Modélisation et estimation du trafic intracellulaire par tomographie de réseaux et microscopie de fluorescence - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Accéder directement au contenu
Thèse Année : 2010

Intracellular traffic modeling and estimation using network tomography and fluorescence microscopy

Modélisation et estimation du trafic intracellulaire par tomographie de réseaux et microscopie de fluorescence

Résumé

This thesis presents a new method for analyzing and simulating vesicular trafficking in fluorescence video-microscopy. Instead of tracking each individual vesicle, we have developed a global approach (network tomography) that is inspired from previous works on road traffic analysis and network telecom- munication traffic analysis. This approach makes use of local countings of vesicles and a routing proce- dure to recover the global trajectories of vesicles on a whole image sequence. Contrary to the previous applications of network tomography, the local countings and the routing are also unknown in our case. In order to measure local countings of vesicles, we have developed a method for object and background estimation in fluorescence video-microscopy. This method exploits a non local detection term based on the similarity between image patches and considers the estimated background component as a reference to improve the detection. The routing procedure depends on vesicle countings for the traffic analysis, and is controlled by the user for the simulations. The generated synthetic image sequences enabled to evaluate quantitatively the vesicular trafficking estimation method. This method was also tested on real image sequences in the context of a study on the membranar transport and vesicular trafficking regulated by Rab6 isoforms.
Cette thèse traite de l'analyse et de la simulation du trafic vésiculaire sur des séquences d'images de microscopie de fluorescence. À contre-courant des approches habituelles exploitant un suivi individuel des vésicules, nous avons développé une approche globale (tomographie de réseaux) inspirée de travaux antérieurs sur l'analyse du trafic routier et l'analyse du trafic sur des réseaux de télécommunications. Cette approche repose sur l'utilisation de comptages locaux de vésicules couplés à une procédure de routage qui permettent d'estimer les trajectoires globales des vésicules sur l'ensemble d'une séquence d'images. Contrairement aux précédentes applications de la tomographie de réseaux, les comptages et le routage sont également des inconnues du problème. Afin de mesurer les comptages locaux de vésicules, nous avons développé une méthode de séparation des composantes “objet” et “fond” dans des séquences de microscopie de fluorescence. Cette méthode exploite un terme de détection non local reposant sur la similarité entre motifs de l'image et utilise la composante “fond” estimée comme “référence” pour améliorer la détection des vésicules. Par ailleurs, la procédure de routage dépend des données observées. Dans le cas de l'estimation du trafic, le routage est établi à partir du comptage des vésicules ; dans le cas de simulations, le routage est contrôlé par l'utilisateur. La génération de séquences synthétiques a permis d'évaluer quantitativement la méthode d'estimation du trafic vésiculaire. Cette méthode a égale- ment été évaluée sur des séquences d'images réelles de microscopie dans le cadre d'une étude précise sur le transport membranaire et le trafic vésiculaire régulé par des isoformes de la protéine Rab6.
Fichier principal
Vignette du fichier
ManuscritPhDTPecot.pdf (4.71 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00541304 , version 1 (30-11-2010)

Identifiants

  • HAL Id : tel-00541304 , version 1
  • PRODINRA : 246930

Citer

Thierry Pecot. Modélisation et estimation du trafic intracellulaire par tomographie de réseaux et microscopie de fluorescence. Interface homme-machine [cs.HC]. Université Rennes 1, 2010. Français. ⟨NNT : ⟩. ⟨tel-00541304⟩
390 Consultations
1352 Téléchargements

Partager

Gmail Facebook X LinkedIn More