Thèse Caractériser les Effets du Vieillissement sur la Morphologie et la Mécanique des Os Humains à Partir de Données de Spectroscopie Infrarouge et de Tomographie Nanométrique H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Interfaces : matériaux, systèmes, usages Laboratoire de recherche : Synchrotron SOLEIL Direction de la thèse : Elisa BUDYN ORCID 0000000284274572 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-22T23:59:59 On sait que le vieillissement et de nombreuses pathologies dégénératives affectent l'homéostasie osseuse et les propriétés matérielles de la matrice extracellulaire minéralisée (MEC). L'homéostasie osseuse est maintenue par un processus de réparation continu orchestré par les ostéocytes qui détectent les lésions tissulaires devant être résorbées par les ostéoclastes. Les ostéocytes recrutent également des cellules souches mésenchymateuses (CSM) qui se différencient en ostéoblastes sécrétant du collagène puis en ostéocytes qui minéralisent les fibres de collagène. Avec l'âge et de nombreuses pathologies dégénératives, les capacités et le nombre de CSM diminuent ainsi que les tissus qu'elles sécrètent. Nous avons développé des protocoles de décellularisation pour étudier la matrice osseuse humaine et des protocoles de recellularisation pour construire des organoïdes osseux humains in vitro et étudier la matrice osseuse nouvellement formée.

Dans la Phase 1, nous proposons d'appliquer la spectroscopie infrarouge pour mesurer la composition chimique des os de donneurs humains d'âges différents. De grands ensembles de données sont générés par donneur et des sous-familles de spectres peuvent être identifiées par analyse statistique. Les méthodes classiques de rapport de bande sont connues pour présenter des limites. De plus, peu de méthodes FTIR offrent une microscopie haute résolution. Par conséquent, nous proposons dans la phase 1 de coupler la micro-spectroscopie infrarouge haute résolution O-PTIR aux approches d'IA pour identifier les tendances évolutives des biomarqueurs biochimiques dans les os humains de différents groupes d'âge.

Dans la Phase 2, le deuxième objectif est de déterminer la relation entre la mécanique de la matrice osseuse à l'échelle de la fibre de collagène minéralisée et sa composition chimique mesurée dans la Phase 1. Un premier un modèle morphologique par éléments finis (FEM) basé sur la segmentation d'images 3D qui incorporera les lois de comportements mécaniques obtenus. La segmentation des images 3D nécessitera une approche d'IA personnalisée pour un post-traitement automatisé des observations microscopiques.

En phase 3, le troisième objectif est de généraliser le modèle de Phase 2 et de générer des microstructures Monte-Carlo de la matrice osseuse pour des donneurs humains de différentes tranches d'âge. Nous considérerons différentes régions de sollicitations mécaniques physiologiques en tension ou en compression connues pour affecter la direction de la fibre de collagène déposée par les ostéoblastes. Le modèle FEM générera des champs de contraintes qui pourront être projetés sur la sphère cartographique unitaire en 3D pour chaque phase matérielle de la matrice osseuse qui sera spécifique au patient. Les cartes de contraintes en 3D seront projetées en images 2D. Une approche de réseau neuronal pour la reconnaissance d'images sera mise en oeuvre pour comparer les cartes 3D de contraintes afin d'extraire les tendances évolutives des propriétés mécaniques des os humains avec l'âge. EN: Bone is a living tissue in which the bone marrow is encapsulated in a highly heterogeneous mineralized stroma resulting from continuous self-healing called remodeling. Bone was named a mechanostat by Frost [0] because healthy bone repairs microcracks, resorbs and fills small defects to maintain homeostasis under mechanical stimulations. Osteocytes are bone stromal cells that orchestrate bone remodeling. Bone homeostasis evolves with aging and many degenerative pathologies such as osteoporosis [1]. Classical band ratio methods are known to exhibit limitations [2]. Additionally, few FTIR methods offer a high-resolution microscopy. To understand the effects of aging and degenerative pathologies on human bone composition and mechanics, high-resolution microscopies and 3D modelling are needed [3,4]. Microscopy measurements and 3D modeling both generate large data sets for which comparison and the extraction of specific parameters are very challenging. Therefore, we propose to process our microscopy imaging, micro-spectroscopy and mechanical finite element data with several AI approaches.

