Vous cherchez...

 
Une recherche
   
   
 
 
Modélisation et Imagerie Numérique
(ACR)
- Mot(s) clé(s) :
Objet d'étude : arabidopsis thaliana, noyau, plante
Question sociétale et finalité, contexte : biologie prédictive
Démarche, discipline : imagerie, Mathématiques, Statistiques
Afficher la suite
Objet d'étude : arabidopsis thaliana, noyau, plante
Question sociétale et finalité, contexte : biologie prédictive
Démarche, discipline : imagerie, Mathématiques, Statistiques
Réduire

- Description détaillée :
L'imagerie biologique, en particulier la microscopie à fluorescence et ses dérivées, constitue un Afficher la suite
L'imagerie biologique, en particulier la microscopie à fluorescence et ses dérivées, constitue un outil privilégié pour analyser et modéliser la structure et le fonctionnement des systèmes biologiques. Cependant, en regard de la production massive d'images biologiques, leur exploitation par des approches quantitatives et systématiques reste très limitée. Combler ce fossé constitue aujourd'hui l'un des défis majeurs pour l'imagerie biologique.

Dans ce contexte, les objectifs de l'équipe sont de développer des méthodes, des algorithmes et des outils pour traiter, analyser et modéliser des données issues, principalement, d'imagerie biologique. Nous cherchons, d'une part, à mettre en évidence des principes d'organisation spatiale et, d'autre part, à comprendre les facteurs et les mécanismes qui les sous-tendent. Nos développements relèvent ainsi du traitement et de l'analyse d'images, des statistiques spatiales et de la modélisation mathématique et informatique.

