Décodage des algorithmes endogènes des îlots pancréatiques responsables des dynamiques de la sécrétion d'insuline

par Manon Jaffredo

Projet de thèse en Biologie Cellulaire et Physiopathologie

Sous la direction de Matthieu Raoux.

Thèses en préparation à Bordeaux , dans le cadre de Sciences de la Vie et de la Santé , en partenariat avec Institut de Chimie & de Biologie des Membranes & des Nano-objets (laboratoire) et de Biologie cellulaire et Biocapteurs (equipe de recherche) depuis le 13-09-2017 .


  • Résumé

    Les îlots de Langerhans sont des micro-organes pancréatiques constituant le principal gluco-capteur de l'organisme. Outre le glucose, ils captent en permanence de multiples informations sur l'état nutritionnel, métabolique et neuro-hormonal de l'organisme. L'intégration de ces informations et leur traitement par des 'algorithmes endogènes' leur permettent d'adapter continuellement et précisément la cinétique de la sécrétion d'insuline aux besoins pour une régulation fine de la glycémie. Décoder ces 'algorithmes endogènes' et analyser ces dynamiques, leurs modulations et leurs dérégulations dans le diabète apportera une meilleure compréhension de la physiologie/physiopathologie des îlots, et permettra d'établir de nouveaux modèles in-silico du micro-organe. Ces algorithmes îlot-inspirés amélioreront en outre considérablement les dispositifs médicaux de contrôle continu de la glycémie (CGM) utilisés par les diabétiques, qui reposent actuellement sur des algorithmes peu robustes, peu prédictifs et qui ne reproduisent pas la cinétique naturelle de la sécrétion d'insuline. Ce projet transversal associe donc l'électrophysiologie, la modélisation, la microélectronique et la diabétologie. En pratique, les mesures fonctionnelles sur îlots murins et humains natifs seront réalisées avec un capteur hybride bio-électronique. Cette technologie brevetée analyse sur le long terme (heures, jours) et en temps réel (traitement <40 µs) l'activité des îlots avec une haute résolution (10'000 mesures/sec, 60 électrodes). Elle est basée sur le suivi de l'activité électrique de manière non-invasive (extracellulaire) à la fois au niveau cellulaire (potentiels d'action) et multicellulaire (potentiels lents i.e. couplages). Ces mesures permettront d'établir les modèles mathématiques des îlots grâce à la collaboration avec nos collègues automaticiens de l'IMS (UMR 5218).

  • Titre traduit

    Decoding the endogenous algorithms of pancreatic islets controling insulin secretion dynamics


  • Résumé

    The islets of Langerhans are micro-organs in the pancreas that are the main gluco-sensor of the body. In addition to glucose, they continuously detect nutritional, metabolic and neuro-hormonal signals. Their integration and their treatment with ‘endogenous algorithms' allow a precise control of insulin secretion dynamics that are continuously optimized for a tight regulation of glucose homeostasis. Decoding these ‘endogenous algorithms' and analyzing these dynamics, their modulations and deregulations in diabetes will give a better view the physiology/pathophysiology of islets, and will lead to the establishment of in-silico models of the micro-organ. In addition, these islet-inspired algorithms will considerably improve Continuous Glucose Monitoring (CGM) devices used by diabetics. Indeed, these CGM are currently controlled by very simple and non-predictive algorithms that do not reproduce natural insulin secretion kinetics. Hence, this transversal project associates electrophysiology, microelectronics, modeling and diabetology. In a practical view, functional monitoring on native murine and human islets will be performed with a hybrid bio-electronic sensor. This patented technology analyses in real time (treatment <40 µs) and over long periods (hours, days) the activity of islets with a high resolution (10'000 points/sec, 60 electrodes). It is based on the recording of their electrical activity in a non-invasive manner (extracellularly) at both cellular (action potentials) and multicellular (slow potentials i.e. coupling) levels. These data will be used to establish new in-silico models of islets through our collaboration with automated control researchers (IMR, UMR 5218)