Analyse du métabolisme du soufre de la bactérie autotrophique acidophile Acidithiobacillus thiooxidans ATCC 19377

Les impacts environnementaux dues à l'extraction minière sont considérables. C'est l'action des microorganismes, en utilisant leur métabolisme du soufre sur les déchets miniers, qui engendre les plus grands défis. Jusqu'à présent, peu de recherches ont été effectués sur les microorganismes environnementaux pour la compréhension globale de l'action du métabolisme du soufre dans une optique de prévention et de rémédiation des impacts environnementaux de l'extraction minière. Dans cette étude, nous avons étudié une bactérie environnementale, Acidithiobacillus thiooxidans, dans le but de comprendre le métabolisme du soufre selon le milieu de culture et le niveau d'acidité du milieu. Nous avons utilisé la transcriptomique à haut débit, RNA-seq, en association avec des techniques de biogéochimie et de microscopie à électrons pour déterminer l'expression des gènes codants les enzymes du métabolisme du soufre. Nous avons trouvé que l'expression des gènes des enzymes du métabolisme du soufre chez ce microorganisme sont dépendantes du milieu, de la phase de croissance et du niveau d'acidité présent dans le milieu. De plus, les analyses biogéochimiques montrent la présence de composés de soufre réduits et d'acide sulfurique dans le milieu. Finalement, une analyse par microscopie électronique révèle que la bactérie emmagasine des réserves de soufre dans son cytoplasme. Ces résultats permettent une meilleure compréhension de son métabolisme et nous rapprochent de la possibilité de développer une technique de prédiction des réactions ayant le potentiel de causer des impacts environnementaux dus à l'extraction minière.

An adaptive neighborhood search algorithm for optimizing stochastic mining complexes

Les métaheuristiques sont très utilisées dans le domaine de l'optimisation discrète. Elles permettent d’obtenir une solution de bonne qualité en un temps raisonnable, pour des problèmes qui sont de grande taille, complexes, et difficiles à résoudre. Souvent, les métaheuristiques ont beaucoup de paramètres que l’utilisateur doit ajuster manuellement pour un problème donné. L'objectif d'une métaheuristique adaptative est de permettre l'ajustement automatique de certains paramètres par la méthode, en se basant sur l’instance à résoudre. La métaheuristique adaptative, en utilisant les connaissances préalables dans la compréhension du problème, des notions de l'apprentissage machine et des domaines associés, crée une méthode plus générale et automatique pour résoudre des problèmes. L’optimisation globale des complexes miniers vise à établir les mouvements des matériaux dans les mines et les flux de traitement afin de maximiser la valeur économique du système. Souvent, en raison du grand nombre de variables entières dans le modèle, de la présence de contraintes complexes et de contraintes non-linéaires, il devient prohibitif de résoudre ces modèles en utilisant les optimiseurs disponibles dans l’industrie. Par conséquent, les métaheuristiques sont souvent utilisées pour l’optimisation de complexes miniers. Ce mémoire améliore un procédé de recuit simulé développé par Goodfellow & Dimitrakopoulos (2016) pour l’optimisation stochastique des complexes miniers stochastiques. La méthode développée par les auteurs nécessite beaucoup de paramètres pour fonctionner. Un de ceux-ci est de savoir comment la méthode de recuit simulé cherche dans le voisinage local de solutions. Ce mémoire implémente une méthode adaptative de recherche dans le voisinage pour améliorer la qualité d'une solution. Les résultats numériques montrent une augmentation jusqu'à 10% de la valeur de la fonction économique.