas terminé. Je pense qu'il y a assurément une opportunité d'améliorer encore nos modules complémentaires et notre approche d'analyse. Ce serait formidable de mettre en place une approche entièrement automatisée pour certaines de nos analyses de routine afin de réduire encore davantage le temps de traitement des données. D'ailleurs, nous sommes déjà en train de le faire. Je développe déjà d'autres modules complémentaires pour d'autres analyses de données de routine, au-delà des tests de croissance que je vous ai présentés. Tirer pleinement parti de cette automatisation me fait gagner un temps précieux dans mon travail au laboratoire et pour le traitement des données. C'est vraiment très pratique.
Je prévois également d'intégrer les modules complémentaires de ce travail à une étude présentée par mon collègue Jerry Fish, qui utilise l'explorateur de données fonctionnelles de JMP Pro pour quantifier différents paramètres des courbes de croissance. Des éléments tels que le taux de croissance, le temps de latence, le temps nécessaire pour atteindre la phase stationnaire et la densité optique (DO) ou la densité cellulaire en phase stationnaire sont autant de paramètres essentiels pour l'analyse de nos données.
Je suis ravi de collaborer avec Jerry et de pouvoir combiner notre travail avec ses projets passionnants. J'en reparlerai plus tard. Vous trouverez ci-joint un lien vers sa présentation, qu'il donnera également au sommet JMP. C'est vraiment génial ! N'hésitez pas à y jeter un œil si vous en avez l'occasion.
Voilà qui conclut ma présentation. Je voulais vous communiquer mes coordonnées au cas où vous auriez des questions sur le travail que nous avons réalisé, ou si vous souhaitez simplement échanger avec moi sur la microbiologie ou la nutrition. J'adore parler de ces sujets. C'était un réel plaisir de vous faire cette présentation aujourd'hui. Merci de votre attention et j'espère pouvoir échanger avec certains d'entre vous prochainement. Merci à vous.
