Modélisation multi-échelle des trajectoires des vésicules à l'intérieur des neurones pré synaptique et post synaptique

Multiscale modeling of vesicle trajectories inside the pre and post synaptic neurone

• Auteur / Autrice : Matis Feller
• Direction : David Holcman, Juergen Reingruber
• Type : Projet de thèse
• Discipline(s) : Physique
• Date : Inscription en doctorat le 01/09/2022
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Physique en Ile de France
• Partenaire(s) de recherche : Laboratoire : Institut de Biologie de l'École Normale Supérieure
• Partenaire(s) de recherche : établissement opérateur d'inscription : Ecole normale supérieure

Mots clés

Mots clés libres

Modélisation

Neuroscience

Algorithme

Biophysique

Trajectoire

Stochastique

Modelisation

Neuroscience

Algorithm

Biophysics

Trajectories

Stochastique

Résumé

Les techniques d'imagerie à haute résolution peuvent générer de grandes quantités de données contenant des milliers de trajectoires individuelles de particules. Ces données ont le potentiel de révéler l'organisation et la dynamique des structures subcellulaires et de détecter les changements associés aux maladies. Toutefois, on manque actuellement de méthodes informatiques capables de tirer des informations quantitatives d'ensembles de données aussi considérables. Un algorithme a été développé et peut être largement appliqué pour révéler les interactions locales de liaison et de trafic et l'organisation des sites subcellulaires dynamiques. L'approche est basée sur la segmentation spatio-temporelle, qui examine les données à plusieurs niveaux pour identifier les régions à haute densité et leurs limites dans des zones mesurant des centaines de nanomètres. Cette méthode a été entraînée sur des données dans le réticulum endoplasmique et l'espace local exploré par les trajectoires a été reconstruit en connectant les régions denses. L'objectif est d'appliquer l'algorithme à différents types de données et en particulier aux vésicules dans les neurones pré et post synaptiques afin de mettre en évidence certaines caractéristiques intéressantes créées par l'algorithme pour comprendre les trajectoires des vésicules dans les neurones. La partie innovante est l'application de cet algorithme sur de nouvelles données à haute résolution, qui permettent l'étude de variables biophysiques qui pourraient révéler des propriétés biologiques intéressantes appliquées aux vésicules. L'étude des trajectoires des vésicules pourrait aider à comprendre le comportement de plusieurs maladies du cerveau.

High-resolution imaging techniques can generate vast amounts of data containing thousands of individual trajectories of particles. These data have the potential to reveal the organization and dynamics of sub cellular structures and detect changes associated with disease. However, there is a current lack of computational methods capable of deriving quantitative information from such massive datasets. An algorithm has been developed and can be broadly applied to reveal local binding and trafficking interactions and the organization of dynamic sub cellular sites. The approach is based on spatiotemporal segmentation, which examines data at multiple levels to identify high-density regions and their boundaries in areas measuring hundreds of nanometers. This method had been trained on data in the endoplasmic reticulum and the local space explored by trajectories were reconstructed by connecting dense regions. The objective is to apply the algorithm to different types of data and in particular to vesicles in pre and post synaptic neurons in order to highlight some interesting features created by the algorithm for understanding vesicle trajectories in neurons. The innovative part is the application of this algorithm on new high-resolution data, that enable the study of biophysics variables that could reveal interesting biological properties applied to the vesicles. The study of vesicle trajectories could help to understand the behavior of several brain diseases.