Nous développons notre activité au travers de plusieurs projets en collaboration avec des équipes de biologistes. Les principaux projets actuellement en cours portent sur la compréhension et la modélisation de mécanismes développementaux chez les plantes, l'architecture fonctionnelle du noyau et son implication dans la régulation de l'expression du génome, la modélisation de répartitions intra-cellulaires de compartiments endomembranaires en relation avec la croissance et la polarité cellulaires, et la caractérisation histologique de plantes modèles. D'autres projets, en collaboration avec des collègues neurobiologistes, soulignent le caractère générique et transversal des activités de l'équipe.
Résultats marquants
Traitement d'images et reconstruction de modèles 3D. Nous avons développé un ensemble d'outils pour reconstruire à partir d'images 3D des modèles géométriques de structures biologiques. Nous disposons ainsi d'algorithmes d'amélioration (correction d'atténuation en microscopie confocale 3D, filtrage ; Biot et al., 2008, Legland et al., 2010) et de segmentation des images (détection de spots, contours actifs ; Biot et al., 2008) ainsi que de reconstruction de surfaces (Maschino et al., 2006 ; Burguet et al., 2011a).
Recalage et normalisation spatiale de données d'imagerie. Nous avons développé une chaîne algorithmique pour intégrer dans un unique modèle moyen un ensemble de modèles individuels, en tenant compte des fluctuations morphologiques inter-individuelles. La méthode combine recalage, moyennage et déformation non-linéaire des modèles géométriques (Maschino et al., 2006 ; Andrey et al., 2008). Nous nous intéressons également à des approches pour la normalisation de données iconiques (coll. J.-M. Bonny, INRA Theix ; Lehallier et al., 2011).
Cartographie statistique de distributions spatiales. Nous développons des méthodes pour intégrer des ensembles normalisés de positions d'objets d'intérêt dans des cartes statistiques en deux ou trois dimensions (Burguet et al., 2011b). Nous avons ainsi montré l'existence de répartitions spatiales spécifiques dans des systèmes variés et à différentes échelles: compartiments endomembranaires dans des cellules d'Arabidopsis (coll. S. Vernhettes, IJPB et J.-D. Faure, IJPB), populations de neurones dans le cerveau du petit animal (coll. Y. Maurin, INRA Jouy-en-Josas et N. Darcel, AgroParisTech ; Burguet et al., 2009 ; Schwarz et al., 2010), vaisseaux conducteurs dans des tiges de maïs (coll. V. Méchin, IJPB ; Legland et al., 2011).
Modélisation statistique de distributions spatiales. Nous développons une démarche de modélisation statistique spatiale afin de révéler, de tester et de quantifier des principes d'organisation dans les systèmes biologiques. Nous avons par exemple montré que, dans des noyaux de cellules de feuille d'Arabidopsis, les chromocentres sont répartis de façon plus régulière que sous une répartition complètement aléatoire (coll. V. Gaudin, IJPB ; Andrey et al., 2010).
Logiciel intégré et convivial de reconstruction et modélisation 3D. Afin de mettre librement à disposition de la communauté des utilisateurs biologistes les algorithmes et les méthodes que nous concevons pour traiter, analyser et modéliser les images 3D, nous développons le logiciel Free-D (Andrey & Maurin, 2005; Biot et al., 2011). Pour plus d'informations, consulter la page dédiée à cet outil : http://free-d.versailles.inra.fr.
Publications représentatives
Burguet J, Mailly P, Maurin Y, Andrey P (2011a). Reconstructing the three-dimensional surface of a branching and merging biological structure from a stack of coplanar contours. Eighth IEEE International Symposium on Biomedical Imaging (ISBI 2011): From Nano to Macro, 602-605.
Burguet J, Maurin Y, Andrey P (2011b). A method for modeling and visualizing the three-dimensional organization of neuron populations from replicated data: properties, implementation and illustration. Pattern Recognition Letters, 32, 1894-1901.
Andrey P, Kiêu K, Kress C, Lehmann G, Tirichine L, Liu Z, Biot E, Adenot P.-G, Hue-Beauvais C, Houba-Hérin N, Duranthon V, Devinoy E, Beaujean N, Gaudin V, Maurin Y, Debey P (2010). Statistical analysis of 3D images detects regular spatial distributions of centromeres and chromocenters in animal and plant nuclei. PLoS Computational Biology, 6, e1000853.
Legland D, Guillon F, Kiêu K, Bouchet B, Devaux M.-F. (2010). Stereological Estimation of cell wall density of DR12 tomato mutant using three-dimensional confocal imaging. Annals of Botany, 105, 265-276.
Legland D, Devaux M.-F., Guillon F. (2011). Spatial normalisation of maize stem vascular bundles for cartography of their density. Proc. of the 13th International Congress For Stereology, Tsinghua University, Beijing, China Oct. 19-23.
Gaudin V, Andrey P, Devinoy E, Kress C, Kiêu K, Beaujean N, Maurin Y, Debey P (2009). Modeling the 3D functional architecture of the nucleus in animal and plant kingdoms. C. R. Biologies, 332, 937-946.
Biot E, Crowell E, Höfte H, Maurin Y, Vernhettes S, Andrey P (2008). A new filter for spot extraction in N-dimensional biological imaging. Fifth IEEE International Symposium on Biomedical Imaging (ISBI'08): From Nano to Macro, 975-978.
Andrey P, Maschino E, Maurin Y (2008). Spatial normalisation of three-dimensional neuroanatomical models using shape registration, averaging, and warping. Fifth IEEE International Symposium on Biomedical Imaging (ISBI'08): From Nano to Macro, 1183-1186.
Maschino E, Maurin Y, Andrey P (2006). Joint registration and averaging of multiple 3D anatomical surface models. Computer Vision and Image Understanding, 101, 16-30.
Andrey P, Maurin Y (2005). Free-D: an integrated environment for three-dimensional reconstruction from serial sections. Journal of Neuroscience Methods, 145, 233-244.
Réduire

- Champs de rattachement :
 

En naviguant sur notre site vous acceptez l'installation et l'utilisation des cookies sur votre ordinateur. En savoir +