Diapo soutenance gtrigui

741 vues

Publié le

Publié dans : Santé & Médecine
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
741
Sur SlideShare
0
Issues des intégrations
0
Intégrations
4
Actions
Partages
0
Téléchargements
5
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Diapo soutenance gtrigui

  1. 1. Soutenance de Thèse : Dynamique des corps lipidiques dans la graine d'Arabidopsis thaliana Présentée par : Ghassen Trigui Directeur : Bertrand Dubreucq Co-directeur : Alain Trubuil 20/02/2014 Jury : Alain Zachowski (Rapporteur) – UPMC-UPEC, Créteil Charles Kervrann (Rapporteur) – INRIA, Rennes Jacques Fattaccioli (Examinateur) – ENS paris Olivier Martin (Examinateur) – INRA Versailles-Grignon
  2. 2. Introduction Structure et composition du corps lipidique : Figure : Structure et composition d'un corps lipidique : Un corps lipidique est formé d'une matrice de TAGs entourée d'une monocouche de phospholipides dans laquelle trois types de protéines sont insérées : l'oléosine (la protéine majeure du corps lipidique), la caléosine et la stéroléosine (D'après [Tzen 2012]). 20/02/2014
  3. 3. Introduction Structure de l’oléosine: Figure : Modèle de la conformation d'une oléosine de 18 kDa à la surface du corps lipidique (D'après [Huang 1996]). 20/02/2014
  4. 4. Introduction Biogenèse du corps lipidique : Figure : Modèle de Beisson de synthèse de corps lipidiques de la plante oléagineuse (D'après [Beisson 1999]). 20/02/2014
  5. 5. Introduction Objectifs : • L'objectif de cette thèse est de modéliser la formation et la dynamique des corps lipidiques dans la graine en développement de l'espèce Arabidopsis. • Trois niveaux d’observations : I • Analyse descriptive des données. II III 20/02/2014 • Analyse statistique à l’aide d’un modèle. • Modélisation de la dynamique du corps lipidique.
  6. 6. Plan de la présentation : I. Traitement des données, extraction et analyse de l'information II. Analyse statistique des données III. Modélisation de la dynamique des corps lipidiques IV. Conclusion et perspectives 20/02/2014
  7. 7. Traitement des données, extraction et analyse de l'information Matériel : Végétal Cytologique Type sauvage d’Arabidopsis thaliana et mutant déficients en une des 3 oléosines considéré, S1, S3, S4 (s1, s3, s4), ou deux (s1s3, s1s4, s3s4) ou trois (s1s3s4). Marquage au rouge nil pour la visualisation des lipides neutres dans les corps lipidiques Microscopie confocale 3D Microscope confocal LEICA SP2 AOBS. Résolution : 0.09 x 0.09 x 0.16 µm AvizoFire— ND-Safir Matlab R Objectif : 40 X Ouverture numérique : 1.25 20/02/2014 Outils de traitement d’image et de modélisation
  8. 8. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : Logical or Init Bin_all_ in Median 3D / Gaussian noise Distance map Filtered Threshold 1 Bin_M Bin_m_ F Reconstruct Bin_R Logical not Bin_R_i Logical and Bin_R_F Bin_all 20/02/2014 Extended max Bin_m Filter 1 Logical or Dist Threshold 2 Filter 2 Bin_m_ f Logical not Marker Dist_i Label Marker _l Watershed Wshed Logical sub Wshed_ s Border kill Wshed_ s_b Label Labels Data – Volume I_analyse
  9. 9. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : 20/02/2014
  10. 10. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : Logical or Init Bin_all_ in Median 3D / Gaussian noise Distance map Filtered Threshold 1 Bin_M Bin_m_ F Reconstruct Bin_R Logical not Bin_R_i Logical and Bin_R_F Bin_all 20/02/2014 Extended max Bin_m Filter 1 Logical or Dist Threshold 2 Filter 2 Bin_m_ f Logical not Marker Dist_i Label Marker _l Watershed Wshed Logical sub Wshed_ s Border kill Wshed_ s_b Label Labels Data – Volume I_analyse
  11. 11. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : 20/02/2014
  12. 12. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : Init Bin_all_ in Median 3D / Gaussian noise Distance map Filtered Threshold 1 Bin_M Bin_m_ F Reconstruct Bin_R Logical not Bin_R_i Logical and Bin_R_F Bin_all 20/02/2014 Extended max Bin_m Filter 1 Logical or Dist Threshold 2 Filter 2 Bin_m_ f Logical not Marker Dist_i Label Marker _l Watershed Wshed Logical sub Wshed_ s Border kill Wshed_ s_b Label Labels Data – Volume I_analyse
  13. 13. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : 20/02/2014
  14. 14. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : Init Bin_all_ in Median 3D / Gaussian noise Distance map Filtered Threshold 1 Bin_M Bin_m_ F Reconstruct Bin_R Logical not Bin_R_i Logical and Bin_R_F Bin_all 20/02/2014 Extended max Bin_m Filter 1 Logical or Dist Threshold 2 Filter 2 Bin_m_ f Logical not Marker Dist_i Label Marker _l Watershed Wshed Logical sub Wshed_ s Border kill Wshed_ s_b Label Labels Data – Volume I_analyse
  15. 15. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : 20/02/2014
