Soutenance de thèse : Alexandre Durrmeyer
Morphogenèse
division cellulaire
réseaux de neurones
analyse d'image
apprentissage profond
apprentissage machine
Jeudi 30 janvier 14h30 - INRAE, Versailles
Utilisation de réseaux de neurones pour l'apprentissage de règles géométriques de division cellulaire
La morphogenèse est le processus par lequel un organisme se développe et acquiert sa forme. Pour les organismes multicellulaires, ce processus implique la création de structures à partir d’un grand nombre de cellules, il est donc nécessaire de comprendre les mécanismes par lesquelles celles-ci influencent la morphologie. La division cellulaire est l’un des mécanismes essentiels dans ce processus. Chez les plantes, qui possèdent des parois semi-rigides empêchant le déplacement des cellules, la division cellulaire est particulièrement cruciale pour définir la structure des tissus. Lors de la division, une nouvelle paroi se forme au plan de division entre les deux cellules filles, déterminant ainsi leur position et leur voisinage, ce qui redéfinit les propriétés du tissu sur les plans mécanique, topologique, etc. Divers facteurs influencent le positionnement du plan de division, mais leur rôle et leur interaction sont complexes et difficiles à démêler. Pour étudier ces influences, différents modèles, généralement construits à partir de règles prédéfinies, permettent de tester des hypothèses sur la division et de les comparer à des observations réelles.
Cette thèse explore la possibilité d’adopter une approche inverse, en construisant un modèle à partir d’exemples de divisions observées. L’approche par apprentissage profond, reconnue pour sa capacité à traiter des données complexes, est ici évaluée à travers deux architectures.
Dans un premier temps, l'architecture UNet est évaluée sur sa capacité à modéliser la division végétale. Dans un second temps, l’architecture NCA, proposée comme une alternative plus transparente au UNet, est testée dans une tentative d’extraire une règle de division intelligible après la phase d’apprentissage. L’utilité de ces approches pour les biologistes est discutée à travers divers cas d’application tout au long de cette thèse.
Directeur de thèse : Philippe Andrey - INRAE, IJPB, Versailles, équipe "Modélisation et Imagerie Numérique" MiN
Composition du jury
> Christophe Godin (Rapporteur) INRIA, Mosaic, Lyon
> Thomas Walter (Rapporteur) - Mines ParisTech, CBio, Paris
> Marie Beurton-Aimar (Examinatrice) - Université de Bordeaux, LaBri, Talence
> Sarah Robinson (Examinatrice) - Cambridge University, Sainsbury Laboratory, Royaume-Uni
Pour y assister contact, Philippe Andrey
Une recherche développée à l’Institut Jean-Pierre Bourgin - Sciences du Végétal.
La morphogenèse est le processus par lequel un organisme se développe et acquiert sa forme. Pour les organismes multicellulaires, ce processus implique la création de structures à partir d’un grand nombre de cellules, il est donc nécessaire de comprendre les mécanismes par lesquelles celles-ci influencent la morphologie. La division cellulaire est l’un des mécanismes essentiels dans ce processus. Chez les plantes, qui possèdent des parois semi-rigides empêchant le déplacement des cellules, la division cellulaire est particulièrement cruciale pour définir la structure des tissus. Lors de la division, une nouvelle paroi se forme au plan de division entre les deux cellules filles, déterminant ainsi leur position et leur voisinage, ce qui redéfinit les propriétés du tissu sur les plans mécanique, topologique, etc. Divers facteurs influencent le positionnement du plan de division, mais leur rôle et leur interaction sont complexes et difficiles à démêler. Pour étudier ces influences, différents modèles, généralement construits à partir de règles prédéfinies, permettent de tester des hypothèses sur la division et de les comparer à des observations réelles.
Cette thèse explore la possibilité d’adopter une approche inverse, en construisant un modèle à partir d’exemples de divisions observées. L’approche par apprentissage profond, reconnue pour sa capacité à traiter des données complexes, est ici évaluée à travers deux architectures.
Dans un premier temps, l'architecture UNet est évaluée sur sa capacité à modéliser la division végétale. Dans un second temps, l’architecture NCA, proposée comme une alternative plus transparente au UNet, est testée dans une tentative d’extraire une règle de division intelligible après la phase d’apprentissage. L’utilité de ces approches pour les biologistes est discutée à travers divers cas d’application tout au long de cette thèse.
Directeur de thèse : Philippe Andrey - INRAE, IJPB, Versailles, équipe "Modélisation et Imagerie Numérique" MiN
Composition du jury
> Christophe Godin (Rapporteur) INRIA, Mosaic, Lyon
> Thomas Walter (Rapporteur) - Mines ParisTech, CBio, Paris
> Marie Beurton-Aimar (Examinatrice) - Université de Bordeaux, LaBri, Talence
> Sarah Robinson (Examinatrice) - Cambridge University, Sainsbury Laboratory, Royaume-Uni
Pour y assister contact, Philippe Andrey
Une recherche développée à l’Institut Jean-Pierre Bourgin - Sciences du Végétal.
Retour
