Imagerie spatio-temporelle, intelligence artificielle et computIng pour la chimie et biologie de la cellule (SAIRPICO)

L'objectif de l'équipe est de développer des méthodes computationnelles et des algorithmes d'intelligence artificielle pour résoudre les problèmes de reconstruction d'images, ainsi que pour quantifier la mobilité et les interactions moléculaires à très haute résolution spatiale, à l'échelle de la cellule unique. Nous concevons de nouvelles approches d'imagerie qui non seulement fourniront de nouvelles informations sur les mécanismes de l'endocytose, mais auront le potentiel d'être appliquées dans d’autres études pour lesquelles l'organisation spatiale et moléculaire des lipides/protéines définit à la fois la structure et la fonction de ces assemblages dans des systèmes reconstitués et dans des cellules vivantes, avec des applications en nanomédecine.

 

Organisation de l’équipe

L’équipe-projet SAIRPICO est bi-localisée au Centre Inria de l'Université de Rennes (Campus Universitaire de Beaulieu, 35042 Rennes Cedex, France) et au Centre de Recherche de l'Institut Curie (26 Rue d'Ulm, 75005 Paris) dans l'unité de recherche Chimie et biologie de la cellule (CNRS UMR3666 / Inserm U1143). 
Sur la base d'une expérience commune de plus de 10 ans et de l'avantage prévu de regrouper des personnes issues de la biologie cellulaire, de la microscopie, du traitement et de l'analyse d'images, et de l'apprentissage statistique, l'équipe-projet SERPICO (2017-2023) et l'équipe-projet SAIRPICO (depuis le 1er avril 2023), développent des méthodes statistiques et computationnelles pour l'imagerie cellulaire et la recherche biomédicale. Depuis 2023, la nouvelle équipe interdisciplinaire, fortement soutenue par les institutions précitées, est composée de 6 chercheurs (intelligence artificielle, chimio-biologie), 6 doctorants (apprentissage statistique et analyse d'images), 2 postdocs (apprentissage statistique, deep learning), et 2 ingénieurs (informatique, chimio-biologie).

Voir la liste complète des membres de l'équipe

Contexte scientifique et objectifs

Tous les systèmes de microscopie à fluorescence enregistrent des signaux fluorescents émis par des molécules marquées. Les informations sur la fluorescence comprennent nécessairement l'intensité (densité de la biomolécule), la longueur d'onde (spectre d'absorption et d'émission), le temps (durée de vie de la fluorescence) et la polarisation (qui découle de l'orientation du dipôle). La technologie de la prochaine génération de microscopie permettra de mieux révéler la structure et la fonction des biomolécules dans les cellules et de déchiffrer des mécanismes biologiques complexes. Parmi les progrès récents, citons la microscopie polarisée qui a le potentiel de sonder l'orientation des fluorophores liés aux protéines ou aux lipides d'intérêt et de fournir ainsi des informations spatiales sur l’organisation subcellulaire à l'échelle nanométrique. Comme les données d'image correspondantes sont des signaux 3D+temps à valeurs multiples, l'analyse des images de microscopie à fluorescence reste un défi en matière de traitement des signaux et des images et d'apprentissage automatique, avant que cette technologie puisse être adoptée plus largement dans les études biologiques. Pour exploiter pleinement le potentiel de la microscopie de pointe dans les études biologiques, notre objectif global est de développer la prochaine génération de techniques de traitement de l'information à valeurs multiples. Cet objectif sera atteint en intégrant des concepts théoriques dans le traitement du signal et de l'image, des développements innovants dans l'ingénierie optique et de la chimie, en respectant les contraints expérimentales de l'imagerie cellulaire. La nouvelle génération d'algorithmes basés sur l'apprentissage statistique et automatique servira à caractériser la dynamique des biomolécules et à déchiffrer les voies de transport moléculaire ou le mouvement et la déformation des cellules, qui est d'un intérêt considérable en biologie cellulaire fondamentale et en médecine de précision.

Axes de recherche

Quatre axes de recherche complémentaires seront étudiés avec des scientifiques qui développent des méthodes chimiques pour quantifier les interactions entre les protéines membranaires.

Axe 1- Modélisation et reconstruction d’images à vecteurs-valuées

Développement de stratégies computationnelles et de cadres mathématiques pour la reconstruction d'images à veteurs-valués. Des représentations parcimonieuses des images de polarisation seront établies à partir de l'analyse des corrélations spatio-temporelles et de la redondance inhérente des données dans des images à vecteurs-valués. Nous étudierons les méthodes statistiques non paramétriques et les techniques d'agrégation, les méthodes bayésiennes variationnelles, y compris les modèles déformables, ainsi que les stratégies d'apprentissage automatique pour résoudre les problèmes inverses sous-jacents.

Axe 2- Méthodes pour la quantification à haute resolution spatiale de la mobilité moléculaire et les interactions.

Caractérisation de la mobilité moléculaire à l'échelle nanométrique à partir d'images à vecteurs-valués.  Nous envisageons d'exploiter le contenu des images de microscopie afin d’élaborer des algorithmes de suivi de molécules uniques (par exemple, ligands endocytiques) et de biomolécules (par exemple, machinerie cytosolique, capteurs métaboliques), de dériver des estimateurs robustes de la mobilité moléculaire et de quantifier les interactions spatialement variables entre les espèces moléculaires et le cytosquelette. Les algorithmes résultants seront utilisés pour produire des cartes spatiales à haute résolution de la mobilité moléculaire à partir de modèles de mouvement stochastiques et de représentations parcimonieuses.

