Thèse Microscopie Intelligente Assistée par IA pour l'Analyse Corrélative Multi-Échelle de Modèles Neuronaux 3D. H/F - Doctorat.Gouv.Fr

Établissement : Université de Bordeaux
École doctorale : Sciences de la Vie et de la Santé
Laboratoire de recherche : Institut Interdisciplinaire de Neurosciences
Direction de la thèse : Jean-Baptiste SIBARITA ORCID 0000000299207700
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-20T23:59:59

Contexte et motivation
Comprendre comment les synapses se forment, s'organisent et se remodèlent au sein de réseaux neuronaux tridimensionnels constitue un défi majeur en neurosciences. Les synapses sont des structures micrométriques dont l'organisation nanoscopique des protéines détermine de manière critique l'efficacité et la plasticité de la communication neuronale. Leur densité, leur composition et leur organisation spatiale évoluent dynamiquement en réponse à l'activité, reliant ainsi les changements structuraux à l'échelle nanométrique aux états fonctionnels des réseaux neuronaux.

Les processus synaptiques s'étendant sur de multiples échelles spatiales (du nanomètre au micromètre) et temporelles (de la milliseconde au jour), la corrélation entre données structurales et fonctionnelles est essentielle pour comprendre le traitement de l'information dans les tissus neuronaux.

Cette thèse vise à développer une plateforme de microscopie intelligente pilotée par l'IA, permettant de relier activité fonctionnelle et organisation moléculaire dans des modèles de neurosphères de rongeur, grâce à une approche d'imagerie multimodale corrélative. Le système combinera l'imagerie champ large pour le suivi rapide de l'activité, le soSPIM (microscopie à feuille de lumière à objectif unique) pour la culture parallélisée de neurosphères et l'imagerie volumique rapide in vivo, ainsi que soSMARt, une plateforme optimisée pour la microscopie de localisation de molécules individuelles (SMLM) en profondeur, permettant une visualisation nanoscopique dépendante de l'activité des protéines synaptiques.

Objectifs
L'objectif est de concevoir un workflow de microscopie adaptatif, corrélatif et piloté par les événements, capable d'une imagerie multi-échelle autonome de tissus neuronaux in vitro vivants. L'intelligence artificielle interprétera les signaux fonctionnels en temps réel afin de déclencher des acquisitions ciblées à haute résolution et une imagerie nanoscopique des mêmes structures.

Le doctorant ou la doctorante développera et intégrera des modèles d'IA pour :

1.la stabilisation 3D et la correction des dérives à long terme, via la mise en place d'une boucle de rétroaction basée sur l'analyse géométrique d'images en champ clair des microstructures JeWell ;
2.la détection d'activité à basse résolution, par l'identification en temps réel d'événements neuronaux (par exemple spikes calciques ou fluctuations morphologiques) ;
3.le contrôle adaptatif des modes d'imagerie, par le développement de boucles d'acquisition intelligentes pilotées par l'IA, permettant de basculer automatiquement de l'imagerie fonctionnelle à basse résolution vers des acquisitions soSPIM à haute résolution et des acquisitions SMLM ciblées.

Cette approche permettra une cartographie corrélative de l'activité synaptique et de l'organisation moléculaire au sein d'un même échantillon, reliant fonction et structure dans un cadre entièrement automatisé.

Environnement de recherche
Ce projet de recherche sera mené au sein de l'équipe Quantitative Imaging of the Cell, reconnue pour son expertise en microscopie, traitement d'images et biologie cellulaire. Il bénéficiera d'un ensemble d'outils existants développés par l'équipe, incluant une plateforme automatisée d'acquisition de cultures cellulaires 3D basée sur la technologie soSPIM [2], la plateforme soSMARt pour la SMLM en profondeur [5], ainsi que des outils analytiques pour la quantification d'images et l'orchestration de workflows [4].

The PhD student will be hosted by the interdisciplinary team Quantitative Imaging of the Cell (IINS, CNRS UMR 5297, Bordeaux) leaded by JB. Sibarita, which has an internationally recognized expertise in the development of innovative instrumental and analytical methods for the quantification of biological mechanisms in various cellular models, with a strong emphasis on single-molecule localization based super-resolution imaging (Béghin et al., Nat Methods 2017), light-sheet microscopy (Galland et al., Nat Methods 2015; Béghin et al., Nat Methods 2022; Cabillic et al., Nature Comm 2025), and quantitative analysis (Levet et al. Nat Methods 2015; Levet et al. Nat Comm 2019; Levet and Sibarita, Nat Methods 2023; Roos et a. Nat Methods 2024). The team is composed of 4 permanent researchers (R. Galland CNR2-CNRS, F. Levet IR1-INSERM, O. Thoumine DR1-CNRS and JB. Sibarita IRHC CNRS) having complementary expertise in the fields of computer science, microscopy and biology. This work will be mainly conducted inside the host lab, where the biological data will be acquired.

This project will rely on the expertise of the team members in biology, microscopy and computer science. The PhD student will have access to a high-end computer equipped to perform deep learning, as required for the project. Data will be collected in-house in close collaboration with the biologist and microscopists of the team, with who the PhD student will closely interact with, using a light-sheet microscope dedicated to the project (Beghin et al.; Nat Meth 2022, Cabillic et al., Nature Comm 2025). The newly developed analytic pipeline will be integrated in the Arkitekt software platform (Roos et al., Nat. Methods 2022).

Le ou la candidat.e au doctorat devra avoir un intérêt marqué pour la recherche interdisciplinaire impliquant la microscopie optique, l'informatique et la biologie. Il/elle devra avoir des connaissances solides en programmation, et dans les approches de deep learning et machine learning en particulier. Il/elle bénéficiera par ailleurs d'une équipe hautement interdisciplinaire et sera supervisé par des chercheurs et techniciens très compétents. L'étudiant(e) sera ainsi en mesure d'apprendre plusieurs techniques au cours de cette thèse (biologie et microscopie).