Thèse par des Approches IA et Bio-Informatiques Déchiffrer les Mécanismes Cellulaires et Épigénétiques du Vieillissement des Cellules Souches Mésenchymateuses Osseuses Humaines H/F - Doctorat.Gouv.Fr

Établissement : Université de Toulouse École doctorale : BSB - Biologie, Santé, Biotechnologies Laboratoire de recherche : RESTORE Direction de la thèse : Frédéric DESCHASEAUX ORCID 0000000178220896 Début de la thèse : 2027-09-01 Date limite de candidature : 2026-11-23T23:59:59 Le vieillissement est un processus biologique complexe caractérisé par un déclin progressif des fonctions tissulaires, une susceptibilité accrue aux maladies et une capacité de régénération réduite. Les cellules souches mésenchymateuses de la moelle osseuse (CSM) jouent un rôle clé dans le maintien de l'homéostasie squelettique et de l'hématopoïèse. Cependant, le vieillissement des CSM contribue à la perte osseuse, à une altération de la régénération osseuse, à des troubles métaboliques, à une altération de l'immunité due à l'inflammaging et, potentiellement, à la dissémination de certaines cellules cancéreuses.
Malgré des recherches approfondies, les mécanismes moléculaires sous-jacents au dysfonctionnement lié à l'âge des CSM humaines restent mal compris, principalement parce que la quasi-totalité des études publiées utilisent des CSM cultivées dont le phénotype est altéré par rapport à celui des CSM natives résidant dans la MO (CSMn), qui restent peu étudiées.
Les horloges de vieillissement se sont imposées comme des outils prometteurs pour mesurer le processus de vieillissement. Les approches d'intelligence artificielle permettent d'estimer avec précision l'âge d'un individu à partir de données omiques (épigénétiques et transcriptomiques). Ainsi, dans le cadre de ce projet de thèse, nous prévoyons de développer et d'appliquer des horloges de vieillissement optimisées pour l'évaluation du vieillissement des CSMn de la MO et, pour la modélisation de l'impact de l'âge, sur des modèles osseux 3D ex vivo, que nous avons générés dans le cadre de notre projet ANR 3D-eMAGE en cours.
2. Objectifs de recherche
En utilisant des ensembles de données expérimentales multimodales et des approches computationnelles innovantes, nous visons à :
1) cartographier les modifications épigénétiques (méthylation de l'ADN, modifications des histones) dans les CSMn de MO jeunes par rapport aux CSMn âgées afin de générer des descripteurs épigénomiques quantitatifs (horloges de vieillissement)
2) caractériser les structures spatiales de la MO native in vitro générée par des CSM jeunes par rapport à des CSM âgées
3) recourir à l'analyse d'images et à des approches d'apprentissage profond pour relier les descripteurs épigénomiques des cellules aux structures spatiales, afin d'identifier des indicateurs quantitatifs du vieillissement osseux.
3. Méthodologie
3.1. Caractéristiques des échantillons (Restore)
CSM humaines issues de MO (jeunes, 20-30 ans, et âgées, 60 ans et plus), isolées directement à partir d'aspirats de MO. Nous évaluerons les potentiels de prolifération et de différenciation des nCSM. La caractérisation sera réalisée par cytométrie en flux, tandis que des tests d'unités formant des colonies de fibroblastes (CFU-F) permettront d'évaluer la capacité d'auto-renouvellement. L'ensemble de ces processus est mené dans le cadre de notre projet 3D-eMAGE, financé par l'ANR.
3.2 Caractérisation multiomique et construction d'une horloge de vieillissement (Restore, Toulouse et Budapest)
Notre objectif est d'appliquer une horloge de vieillissement transcriptomique à l'échelle de la cellule unique (c'est-à-dire des modèles de prédiction de l'âge basés sur l'IA) et d'analyser l'âge transcriptomique de cellules individuelles. Nous construirons ensuite des réseaux d'interactions protéine-protéine spécifiques à chaque type cellulaire et examinerons leur vieillissement à l'aide d'outils issus de la science des réseaux. Nous appliquerons diverses horloges de vieillissement basées sur la méthylation, puis analyserons les différences d'âge épigénétique. Les expériences seront réalisées à Toulouse et toutes les analyses seront effectuées par l'étudiant.
3.3 Caractérisation des tissus osseux en 3D issus de CSM jeunes et âgées (Restore)
Nous effectuerons une classification par apprentissage profond des images de modèles osseux reconstitués en 3D afin d'identifier les caractéristiques structurelles associées aux signes de vieillissement mis en évidence ci-dessus.
Le vieillissement est un processus biologique complexe caractérisé par un déclin progressif des fonctions tissulaires, une susceptibilité accrue aux maladies et une capacité de régénération réduite. Les cellules souches mésenchymateuses de la moelle osseuse (CSM-MO) jouent un rôle clé dans le maintien de l'homéostasie squelettique et de l'hématopoïèse. Cependant, le vieillissement des CSM contribue à la perte osseuse, à une altération de la régénération osseuse, à des troubles métaboliques, à une altération de l'immunité due à l'inflammage et, potentiellement, à la dissémination de certaines cellules cancéreuses.
Malgré des recherches approfondies, les mécanismes moléculaires sous-jacents au dysfonctionnement lié à l'âge des CSM-MO humaines restent mal compris, principalement parce que la quasi-totalité des études publiées utilisent des CSM cultivées,
dont le phénotype est altéré par rapport à celui des CSM natives résidant dans la moelle osseuse (CSM-n), qui restent peu étudiées.
Les horloges de vieillissement se sont imposées comme des outils prometteurs pour mesurer le processus de vieillissement. Les approches basées sur l'intelligence artificielle permettent d'estimer avec précision l'âge d'un individu à partir de données omiques (épigénétiques et transcriptomiques). Ainsi, dans le cadre de ce projet de thèse, nous prévoyons de développer et d'appliquer des horloges de vieillissement optimisées pour l'évaluation du vieillissement des CSM-n de la moelle osseuse et pour la modélisation de l'impact de l'âge sur des modèles osseux 3D ex vivo, que nous avons générés dans le cadre de notre projet ANR 3D-eMAGE en cours.