  16. 16. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : Init Bin_all_ in Median 3D / Gaussian noise Distance map Filtered Threshold 1 Bin_M Bin_m_ F Reconstruct Bin_R Logical not Bin_R_i Logical and Bin_R_F Bin_all 20/02/2014 Extended max Bin_m Filter 1 Logical or Dist Threshold 2 Filter 2 Bin_m_ f Logical not Marker Dist_i Label Marker _l Watershed Wshed Logical sub Wshed_ s Border kill Wshed_ s_b Label Labels Data – Volume I_analyse
  17. 17. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : Init Bin_all_ in Median 3D / Gaussian noise Distance map Filtered Threshold 1 Bin_M Bin_m_ F Reconstruct Bin_R Logical not Bin_R_i Logical and Bin_R_F Bin_all 20/02/2014 Extended max Bin_m Filter 1 Logical or Dist Threshold 2 Filter 2 Bin_m_ f Logical not Marker Dist_i Label Marker _l Watershed Wshed Logical sub Wshed_ s Border kill Wshed_ s_b Label Labels Data – Volume I_analyse
  18. 18. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : Images intermédiaires de la procédure de segmentation par lignes de partage des eaux. (A) Image binaire, (B) Image distance, (C) Complément de l'image distance, (D) Image de marqueurs (maxima étendus), (E) Image de lignes de partage des eaux, (F) Image segmentée. 20/02/2014
  19. 19. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : Init Bin_all_ in Median 3D / Gaussian noise Distance map Filtered Threshold 1 Bin_M Bin_m_ F Reconstruct Bin_R Logical not Bin_R_i Logical and Bin_R_F Bin_all 20/02/2014 Extended max Bin_m Filter 1 Logical or Dist Threshold 2 Filter 2 Bin_m_ f Logical not Marker Dist_i Label Marker _l Watershed Wshed Logical sub Wshed_ s Border kill Wshed_ s_b Label Labels Data – Volume I_analyse
  20. 20. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : Images intermédiaires de la procédure de segmentation par lignes de partage des eaux. (A) Image binaire, (B) Image distance, (C) Complément de l'image distance, (D) Image de marqueurs (maxima étendus), (E) Image de lignes de partage des eaux, (F) Image segmentée. 20/02/2014
  21. 21. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : Init Bin_all_ in Median 3D / Gaussian noise Distance map Filtered Threshold 1 Bin_M Bin_m_ F Reconstruct Bin_R Logical not Bin_R_i Logical and Bin_R_F Bin_all 20/02/2014 Extended max Bin_m Filter 1 Logical or Dist Threshold 2 Filter 2 Bin_m_ f Logical not Marker Dist_i Label Marker _l Watershed Wshed Logical sub Wshed_ s Border kill Wshed_ s_b Label Labels Data – Volume I_analyse
  22. 22. Traitement des données, extraction et analyse de l'information 20/02/2014
  23. 23. Traitement des données, extraction et analyse de l'information 20/02/2014
  24. 24. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : 20/02/2014
  25. 25. Traitement des données, extraction et analyse de l'information Pipeline de segmentation : 20/02/2014
  26. 26. Modélisation de la dynamique des corps lipidiques Extraction des données : A B C Figure : Evolution de différents estimateurs de la dispersion spatiale de corps lipidiques pour chaque génotype à chaque stade du développement : A- Valeur médiane du volume, B- Valeur médiane de la cellule de Voronoi et C- Valeur médiane de la fraction locale [Miquel et al., 2014] 20/02/2014
  27. 27. Introduction Analyse statistique : Environ 200 images tridimensionnelles de différents échantillons on été analysées. Chaque image correspond à un des 8 génotypes, observés à un des 5 stades (jours) du développement . Référence Effet du jour Valeur de Log (V) du nème corps lipidique au temps t Effet de l’interaction simple Effets de l’interaction double Erreur, distribution normale Effet de l’interaction triple Les valeurs sont obtenues par minimisation de la différence entre le modèle et la réponse. 20/02/2014
  28. 28. Introduction Analyse statistique : Modèle de régression linéaire Modèle quantile Nous avons utilisé le modèle quantile pour τ 1, τ 2, τ 3, τ 4 et τ 5 pour, respectivement 0.1, 0.25, 0.5 (médiane), 0.75, et 0.9  L’effet de S1 est statistiquement significatif pour tout les quantiles  S1 contribue à la diminution du volume du corps lipidique  S3 a un effet significatif de réduction du volume mais uniquement sur les quantiles (τ4, τ 5)  Un effet synergique de l’interaction S3 et S4 20/02/2014
  29. 29. Modélisation de la dynamique des corps lipidiques Equation du modèle : Evolution du nombre de corps lipidiques de volume x par rapport au temps t Formation d’un corps lipidique de volume x à partir de l'agrégation de deux corps lipidiques de volumes respectives x-y et y. Disparition d'un corps lipidique de volume x suite à l'agrégation avec un corps lipidique de volume quelconque. 20/02/2014 Production d’un corps lipidique de volume x