Axis 3- Modélisation spatio-temporelle des formes 3D et des déformations.

Développement de modèles de forme et de descripteurs pour capturer le mouvement et les déformations 3D de complexes macromoléculaires (tomographie cryo-électronique (cryo-ET), analyse de particules uniques (SPA)) d'une part, et d'autre part, des composants intracellulaires et des cellules tumorales, à l'échelle d'une cellule unique et du tissu. Nous envisageons de représenter les formes 3D par des surfaces paramétriques contrôlées par des points clés et de segmenter et suivre les structures en microscopie 3D. La principale originalité sera d'exploiter les annotations et/ou les connaissances a priori de haut niveau pour dériver des caractéristiques permettant de classifier les conformations moléculaires en cryo-ET, et les phénotypes induits par des médicaments (cellule unique), ou des conditions d'hypoxie contrôlées (à l'échelle du tissu) en microscopie à fluorescence 3D+temps.

Axis 4- Etudes de cas en biologie cellulaire et en cancer.

Développement de protocoles expérimentaux pour faire la preuve que les méthodes et algorithmes liés aux trois axes méthodologiques précédents permettent d'effectuer la reconstruction d'images pour plusieurs instruments 3D (TIRFM, microscopie à réseau de lumière, microscopie multifocale, cryo-ET), et de quantifier avec précision la forme et le mouvement des composants cellulaires et des biomolécules qui interagissent avec les membranes et le cytosquelette. Les images et les caractéristiques obtenues permettront de mieux déchiffrer la dynamique intracellulaire des événements de trafic et de signalisation dans les cellules vivantes, en particulier la mécanique membranaire à la surface des cellules, l'endocytose, ainsi que la transduction des signaux vers le noyau. Les méthodes seront développées pour faciliter l'investigation en chémo-biologie, et seront étendues pour effectuer des analyses à l'échelle du tissu.

Biographie

Charles Kervrann est directeur de recherche Inria (DR1) et responsable de l’équipe-projet commune Sairpico (Inria Rennes, Institut Curie, CNRS UMR3666 / Inserm U1143, PSL Université) localisée à Rennes et Paris depuis le 1^er avril 2023. Auparavant, il a dirigé l’équipe-projet commune Serpico (Inria, Institut Curie CNRS UMR144, PSL Université) (2018-2023). Il a reçu le titre de Docteur (1995) et a soutenu son Habilitation à Diriger les Recherches (2010) en Traitement du Signal et Télécommunications (Université de Rennes 1). Il a été recruté comme Chargé de Recherche (CR2) dans le département INRA de Mathématiques Appliquées et Informatique en 1997 (Jouy-en-Josas) et a effectué une « mise à disposition » à l‘Inria Rennes en 2003. Il a été recruté en tant que Directeur de Recherche Inria (DR2) en 2010.  Ses thèmes de recherche concernent le traitement d’images et l’apprentissage statistique, les problèmes inverses en bio-imagerie. Il a encadré 19 doctorants et supervisé 7 postdocs et 6 ingénieurs. Il a été Editeur-Associé de la revue “IEEE Signal Processing Letters” (2015-2019), membre du comité scientifique   IEEE BISP “Biomedical Image and Signal Processing” (2010-2018), et membre du bureau exécutif du   GdR-CNRS ImaBio (2010-2020). Il est actuellement Editeur-Associé des revues “IEEE Trans. Image Processing” et “Biological Imaging” et co-responsable (avec Institut Pasteur) du nœud “BioImage Informatics” de l’Infrastructure nationale France-BioImaging (ANR PIA) depuis 2012. Il a été Co-General Chair et organisateur de la conférence internationale “Quantitative BioImaging” (QBI’2019) en 2019. Il a coordonné plusieurs projets avec des équipes académiques : ANR PRME POLARISCOPIA (2022-2026); ANR PRC DALLISH (2016-2020, avec l’Institut Curie et INRA); Inria DEFI NAVISCOPE (2018-2022, 9 équipes de recherche); CATLAS (2016-2021, Max Planck Institute Martinsried, Allemagne); CytoDI Equipe-Associée (2016-2018, UTSW Medical School Dallas, USA). Il a participé à plusieurs projets financés par l’ANR ou des instituts en collaboration avec l’Institut Curie (depuis 2005), IGDR Rennes (depuis 2005), INRAe MaIAGE and MICALIS Unités (depuis 2017), Hôpital Saint-Louis Paris (2015-2016), IINS Bordeaux (depuis 2019), IRSN (depuis 2020), Institut de Neuroscience Grenoble (depuis 2021), Institut Gustave-Roussy (depuis 2022), IGBMC Strasbourg (depuis 2021), et LMJL Université de Nantes (depuis 2016). A l’échelle internationale, il a collaboré avec University of Cambridge (UK, depuis 2019), CSIC Madrid (Spain, depuis 2020), Oviedo University (Spain, depuis 2022), Helmoltz Pioneer Campus (Neuherberg Germany, 2020-2021), MacMaster University (Canada, depuis 2021), Harvard Medical School (2013), University of California San Francisco (depuis 2010). Il a collaboré avec des industriels :  Airbus Defense and Space (2020-2024), Myriade (2021), GATACA Systems (2016-2023), Nobleo/UVISIO (The Netherlands, 2020), OBSYS (2016-2018), INNOPSYS (2013-2017). Il a s publié 60 publications dans des revues internationales, et 80 publications dans des conférences.