(FR: L'os est un tissu vivant dans lequel la moelle osseuse est encapsulée dans un stroma minéralisé très hétérogène résultant d'une auto-guérison continue appelée remodelage. L'os a été qualifié de « mécanostat » par Frost [0] car un os sain répare les microfissures, résorbe et comble les petits défauts pour maintenir l'homéostasie sous stimulation mécanique. Les ostéocytes sont des cellules stromales osseuses qui orchestrent le remodelage osseux. L'homéostasie osseuse évolue avec le vieillissement et de nombreuses pathologies dégénératives comme l'ostéoporose [1]. Les méthodes classiques de rapport de bande sont connues pour présenter des limites [2]. De plus, peu de méthodes FTIR offrent une microscopie haute résolution. Pour comprendre les effets du vieillissement et des pathologies dégénératives sur la composition et la mécanique osseuse humaine, des microscopies à haute résolution et une modélisation 3D sont nécessaires [3,4]. Les mesures microscopiques et la modélisation 3D génèrent toutes deux de grands ensembles de données pour lesquels la comparaison et l'extraction de paramètres spécifiques sont très difficiles. Par conséquent, nous proposons de traiter nos données d'imagerie de microscopie, de micro-spectroscopie et de mécanique par éléments finis avec plusieurs approches d'IA.) EN: We propose to apply infrared spectroscopy to measure bone chemical composition for human donors of different ages. Large data sets are generated per donor and sub-families of spectra can be identified by statistical analysis. Classical band ratio methods are known to exhibit limitations. Additionally, few FTIR methods offer a high-resolution microscopy. Therefore, we propose in Phase 1 to couple high-resolution infrared micro-spectroscopy O-PTIR to AI approaches to identify evolutionary trends of biochemical biomarkers in human bones of different age groups.

In Phase 2, the second object is to model the mechanics of the bone matrix at the scale of the mineralized collagen fiber in a finite element morphological model based on 3D image segmentation of TEM microscopy and X-ray nano CT. The 3D image segmentation will require a customized AI approach for an automated post-processing of the microscopy observations. The FEM model will incorporate the material properties derived from the chemical composition measured in Phase 1.

In Phase 3, the third objective is to generate Monte-Carlo microstructures of the bone matrix for human donors from different age groups. We will consider different regions of physiological mechanical loading either in tension or in compression known to affect the direction of the collagen fiber laid by the osteoblasts. The FEM model will generate stress fields that can be projected on unit map sphere in 3D for each material phase in the bone matrix that will be patient specific. The stress maps in 3D will be projected in 2D images. A Neural Network approach for image recognition will be implemented to compare the stress 3D maps to extract evolutionary trends on the mechanical properties of human bone with age.

(FR: Nous proposons d'appliquer la spectroscopie infrarouge pour mesurer la composition chimique des os de donneurs humains d'âges différents. De grands ensembles de données sont générés par donneur et des sous-familles de spectres peuvent être identifiées par analyse statistique. Les méthodes classiques de rapport de bande sont connues pour présenter des limites. De plus, peu de méthodes FTIR offrent une microscopie haute résolution. Par conséquent, nous proposons dans la phase 1 de coupler la micro-spectroscopie infrarouge haute résolution O-PTIR aux approches d'IA pour identifier les tendances évolutives des biomarqueurs biochimiques dans les os humains de différents groupes d'âge.

Dans la Phase 2, le deuxième objectif est de modéliser la mécanique de la matrice osseuse à l'échelle de la fibre de collagène minéralisée dans un modèle morphologique par éléments finis basé sur la segmentation d'images 3D de microscopie TEM et de nano tomographie. La segmentation des images 3D nécessitera une approche d'IA personnalisée pour un post-traitement automatisé des observations microscopiques. Le modèle FEM intégrera les propriétés des matériaux dérivées de la composition chimique mesurée lors de la phase 1.

En phase 3, le troisième objectif est de générer des microstructures Monte-Carlo de la matrice osseuse pour des donneurs humains de différentes tranches d'âge. Nous considérerons différentes régions de sollicitations mécaniques physiologiques en tension ou en compression connues pour affecter la direction de la fibre de collagène déposée par les ostéoblastes. Le modèle FEM générera des champs de contraintes qui pourront être projetés sur la sphère cartographique unitaire en 3D pour chaque phase matérielle de la matrice osseuse qui sera spécifique au patient. Les cartes de contraintes en 3D seront projetées en images 2D. Une approche de réseau neuronal pour la reconnaissance d'images sera mise en oeuvre pour comparer les cartes 3D de contraintes afin d'extraire les tendances évolutives des propriétés mécaniques des os humains avec l'âge.) EN: The project will combine large data sets of micro-spectroscopy measurements and mechanical stress maps in 3D bone matrix to extract the effects of aging and degenerative pathologies on bone chemical composition and mechanics.

In Phase 1, infrared spectroscopy O-PTIR will be performed at SOLEIL SMIS beamline to measure bone chemical composition of human donors of different ages. The resolution of O-PTIR is 500 nm. Since 2019 under the projects 20191708, 20201633, 20230772, 20231906 at SOLEIL synchrotron, we have generated large data sets of O-PTIR spectra of donors from age 0 to 93. Several mechanical micro-tests have been performed on human bone donors to measure their bending stiffness. Predictive models will be established using Projection to Latent Structures regression (PLSR) and PLS Discriminant Analysis, Random Forest (Regression and Classification) to find correlations between bone chemical composition (from infrared spectra) and bone mechanical properties and age.

