Inférence physique à partir d'images biologiques

Physical inference from microscopy biological images

• Auteur / Autrice : Sacha Ichbiah
• Direction : Hervé Turlier
• Type : Projet de thèse
• Discipline(s) : Physique
• Date : Inscription en doctorat le ; Soutenance le 09/10/2023
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Physique en Île-de-France (Paris ; 2014-....)
• Partenaire(s) de recherche : Laboratoire : Centre Interdisciplinaire de Recherche en Biologie (Paris ; 2011-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Collège de France (Paris ; 1530-....)
• Jury : Président / Présidente : Charles Kervrann
• Jury : Examinateurs / Examinatrices : Hervé Turlier, Pierre-Francois Lenne, Virginie Uhlmann, Jean-Baptiste Masson, Francois Graner
• Jury : Rapporteurs / Rapporteuses : Pierre-Francois Lenne, Virginie Uhlmann

Mots clés

Mots clés libres

Embryogenèse

Apprentissage Statistique

Vision par ordinateur

Matière Molle

Physique

Biophysique

Embryogenesis

Statistical Learning

Computer Vision

Soft Matter

Physics

Biophysics

Résumé

De nouveaux paradigmes d'imagerie par microscopie ont engendré une profusion de données, en deux et trois dimensions, avec une résolution spatiale et temporelle inégalée. Pour comprendre quantitativement les phénomènes mécaniques qui déterminent la forme des cellules et des embryons, il est nécessaire de faire correspondre les informations issues de ces images avec des modèles physiques, tâche désignée sous l'appellation de résolution d'un ''problème inverse''. C'est l'objectif principal de cette thèse. Dans la première partie, nous établissons une analogie entre les premiers stades du developpement de l'embryon et des modèles de mousses hétérogènes. Nous explorons les complexités de la simulation de ces mousses, déduisant les tensions de surface et les pressions à partir des images de deux manières : d'abord par l'intermédiaire de la minimisation de l'erreur quadratique moyenne des equations d'équilibre physique, puis grâce à une procédure d'optimisation plus sophistiquée où les gradients sont calculés en utilisant la méthode de l'état adjoint. Par la suite, nous présentons un nouvel outil pour l'analyse d'image de microscopie: alphaMic, un microscope artificiel qui génère des images 3D à partir de modèles numériques. Cet outil permet de tester des algorithmes d'analyse d'images et de générer des données artificielles pour entrainer des réseaux de neurones profonds. Sa version différentielle, deltaMic, est capable de determiner, a partir de vraies images, la geometrie de cellules et les caractéristiques optiques d'un microscope. Enfin, nous présentons une méthode basée sur le transport optimal pour inferer les flux de membrane à partir de kymographes.

Novel microscopy paradigms have given rise to an abundance of data, both in two and three dimensions, with an unprece- dented spatial and temporal resolution. A quantitative comprehension of the mechanical phenomena shaping cells and embryos requires to fit information obtained from these images to physical models, a task referred to as solving an ”Inverse problem”. This is the central focus of this thesis. In the initial part, we establish an analogy between early embryos and het- erogeneous foams. We delve into the complexities of foam simulation, inferring surface tensions and pressures from images in two ways, first by minimizing the mean-square error of physical equations, then using a more sophisticated optimization procedure in which gradients are calculated with the adjoint-state method. Subsequently, we introduce another tool for mi- croscopy image analysis: alphaMic, an artificial microscope, that generates 3D images from numerical models. This novel tool provides the capability to benchmark algorithms, produce artificial data to train deep-neural networks. Its differentiable version, deltaMic, is able to fit geometry and point spread function models from real microscopy images. Ultimately, we present a method based on optimal transport for inferring membrane flows from kymographs.