Assimilation de Données et Microscopie à Feuille de Lumière Structurée pour la Modélisation des Voies d'Endocytose et d'Exocytose en Cellule Unique – DALLISH

L’imagerie biologique et notamment les microscopies de fluorescence jouent un rôle prépondérant en sciences du vivant et dans le domaine biomédical. Son principe consiste à imager, à la limite de la diffraction optique (200 nm), les objets intracellulaires d’intérêt marqués par sondes fluorescentes et excités en microscopie champ large ou microscopie confocale. Dans ce contexte, la microscopie de super-résolution (SR-M) et la microcopie à feuille de lumière (LS-M) furent l’objet d’un intérêt sans égal cette dernière décennie. L’une des raisons de cet enthousiasme est liée aux avancées majeures en optique pour contourner la barrière théorique de diffraction établie il y a plusieurs décennies. Depuis cette prouesse (Prix Nobel en 2014), plusieurs variantes de microscopie de super-résolution ont été développées pour faire face à un nombre croissant d’études en biologie cellulaire.

La microscopie par feuillet de lumière en treillis (LLS-M) représente désormais une nouvelle génération des microscopes 3D à fluorescence dédiée à l’étude de cellule unique, capable de générer des images très contrastées et hautement résolues, sur des temps longs et sur un régime d’acquisition dense. En conséquence elle produit des volumes de données de très grandes tailles: une expérience à l’échelle d’une seule cellule, de suivi de deux espèces moléculaires pour caractériser la voie d’endocytose en LLS-M, peut ainsi générer jusqu'à un Téraoctets de données en une heure, à la résolution spatiale de 100-200 nm, en 3D. Force est de constater que les algorithmes et méthodes de reconstruction et d’analyse d’images conventionnels, conçus jusqu’à présent en microscopie de fluorescence 3D, ne permettent pas de faire face à ce déluge de voxels. Il est donc impératif de proposer de nouveaux paradigmes et de nouvelles stratégies computationnelles pour reconstruire les images et estimer les champs de déplacement à partir des séries de volumes acquises avec cette technologie de rupture. Par ailleurs, établir des correspondances entre les mesures et descripteurs calculées sur les images (champs de vecteurs de déplacement, trajectoires), les modèles stochastiques de mouvement et les informations biologiques et biophysiques sous-jacentes est également une tâche nécessaire. Le projet DALLISH vise donc à relever ces défis et à améliorer l’ensemble des méthodes de traitement et de quantification des images en microscopie 3D et imagerie du vivant. Les interactions fortes entre les modèles biophysiques et les modèles statistiques prévus dans ce projet, ouvrent une voie prometteuse pour permettre de combiner de manière quantitative les connaissances des biologistes et des experts du traitement des données. Afin d’atteindre ces objectifs, nous associerons les mathématiques appliquées, l’analyse d’images et l’informatique aux disciplines de la biologie et de la biophysique. Une synergie soutenue entre ces champs disciplinaires est garant de la réussite du projet.

L’impact du projet se situe à trois niveaux. Tout d’abord, les nouveaux paradigmes et algorithmes conçus pour améliorer la vitesse des calculs, la précision et la quantification des images auront des bénéfices directs en imagerie biologique en général et cellulaire en particulier. Deuxièmement, les méthodes et les algorithmes développés, seront adaptés pour élucider les mécanismes impliqués dans tous les mécanismes de transport des protéines et spécifiquement ici, les mécanismes d’endocytose et d’exocytose cellulaire. Enfin, dans une perspective plus large, la description quantitative du transport des protéines, telle qu’obtenue durant le projet DALLISH, sera une condition préalable pour comprendre le fonctionnement d'une cellule dans des situations normales et pathologiques, puisque les défauts dans le transport intracellulaire des protéines sont apparus au fil des ans, avoir des contributions majeures dans nombre de maladies, y compris le cancer, les infections virales et les maladies neurodégénératives.