Caractérisation de l'hétérogénéité spatiale des phénotypes cellulaires à partir de grandes données de microscopie

par France Rose

Projet de thèse en Biologie cellulaire

Sous la direction de Auguste Genovesio.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de Complexité du vivant , en partenariat avec Institut de Biologie de l'École Normale Supérieure (laboratoire) et de Ecole normale supérieure (établissement de préparation de la thèse) depuis le 01-09-2016 .


  • Résumé

    Le criblage à haut contenu permet d'imager automatiquement des cellules soumises à des milliers de perturbations parallèles. Des centaines de descripteurs morphométriques peuvent alors être extraits de chacune des millions de cellules imagées. Le 1er axe du travail de thèse consiste en la comparaison de méthodes computationnelles pour l'extraction de tous les phénotypes cellulaires sur un tel grand jeu de données. Le 2ème axe utilise cette classification des cellules en groupes phénotypiques pour caractériser l'hétérogénéité spatiale présente sur les images de microscopie. Cette caractérisation permet aussi de comparer la structure spatiale de différentes images entre elles. Le 3ème axe de ce projet a pour but d'étendre les méthodologies employées à d'autres jeux de données (tissue et culture cellulaire ; microscopie et spectrométrie de masse).

  • Titre traduit

    Characterization of the spatial heterogeneity of cell phenotypes from large scale microscopy data


  • Résumé

    High-content screening makes imaging cells at a very large scale possible: population of cells under thousands of perturbations can be automatically imaged at once. Then hundreds of morphometric descriptors can be extracted from each of the cells. The first aim of this PhD work is to compare computational tools to describe and extract all cellular phenotypes of such large data. The second aim uses this classification of cells into phenotypic groups to characterize spatial heterogeneity from microscopy images. Also this characterization allows to compare the spatial structure between images. The third aim of this project is to extend the proposed methods to other contexts using other types of datasets (tissue and cell culture; microscopy and mass spectrometry).