2019-01485 - Doctorant F/H [MORPHEME] Analyse statistique et géométrique de réseaux filamenteux en biologie à partir d'images de microscopie confocale.

Niveau de diplôme exigé : Bac + 5 ou équivalent

Fonction : Doctorant

A propos du centre ou de la direction fonctionnelle

Le centre Inria Sophia Antipolis - Méditerranée compte 37 équipes de recherche, ainsi que 9 services d’appui à la recherche. Le personnel du centre (600 personnes environ dont 400 salariés Inria) est composé de scientifiques de différentes nationalités (250 personnes étrangères sur 50 nationalités), d’Ingénieurs, de Techniciens et d’Administratifs. 1/3 du personnel est fonctionnaire, les autres sont contractuels. La  majorité des équipes de recherche du centre sont localisées à Sophia  Antipolis et Nice dans les Alpes-Maritimes. Six équipes sont  implantées à Montpellier et une équipe est  hébergée par le département d'informatique de l'université de Bologne en Italie. Le Centre est membre de la Communauté d’Université et d’Établissement (ComUE) « Université Côte d’Azur (UCA) ».

Contexte et atouts du poste

L'objectif de cette thèse est de proposer un cadre méthodologique pour l'analyse des réseaux filamenteux en biologie. Dans un premier temps, nous proposerons un algorithme et développerons un logiciel ergonomique générique pour l'extraction des réseaux filamenteux. Nous envisageons une première approche définie par trois étapes principales à savoir le rehaussement des structures linéiques suivi d'une binarisation et d'une reconnexion [Risser], que nous comparerons à une approche plus globale par processus ponctuels marqués [Lacoste]. La seconde partie de ce travail consistera à développer un cadre statistique rigoureux pour l'analyse de graphes biologiques. Nous définirons une métrique dans un espace bien choisi en généralisant les travaux décrits dans [Mottini] qui combinent une métrique géométrique, proposée dans [Srivastava], avec l'information topologique. Dans ce cadre, des algorithmes seront proposés pour calculer les chemins géodésiques sur la variété retenue, les moyennes de populations ou encore les matrices de covariances, calculées dans l'espace tangent. Cela permettra de définir des algorithmes de classification et de modélisation des graphes biologiques à partir d'informations extraites de données réelles.

Ce cadre théorique sera appliqué à plusieurs problématiques biologiques en partenariat avec différents instituts. Par exemple, nous pourrons nous appuyer sur une collaboration avec le C3M et l'IPMC pour l'étude des réseaux mitochondriaux dans les cadres respectifs du cancer de la prostate et de la maladie d'Alzheimer. Les cas des neurones et de la matrice extra cellulaire pourront être abordés au travers d'un partenariat avec l'iBV. Sur ces différentes thématiques nous avons accès à des bases de données d'images qui permettront de pleinement valider les outils proposés.

 

 

Mission confiée

Les réseaux filamenteux (ou réseaux de fibres) jouent un rôle prépondérant en biologie. On peut citer par exemple le réseau mitochondrial, élément essentiel de la cellule, les réseaux neuronaux, les filaments d'actine ou encore la matrice extra cellulaire. (voir figure 1). L'étude de la géométrie et de la topologie de ces réseaux est essentielle pour fournir de nombreux indicateurs, ou biomarqueurs, de certaines pathologies. Pour extraire de telles informations, l'imagerie par microscopie confocale est adaptée par la résolution qu'elle offre et les nombreuses techniques de fluorescence. Actuellement, de telles études sont menées par exemple pour évaluer la toxicité de perturbateurs endocriniens à partir du réseau mitochondrial, évaluer certains cancers à partir de la matrice extra cellulaire ou encore comprendre certaines pathologies cérébrales à partir du processus de croissance des axones. Dans ces différents projets les propriétés géométriques et topologiques des réseaux sont extraites des images. Des outils d'analyse de données, comme la classification ou de modélisation permettent alors de caractériser les différentes populations, d'expliquer voir de prédire certains phénotypes. Pour ce faire, il est nécessaire de développer des algorithmes automatiques pour extraire l'information des images et un cadre méthodologique pour comparer, classer les réseaux. Il s'agit de définir des métriques adaptées et interprétables biologiquement ainsi qu'un cadre statistique rigoureux pour évaluer des formes moyennes, les variabilités inter et intra population, ou encore des trajectoires dans le cas d'un processus de croissance par exemple.

 

 

    Figure 1 : Réseaux de mitochondrie (gauche), axones (milieu) et matrice extra cellulaire (droite).

