Suivi en ligne des procédés de bio-production par imagerie holographique 3D // On-line monitoring of bioproduction processes using 3D holographic imaging

La culture des cellules adhérentes sur microcarriers (MCs) est un moyen prometteur pour différentes applications en bioproduction, comme la fabrication et l'administration de biomédicaments, la médecine régénérative, ou le suivi de la différenciation cellulaire. Cependant, elle pose des défis majeurs pour l’analyse des cellules sans affecter l’intégrité du substrat. L’imagerie holographique sans lentille se présente comme une solution prometteuse, capable de capturer des images de cellules sur un grand champ de vue sans aucune étape biochimique supplémentaire.
Cette thèse propose de développer un système d’imagerie holographique 3D pour le suivi des cellules sur MCs en temps quasi-réel, avec des algorithmes avancés pour la reconstruction et l’analyse d’images. Ce système sera intégré dans des bioréacteurs en ligne, testant sa précision et sa robustesse sur des cultures biologiques variées. L’utilisation de l’apprentissage profond permettra la segmentation et l'analyse des cellules en temps quasi-réel, facilitant ainsi le suivi des dynamiques cellulaires. Ce projet innovant promet d'optimiser les procédés biologiques en offrant une vision non invasive des échantillons multicellulaires en 3D, avec des applications potentielles comme le suivi d’organes-sur-puce et de systèmes cellulaires complexes.

------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The culture of adherent cells on microcarriers (MCs) is a promising approach for various bioproduction applications, such as drug manufacturing and delivery, regenerative medicine, and tracking of cellular differentiation. However, the analysis of single cell morphology and behavior without affecting the substrate integrity remains a major challenge. Lens-free holographic imaging is emerging as a promising solution for real-time, non-invasive monitoring of cellular processes. This technique captures wide field of view images without requiring exogenous labeling or sample manipulation, thus preserving the integrity of the cellular environment.
This thesis proposes the development of a 3D lens-free imaging system to monitor cells on MCs in near real-time. The microscope will be coupled with advanced algorithms for data reconstruction and analysis in on-line bioreactors. The use of deep learning techniques will allow for real-time segmentation and analysis of single cells, facilitating the tracking of cellular dynamics. This innovative project paves the way to a non-invasive monitoring of 3D multicellular samples, with potential applications on organ-on-chip and more complex organoids systems.

------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département des Technologies pour l'Innovation en Santé (LETI)
Service : Service des sYstèmes de Mesure pour la Santé
Laboratoire : Laboratoire Instrum optique et traitement de l'Info pour l'Imagerie In Vitro
Date de début souhaitée : 01-11-2025
Ecole doctorale : Ecole Doctorale de Physique de Grenoble (EdPHYS)
Directeur de thèse : HERVÉ Lionel
Organisme : CEA
Laboratoire : DRT/DTIS//L4IV
URL : https://www.researchgate.net/profile/Chiara-Paviolo

Financement public/privé

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département des Technologies pour l'Innovation en Santé (LETI)
Service : Service des sYstèmes de Mesure pour la Santé

Ingénieur spécialisé en data science