Aging is a complex biological process characterized by a progressive decline in tissue function, increased susceptibility to disease, and reduced regenerative capacity. Bone marrow mesenchymal stem cells (BM-MSCs) play a key role in maintaining skeletal homeostasis and hematopoiesis. However, the aging of MSCs contributes to bone loss, impaired bone regeneration, metabolic disorders, impaired immunity due to inflammage, and, potentially, the dissemination of certain cancer cells.
Despite extensive research, the molecular mechanisms underlying age-related dysfunction of human BM-MS remain poorly understood, primarily because nearly all published studies use cultured BM-MS, whose phenotype is altered compared to that of native BM-MS residing in the bone marrow (nBM-MS), which remain understudied.
Aging clocks have emerged as promising tools for measuring the aging process. Approaches based on artificial intelligence make it possible to accurately estimate an individual's age using omics data (epigenomic and transcriptomic). Thus, as part of this doctoral thesis project, we plan to develop and apply optimized aging clocks to assess the aging of bone marrow nMSCs and to model the impact of age on ex vivo 3D bone models, which we generated as part of our ongoing ANR 3D-eMAGE project. En utilisant des ensembles de données expérimentales multimodales et des approches computationnelles innovantes, nous visons à :
1) cartographier les modifications épigénétiques (méthylation de l'ADN, modifications des histones) dans les nMSC de la moelle osseuse jeunes par rapport aux nMSC âgées afin de générer des descripteurs épigénomiques quantitatifs (horloges de vieillissement)
2) caractériser les structures spatiales de la moelle osseuse native in vitro générée par des CSM jeunes par rapport à des CSM âgées
3) recourir à l'analyse d'images et à des approches d'apprentissage profond pour établir un lien entre les descripteurs épigénomiques des cellules et les structures spatiales, afin d'identifier des indicateurs quantitatifs du vieillissement osseux.
Using multimodal experimental datasets and innovative computational approaches, we aim to:
1) map epigenetic changes (DNA methylation, histone modifications) in young bone marrow nMSCs compared to aged nMSCs in order to generate quantitative epigenomic descriptors (aging clocks)
2) characterize the spatial structures of native bone marrow in vitro generated by young CSMs compared to aged CSMs
3) use image analysis and deep learning approaches to establish a link between cellular epigenomic descriptors and spatial structures, in order to identify quantitative markers of bone aging. *Caractérisation des échantillons (Restore, Toulouse).
MSC de moelle osseuse humaines provenant de sujets jeunes (20-30 ans) et âgés (60 ans et plus), isolées directement à partir d'aspirats de moelle osseuse.
Nous évaluerons les potentiels de prolifération et de différenciation des CSM. La caractérisation sera réalisée par cytométrie en flux, et les tests d'unités formant des colonies de fibroblastes (CFU-F) permettront d'évaluer la capacité d'auto-renouvellement. L'ensemble de ces processus est mené dans le cadre de notre projet 3D-eMAGE, financé par l'ANR.
*Caractérisation multiomique et construction d'une horloge biologique (Restore, Toulouse et Budapest)
Nous avons pour objectif d'appliquer une horloge de vieillissement transcriptomique à l'échelle de la cellule unique (c'est-à-dire des modèles de prédiction de l'âge basés sur l'IA) et d'analyser l'âge transcriptomique de cellules individuelles. Nous construirons ensuite des réseaux d'interactions protéine-protéine spécifiques à chaque type cellulaire et examinerons leur vieillissement à l'aide d'outils issus de la science des réseaux. Nous appliquerons diverses horloges de vieillissement basées sur la méthylation, puis analyserons les différences d'âge épigénétiques. Les expériences seront menées à Toulouse et toutes les analyses seront réalisées par l'étudiant.
*Caractérisation des tissus osseux en 3D issus de CSM jeunes et âgées (Restore, Toulouse)
Nous effectuerons une classification par apprentissage profond des images de modèles osseux reconstitués en 3D afin d'identifier les caractéristiques structurelles associées aux signes de vieillissement mis en évidence ci-dessus.

