Imagerie à haute résolution pour caractériser les lésions alvéolaires et la signature protéomique spatio-temporelle du développement de la fibrose pulmonaire // High-resolution imaging for to characterize alveolar damage and the spatio-temporal proteomic

La fibrose pulmonaire idiopathique (FPI), la plus fréquente et la plus grave des pneumopathies interstitielles diffuses, est l'archétype de la fibrose pulmonaire dite progressive (FPP). La FPP décrit un sous-ensemble de pneumopathies interstitielles fibrosantes qui partagent des caractéristiques communes, avec une fibrose auto-entretenue et une histoire naturelle caractérisée par une progression irréversible entraînant une aggravation des symptômes respiratoires, une diminution de la qualité de vie, un déclin de la fonction pulmonaire et une mortalité précoce [1]. Pour mieux comprendre sa physiopathologie, il est nécessaire de disposer d'un modèle animal bien caractérisé qui développe une fibrose pulmonaire suffisamment proche de celle observée chez les patients. La méthode la plus couramment utilisée est l'induction d'une fibrose pulmonaire par instillation intratrachéale (ITI) unique ou répétée de bléomycine (BLM) chez la souris [2]. Dans ce modèle, des questions importantes restent en suspens, telles que la distribution spatiale hétérogène de la BLM, les lésions pulmonaires qui en résultent et leurs caractéristiques.

Pour répondre à ces questions, nous avons développé un modèle mathématique probabiliste virtuel simplifié et ramifié pour simuler la distribution spatiale de la BLM dans les voies respiratoires de notre modèle murin . Nous proposons de comparer ce modèle mathématique à des observations expérimentales par une approche structurale.
En utilisant les techniques histologiques classiques, nous ne sommes pas en mesure de déterminer si notre modèle reproduit correctement les caractéristiques de la Pneumonie Interstitielle Usuelle (Usual Interstitial pneumonia, UIP), la caractéristique principale de la FPI. De plus, nous ne sommes pas en mesure de visualiser les lésions en 3D, ni de les comparer à notre modèle virtuel. Nous avons donc décidé d'utiliser diverses technologies d'imagerie pour mieux caractériser notre modèle préclinique et valider notre modélisation.
L'objectif de ce projet de thèse sera donc de confronter les résultats obtenus dans les modèles mathématiques à la distribution pulmonaire en 3D de la BLM sur modèle murin après différentes modalités d'ITI (simple ou répétée) et aux lésions pulmonaires induites par « Matrix Assisted Laser Desorption Ionisation” (MALDI) [3], « Laser Induced Breakdown Spectrometry Imaging” (LIBS) [4], et l'imagerie à contraste de phase par rayons X [5], respectivement. Enfin, notre modèle sera comparé à des reconstructions 3D de biopsies pulmonaires de FPI issue de patient. Cela améliorera notre connaissance du modèle murin de fibrose pulmonaire induite par la BLM et nous permettra d'implémenter le modèle virtuel à l'aide de données expérimentales. Ce projet nous permettra de créer un jumeau numérique basé sur les observations faites sur la base de notre modèle préclinique afin de mieux comprendre et traiter cette pathologie en anticipant l'apparition et la distribution des lésions, ce qui permettra également de réduire le nombre d'animaux utilisés dans les prochaines expérimentations. In fine, ce modèle permettrait d'identifier précocement les zones lésées, de documenter le protéome de ces régions dans l'objectif d'identifier de nouvelles cibles thérapeutiques. A terme, nous pourrons visualiser l'impact d'un traitement ciblé sur le processus de fibrogenése pulmonaire.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Idiopathic pulmonary fibrosis (IPF), the most common and severe fibrotic interstitial lung disease (ILD), is the archetype of so-called progressive pulmonary fibrosis (PPF). PPF describes a subset of fibrosing ILDs that share common features, with self-sustaining fibrosis and a natural history characterized by irreversible progression leading to worsening respiratory symptoms, decreased quality of life, decline in lung function and early mortality[1]. To better understand its pathophysiology, it is necessary to have a well-characterized animal model that develops lung fibrosis close enough to that seen in patients. The most commonly used method is the induction of lung fibrosis through single or repeated intratracheal instillation (ITI) of bleomycin (BLM) in mice [2]. In this model, important issues remain unresolved, such as the anatomical heterogenous spatial distribution of the BLM and the resulting lung lesions and their characteristics.
To answer this question, we create a simplified, branched mathematical probabilistic virtual model to simulate the spatial distribution of BLM in the airways of our preclinical model and the resulting injuries after intra-tracheal instillation. Then we propose to compare it with experimental observations by structural approach.
Using classical histological techniques, we are unable to determine whether our model correctly reproduces features characteristic of Usual Interstitial Pneumonia (UIP), the hallmark of IPF. Furthermore, we are unable to visualize lesions in 3D and compare them to our virtual model. We then decided to use diverse imaging technologies to better characterize our pre-clinical model and to validate our virtual model.
The aim of this PhD project will be to confront the results obtained in virtual models with the 3D lung distribution of BLM after différents ITI modalities (single or repetead) and the induced fibrotic lesions through Matrix Assisted Laser Desorption Ionisation (MALDI) [3] and Laser Induced Breakdown Spectrometry Imaging (LIBS) [4], and X-ray phase contrast imaging [5], respectively. Finally our model will be compared with 3D reconstructions of IPF lung biopsies. . This will improve our knowledge of the mouse model of BLM-induced lung fibrosis and enable us to implement the virtual model using experimental data. This project will enable us to create a digital twin based on observations made in the relevant preclinical model concerned to better understand and treat lung architectural disorganization by anticipating the appearance and distribution of lesions, thereby also reducing the number of animals used in the next experiments.
This model would be used to identify at an early stage the areas that will be affected by fibrosis, document the proteome of these aeras, and then identify new therapeutic targets. Ultimately, we will be able to visualize the impact of targeted treatment on the fibrotic process.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrat doctoral

Concours pour un contrat doctoral

Université Grenoble Alpes

216 ISCE - Ingénierie pour la Santé la Cognition et l'Environnement

Etudiant de formation biomédicale, biologiste/medecin/bio informaticien/bio-statisticien/traitement des images ayant un fort intérêt pour les pathologies humaines et l'analyse d'image. Les candidats doivent envoyer leur Cv a emilie.boncoeur@cea.fr, Nicolas.voituron@univ-paris13.fr, emmanuel.brun@inserm.fr, ainsi que les documents associés (diplomes, lettres de recomendations et de motivation, etc..) En outre, ils doivent remplir une candidature en ligne sur le site de l'ADUM.
Biomedical student, biologist/doctor/bioinformatician/bio-statistician/ image processing with a strong interest in human pathologies and image analysis. Candidates should send their CV to emilie.boncoeur@cea.fr, Nicolas.voituron@univ-paris13.fr, emmanuel.brun@inserm.fr, together with associated documents (diplomas, letters of recommendation and motivation, etc.). In addition, they should complete an online application on the ADUM website.