Diapo soutenance gtrigui

Dynamique des corps lipidiques dans la graine d'Arabidopsis thaliana

Soutenance de Thèse :

Directeur : Bertrand DubreucqCo-directeur : Alain Trubuil

Jury : Alain Zachowski (Rapporteur) – UPMC-UPEC, Créteil Charles Kervrann (Rapporteur) – INRIA, Rennes Jacques Fattaccioli (Examinateur) – ENS paris Olivier Martin (Examinateur) – INRA Versailles-Grignon

Présentée par : Ghassen Trigui

13/04/2023

Introduction

13/04/2023

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]).

Structure et composition du corps lipidique :

Introduction

13/04/2023

Figure : Modèle de la conformation d'une oléosine de 18 kDa à la surface du corps lipidique (D'après [Huang 1996]).

Structure de l’oléosine:

Introduction

13/04/2023

Figure : Modèle de Beisson de synthèse de corps lipidiques de la plante oléagineuse (D'après [Beisson 1999]).

Biogenèse du corps lipidique :

Introduction

13/04/2023

Objectifs :

I

•Analyse descriptive des données.

II

•Analyse statistique à l’aide d’un modèle.

III

•Modélisation de la dynamique du corps lipidique.

• 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 :

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

13/04/2023

13/04/2023

Traitement des données, extraction et analyse de l'information

Matériel :

VégétalType 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).

Cytologique 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

Objectif : 40 X

Ouverture numérique : 1.25

Outils de traitement d’image et de modélisation

AvizoFire �ND-SafirMatlab

R


13/04/2023

Init

Filtered

Bin_mBin_M

Bin_m_f

Bin_m_F

Bin_R

Bin_R_i

Bin_R_F

Bin_all

Bin_all_in

Dist

Marker Dist_i

Marker_l

Wshed

Wshed_s

Wshed_s_b

Labels

Threshold 1 Threshold 2

Filter 2Filter 1

Reconstruct

Logical not

Logical or

Median 3D / Gaussian noise

Logical and

Logical or

Distance map

Logical notExtended max

Label

Watershed

Logical sub

Data – Volume

I_analyse

Border kill

Label

Pipeline de segmentation :


13/04/2023



13/04/2023

Init

Filtered

Bin_mBin_M

Bin_m_f

Bin_m_F

Bin_R

Bin_R_i

Bin_R_F

Bin_all

Bin_all_in

Dist

Marker Dist_i

Marker_l

Wshed

Wshed_s

Wshed_s_b

Labels


Filter 2Filter 1

Reconstruct

Logical not

Logical or


Logical and

Logical or

Distance map


Label

Watershed

Logical sub

Data – Volume

I_analyse

Border kill

Label


13/04/2023




13/04/2023

Init

Filtered

Bin_mBin_M

Bin_m_f

Bin_m_F

Bin_R

Bin_R_i

Bin_R_F

Bin_all

Bin_all_in

Dist

Marker Dist_i

Marker_l

Wshed

Wshed_s

Wshed_s_b

Labels


Filter 2Filter 1

Reconstruct

Logical not

Logical or


Logical and

Distance map


Label

Watershed

Logical sub

Data – Volume

I_analyse

Border kill

Label



13/04/2023



13/04/2023

Init

Filtered

Bin_mBin_M

Bin_m_f

Bin_m_F

Bin_R

Bin_R_i

Bin_R_F

Bin_all

Bin_all_in

Dist

Marker Dist_i

Marker_l

Wshed

Wshed_s

Wshed_s_b

Labels


Filter 2Filter 1

Reconstruct

Logical not

Logical or


Logical and

Distance map


Label

Watershed

Logical sub

Data – Volume

I_analyse

Border kill

Label



13/04/2023



13/04/2023

Init

Filtered

Bin_mBin_M

Bin_m_f

Bin_m_F

Bin_R

Bin_R_i

Bin_R_F

Bin_all

Bin_all_in

Dist

Marker Dist_i

Marker_l

Wshed

Wshed_s

Wshed_s_b

Labels


Filter 2Filter 1

Reconstruct

Logical not

Logical or


Logical and

Distance map


Label

Watershed

Logical sub

Data – Volume

I_analyse

Border kill

Label



13/04/2023

Init

Filtered

Bin_mBin_M

Bin_m_f

Bin_m_F

Bin_R

Bin_R_i

Bin_R_F

Bin_all

Bin_all_in

Dist

Marker Dist_i

Marker_l

Wshed

Wshed_s

Wshed_s_b

Labels


Filter 2Filter 1

Reconstruct

Logical not

Logical or


Logical and

Distance map


Label

Watershed

Logical sub

Data – Volume

I_analyse

Border kill

Label



13/04/2023

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.



13/04/2023

Init

Filtered

Bin_mBin_M

Bin_m_f

Bin_m_F

Bin_R

Bin_R_i

Bin_R_F

Bin_all

Bin_all_in

Dist

Marker Dist_i

Marker_l

Wshed

Wshed_s

Wshed_s_b

Labels


Filter 2Filter 1

Reconstruct

Logical not

Logical or


Logical and

Distance map


Label

Watershed

Logical sub

Data – Volume

I_analyse

Border kill

Label



13/04/2023

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.



13/04/2023

Init

Filtered

Bin_mBin_M

Bin_m_f

Bin_m_F

Bin_R

Bin_R_i

Bin_R_F

Bin_all

Bin_all_in

Dist

Marker Dist_i

Marker_l

Wshed

Wshed_s

Wshed_s_b

Labels


Filter 2Filter 1

Reconstruct

Logical not

Logical or


Logical and

Distance map


Label

Watershed

Logical sub

Data – Volume

I_analyse

Border kill

Label


13/04/2023


13/04/2023


13/04/2023



13/04/2023



13/04/2023



Modélisation de la dynamique des corps lipidiques

13/04/2023

Extraction des données :

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]

A B C

Introduction

13/04/2023

Effets de l’interaction double

Effet de l’interaction simple

Erreur, distribution normale

Effet du jour

Effet de l’interaction triple

Valeur de Log (V) du nème corps lipidique au temps t

Référence

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 .

Analyse statistique :

Les valeurs sont obtenues par minimisation de la différence entre le modèle et la réponse.

Introduction

13/04/2023

Analyse statistique :

Modèle de régression linéaire

Modèle quantile

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

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


13/04/2023

Equation du modèle :

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.

Production d’un corps lipidique de volume x

Evolution du nombre de corps lipidiques de volume x par rapport au temps t


13/04/2023

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.


13/04/2023

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.


13/04/2023

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 :


13/04/2023

Hypothèses : HMOD3 : Le processus de production au niveau du RE produit une populationde CL homogène en volume et en charge. En s'appuyant sur H5 et H6, on en déduit alors que :


13/04/2023

Hypothèses :


13/04/2023

Estimation des paramètres :

Critère d’erreur :

Contraintes :


13/04/2023

Simulation numérique :

Tableau : Différents modèles de coalescence simulés pour la dynamique des corps lipidiques, ainsi que le mode d'estimation des paramètres utilisé.

Différents modèles développés :


13/04/2023

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.


13/04/2023

Résultats :



13/04/2023

Résultats :



13/04/2023

Résultats :



13/04/2023

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,…).

Conclusion

13/04/2023

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.

Conclusion

13/04/2023

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.

13/04/2023

MERCI POUR VOTRE ATTENTION

Health & Medicine

Diapo soutenance gtrigui