In Phase 2, infrared spectra contain information on collagen maturation, lipid content and fluidity, hydroxyapatite crystallinity. All these chemical properties are known to affect the mechanical properties of chemical species. Regression methods implementing iterations on the phase volume fractions or the local stiffness values will be implemented to determine the relationship between the chemical composition measured in Phase 1 and the material and mechanical properties per phase (lipids, proteins, minerals). To model the mechanics of the bone matrix at the scale of the mineralized collagen fiber, an initial finite element morphological model based on 3D image segmentation will be built [6-9] that will include the derived mechanical constitutive laws correlated to the chemical compositions. The 3D image segmentation will require a customized AI approach for an automated post-processing of the TEM microscopy observations and X-ray nano CT at SOLEIL ANATOMIX beamline down to 150 nm pixel resolution and 350 nm actual resolution.

In Phase 3, a Monte Carlo approach will be applied to generalize the model from Phase 2 and to generate several 3D cubic volume of bone matrix of 600 nm size for each donor to represent the tensile and compressive modes. For each loading conditions, stress maps projected on unit sphere indicating information at the nano scale will be calculated. The stress maps will then be projected in 2D imaged for all the donors to train a classification method that will determine evolutionary trends of bone mechanics at 500 nm and under with age.

(FR: Le projet combinera de grands ensembles de données de mesures de micro-spectroscopie et de cartes de contraintes mécaniques dans une matrice osseuse 3D pour extraire les effets du vieillissement et des pathologies dégénératives sur la composition chimique et la mécanique des os.

En phase 1, la spectroscopie infrarouge O-PTIR sera réalisée sur la ligne de lumière SOLEIL SMIS pour mesurer la composition chimique osseuse de donneurs humains d'âges différents. La résolution de l'O-PTIR est de 500 nm. Depuis 2019 dans le cadre des projets 20191708, 20201633, 20230772, 20231906 au synchrotron de SOLEIL, nous avons généré de larges ensembles de données de spectres O-PTIR de donneurs âgés de 0 à 93 ans. Plusieurs micro-tests mécaniques ont été réalisés sur des donneurs d'os humains pour mesurer leur rigidité en flexion. Des modèles prédictifs seront établis à l'aide de la régression de projection sur les structures latentes (PLSR) et de l'analyse discriminante PLS, Random Forest (régression et classification) pour trouver des corrélations entre la composition chimique des os (à partir des spectres infrarouges) et les propriétés mécaniques des os et l'âge.

En phase 2, les spectres infrarouges contiennent des informations sur la maturation du collagène, la teneur et la fluidité des lipides, la cristallinité de l'hydroxyapatite. On sait que toutes ces propriétés chimiques affectent les propriétés mécaniques des espèces chimiques. Des méthodes de régression mettant en oeuvre des itérations sur les fractions volumiques des phases ou les valeurs locales de rigidité seront mises en oeuvre pour déterminer la relation entre la composition chimique mesuré dans la Phase 1 et les propriétés des matériaux par phase (lipides, protéines, minéraux). Pour modéliser la mécanique de la matrice osseuse à l'échelle de la fibre de collagène minéralisée, un premier modèle morphologique par éléments finis basé sur la segmentation d'images 3D sera construit [6-9]. La segmentation des images 3D nécessitera une approche d'IA personnalisée pour un post-traitement automatisé des observations de microscopie TEM et de nano tomographie. Le modèle FEM intégrera les propriétés des matériaux dérivées des corrélations déduites avec la composition chimique mesurée lors de la phase 1.

Dans la phase 3, une approche Monte Carlo sera appliquée au modèle numérique de la Phase 2 en générant plusieurs volumes cubiques 3D de matrice osseuse de taille 600 nm pour chaque donneur afin de représenter les modes de traction et de compression. Pour chaque condition de chargement, des cartes de contraintes projetées sur une sphère unitaire indiquant des informations à l'échelle nanométrique seront calculées. Les cartes de contraintes seront ensuite projetées en 2D pour tous les donneurs afin de former une méthode de classification qui déterminera les tendances évolutives de la mécanique osseuse à 500 nm et moins avec l'âge.)

Compétences requises:
Anglais niveau B2 (intermédiaire supérieur)
Français niveau A2 (pré-intermédiaire)

(FR: Programme d'études en mécanique numérique, mathématiques appliquées, génie mécanique ou domaines connexes. L'étudiant doit avoir suivi au moins un cours sur la méthode des éléments finis et les méthodes numériques et des cours de niveau d'entrée en physique et matériaux. De larges simulations seront développées et des notions de programmation élémentaire sont souhaitables.)