 

Certains outils ont été développés pour extraire les structures linéiques des images, notamment pour les réseaux routiers ou vasculaires. On retrouve des filtres adaptés comme les fonctions de Gabor, des opérateurs locaux fondés sur l'analyse de la Hessienne du signal ou encore des approches stochastiques plus globales. Concernant les réseaux neuronaux le challenge DIADEM a permis un état de l'art complet [Gillette]. En revanche, un outil générique et automatique reste encore un enjeu, comme le montre la diversité des réseaux (mitochondrie, neurones, filament d'actine) mais aussi des capteurs. Concernant les métriques entre graphes, les approches développées sont souvent fondées sur les propriétés topologiques comme pour la fameuse TED ("Tree Edit Distance"). Dans notre cas, l'information géométrique est également prépondérante (couverture spatiale, forme des branches). De premier travaux ont combiné ces deux types d'informations pour classer des arbres axonaux dans [Mottini]. Ce type d'approche doit encore être généralisé au cas de graphes quelconques.

 

L'objectif de cette thèse est de proposer un cadre méthodologique pour l'analyse des réseaux filamenteux en biologie. Dans un premier temps, nous proposerons un algorithme et développerons un logiciel ergonomique générique pour l'extraction des réseaux filamenteux. Nous envisageons une première approche définie par trois étapes principales à savoir le rehaussement des structures linéiques suivi d'une binarisation et d'une reconnexion [Risser], que nous comparerons à une approche plus globale par processus ponctuels marqués [Lacoste]. La seconde partie de ce travail consistera à développer un cadre statistique rigoureux pour l'analyse de graphes biologiques. Nous définirons une métrique dans un espace bien choisi en généralisant les travaux décrits dans [Mottini] qui combinent une métrique géométrique, proposée dans [Srivastava], avec l'information topologique. Dans ce cadre, des algorithmes seront proposés pour calculer les chemins géodésiques sur la variété retenue, les moyennes de populations ou encore les matrices de covariances, calculées dans l'espace tangent. Cela permettra de définir des algorithmes de classification et de modélisation des graphes biologiques à partir d'informations extraites de données réelles.

Ce cadre théorique sera appliqué à plusieurs problématiques biologiques en partenariat avec différents instituts. Par exemple, nous pourrons nous appuyer sur une collaboration avec le C3M et l'IPMC pour l'étude des réseaux mitochondriaux dans les cadres respectifs du cancer de la prostate et de la maladie d'Alzheimer. Les cas des neurones et de la matrice extra cellulaire pourront être abordés au travers d'un partenariat avec l'iBV. Sur ces différentes thématiques nous avons accès à des bases de données d'images qui permettront de pleinement valider les outils proposés.

 

Bibliographie :

[Gillette] : T. Gillette, K. Brown, G. Ascoli (2011). The diadem metric: Comparing multiple reconstructions of the same neuron. Neuroinformatics, 9, 233–245.

[Mottini] : A. Mottini, X. Descombes, F. Besse (2015). From Curves to Trees: A Tree-like Shapes Distance Using the Elastic Shape Analysis Framework. Neuroinformatics, Humana Press, 13 (2), pp.175-191.

[Risser] : L. Risser and F. Plouraboue and X. Descombes (2008). Gap Filling of 3-D Microvascular Networs by Tensor Voting. IEEE Trans. Medical Imaging, 27(5): pages 674-687.

[Lacoste] : C. Lacoste and X. Descombes and J. Zerubia (2005). Point Processes for Unsupervised Line Network Extraction in Remote Sensing. IEEE Trans. Pattern Analysis and Machine Intelligence, 27(10): pages 1568-1579.

[Srivastava] : A. Srivastava, S. Joshi, W. Mio, and C. Liu (2005). Statistical Shape Anlaysis: Clustering, Learning and Testing. IEEE Transactions on Pattern Analysis and Machine Intelligence 27(4), pages 590-602,

 

Principales activités

Principales activés (5 maximum) :

 - recherche

  • bibliographie
  • rédaction de rapport/articles
  • programmation

 

 

Compétences

Compétences techniques et niveau requis :

master in applied mathematics or computer science

Langues :

english

Compétences relationnelles :

 work in a multidisciplinary context

Compétences additionnelles appréciées :

Avantages

  • Restauration subventionnée
  • Transports publics remboursés partiellement
  • Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
  • Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
  • Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
  • Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
  • Accès à la formation professionnelle
  • Sécurité sociale

Rémunération

Duration: 36 months
Location: Sophia Antipolis, France
Gross Salary per month: 1982€brut per month (year 1 & 2) and 2085€ brut/month (year 3)