Développement de méthodes avancées pour l'analyse et la segmentation de données de microscopie à super-résolution
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse confidentielle jusqu'au 09/01/2020.
 
Auteur : Andronov, Leonid
Date de soutenance : 09-01-2018

Directeur(s) de thèse : Klaholz, Bruno

Établissement de soutenance : Strasbourg
Laboratoire : Institut de génétique et de biologie moléculaire et cellulaire (Strasbourg)
École doctorale : École doctorale Sciences de la vie et de la santé (Strasbourg ; 2000-....)
 
Discipline : Biophysique et biologie structurale
Classification : Sciences de la vie, biologie, biochimie

Mots-clés libres : Microscopie à super-résolution, Microscopie par localisation des molécules individuelles, DSTORM, Diagrammes de Voronoï, Traitement d’images, Chromatine, Histones, CENP-A, Centromères
Mots-clés :
  • Microscopie à super-résolution
  • Data visualisation - Informatique
  • Voronoi, Polygones de
  • Analyse de regroupements
Résumé : Parmi les méthodes de super-résolution, la microscopie par localisation de molécules uniques se distingue principalement par sa meilleure résolution réalisable en pratique mais aussi pour l’accès direct aux propriétés des molécules individuelles. Les données principales de la microscopie par localisation sont les coordonnées des fluorochromes, un type de données peu répandu en microscopie conventionnelle. Le développement de méthodes spéciales pour le traitement de ces données est donc nécessaire. J’ai développé les logiciels SharpViSu et ClusterViSu qui permettent d’effectuer les étapes de traitements les plus importantes, notamment une correction des dérives et des aberrations chromatiques, une sélection des événements de localisations, une reconstruction des données dans des images 2D ou dans des volumes 3D par le moyen de différentes techniques de visualisation, une estimation de la résolution à l’aide de la corrélation des anneaux de Fourier, et une segmentation à l’aide de fonctions K et L de Ripley. En plus, j’ai développé une méthode de segmentation de données de localisation en 2D et en 3D basée sur les diagrammes de Voronoï qui permet un clustering de manière automatique grâce à modélisation de bruit par les simulations Monte-Carlo. En utilisant les méthodes avancées de traitement de données, j’ai mis en évidence un clustering de la protéine CENP-A dans les régions centromériques des noyaux cellulaires et des transitions structurales de ces clusters au moment de la déposition de la CENP-A au début de la phase G1 du cycle cellulaire.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2018STRAJ001
Type de ressource : Thèse