*Sample characterization (Restore, Toulouse).
Human bone marrow MSCs from young (20-30 years old) and elderly (60 years and older) subjects, isolated directly from bone marrow aspirates.
We will evaluate the proliferation and differentiation potentials of MSCs. Characterization will be performed by flow cytometry, and fibroblast colony-forming unit (CFU-F) assays will be used to assess self-renewal capacity. All of these processes are being conducted as part of our 3D-eMAGE project, funded by the ANR.
*Multi-omic characterization and construction of a biological clock (Restore, Toulouse and Budapest)
Our goal is to apply a transcriptomic aging clock at the single-cell level (i.e., AI-based age prediction models) and to analyze the transcriptomic age of individual cells. We will then construct cell-type-specific protein-protein interaction networks and examine their aging using tools from network science. We will apply various methylation-based aging clocks and then analyze epigenetic age differences. The experiments will be conducted in Toulouse, and all analyses will be performed by the student.
*3D Characterization of Bone Tissue from Young and Elderly CSM Subjects (Restore, Toulouse)
We will use deep learning to classify images of 3D-reconstructed bone models in order to identify the structural characteristics associated with the signs of aging highlighted above.

Data scientist et chercheur en biologie computationnelle, fort de près de deux ans d'expérience, spécialisé dans la recherche sur le vieillissement épigénétique et les maladies neurodégénératives. Expert dans le développement de pipelines de prétraitement hautement complexes pour les données de méthylation de l'ADN et de séquençage d'ARN (RNA-seq), capable de gérer aussi bien des ensembles de données brutes issues de cellules individuelles que des ensembles de données brutes en masse.

Application link : https://edd-projets.utoulouse.fr/