  30. 30. Modélisation de la dynamique des corps lipidiques Hypothèses :  H1 : Les corps lipidiques sont sphériques.  H2 : La distribution de charge est uniforme sur la membrane.  H3 : Le contenu du corps lipidique est électriquement neutre  H4 : L'agrégation est binaire. 20/02/2014
  31. 31. Modélisation de la dynamique des corps lipidiques Hypothèses :  H5 : Il y a conservation du volume des CL lors de l'agrégation, soit :  H6 : Il y a conservation de la charge des CL lors de l'agrégation, soit :  H7 : Le pH du cytoplasme est constant durant le développement. 20/02/2014
  32. 32. Modélisation de la dynamique des corps lipidiques Hypothèses : Nous avons également défini des hypothèses de modélisation :  HMOD1 : Le taux d'agrégation est inversement proportionnel à la densité de charge.  HMOD2 : Le taux d'agrégation est multiplicatif. Le taux d'agrégation prend alors la forme suivante : En raison de l'hypothèse H1, on a aussi : 20/02/2014
  33. 33. Modélisation de la dynamique des corps lipidiques Hypothèses :  HMOD3 : Le processus de production au niveau du RE produit une population de CL homogène en volume et en charge. En s'appuyant sur H5 et H6, on en déduit alors que : 20/02/2014
  34. 34. Modélisation de la dynamique des corps lipidiques Hypothèses : 20/02/2014
  35. 35. Modélisation de la dynamique des corps lipidiques Estimation des paramètres :  Contraintes :  Critère d’erreur : 20/02/2014
  36. 36. Modélisation de la dynamique des corps lipidiques Simulation numérique : Différents modèles développés : Tableau : Différents modèles de coalescence simulés pour la dynamique des corps lipidiques, ainsi que le mode d'estimation des paramètres utilisé. 20/02/2014
  37. 37. Modélisation de la dynamique des corps lipidiques Résultats : Fig : Courbes d'ajustement du modèle génotypique/spatial modulé (5) : volume de corps lipidiques cumulé par unité de volume de référence (CV). En noir, la densité CV observée avec erreur, en rouge, la densité estimée par ajustement des paramètres. 20/02/2014
  38. 38. Modélisation de la dynamique des corps lipidiques Résultats : Fig : Courbes d'ajustement du modèle génotypique/spatial modulé (5) : volume de corps lipidiques cumulé par unité de volume de référence (CV). En noir, la densité CV observée avec erreur, en rouge, la densité estimée par ajustement des paramètres. 20/02/2014
  39. 39. Modélisation de la dynamique des corps lipidiques Résultats : Fig : Courbes d'ajustement du modèle génotypique/spatial modulé (5) : volume de corps lipidiques cumulé par unité de volume de référence (CV). En noir, la densité CV observée avec erreur, en rouge, la densité estimée par ajustement des paramètres. 20/02/2014
  40. 40. Modélisation de la dynamique des corps lipidiques Résultats : Fig : Courbes d'ajustement du modèle génotypique/spatial modulé (5) : volume de corps lipidiques cumulé par unité de volume de référence (CV). En noir, la densité CV observée avec erreur, en rouge, la densité estimée par ajustement des paramètres. 20/02/2014
  41. 41. Modélisation de la dynamique des corps lipidiques Conclusion :  La qualité d’ajustements est plutôt moyenne.  Le modèle reste relativement sous-paramétré : manque de données et d’informations.  L’information spatiale est incluse explicitement dans le modèle.  Extensibilité pour la prise en compte d’autres processus (biogenèse locale, transfert par murissement,…). 20/02/2014
  42. 42. Conclusion Principaux résultats :  Mise en place d'un pipeline de traitement d'images  Implémentation de la procédure sous AvizoFire.  Exécution semi-automatique (deux paramètres à définir en entrée).  Analyse exploratoire des données :  Evolution des différents estimateurs pour chaque génotype à chaque stade.  Analyse statistique :  Analyse des données par modèle linéaire simple et modèle quantile.  Interprétation sur la contribution de chaque oléosine dans la taille des corps lipidiques.  Modélisation de la dynamique de coalescence des corps lipidiques.  Modèle basé sur un processus physique : la coalescence  Définition d’un ensemble d’hypothèses. 20/02/2014
  43. 43. Conclusion Perspectives :  Etude des caractéristiques biophysiques de la membrane des corps lipidiques :  Modélisation de la biophysique des membranes demi-couches lipidiques.  Paramètres de déformation de la membrane des corps lipidiques : expérience d’aspiration par micropipettes.  Paramètres de diffusion des oléosines à la surface de la membrane : FRET, FRAP,...  Validation du modèle de la dynamique de coalescence des corps lipidiques :  Acquisition de données en « time-lapse » sur de longues périodes.  Extraction des paramètres de coalescence à partir d’images.  Produire des oléosines sur-exprimées.  Faire de nouvelles hypothèses biologiques sur la base du modèle :  Autres processus de croissance des corps lipidiques.  Modélisation du taux de production. 20/02/2014
  44. 44. MERCI POUR VOTRE ATTENTION 20/02/2014

×