Une caractérisation mécanique du vieillissement osseux fondée sur les données de spectroscopie infrarouge // A data driven mechanical characterization of bone aging based on infrared spectroscopy

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.

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 (FEM) basé sur la segmentation d'images 3D. 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 œuvre pour comparer les cartes 3D de contraintes afin d'extraire les tendances évolutives des propriétés mécaniques des os humains avec l'âge.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Aging and many degenerative pathologies are known to affect bone homeostasis and the material and mechanical properties of the mineralized extracellular matrix (ECM). Understanding bone material and mechanical properties is crucial to explain, treat and prevent the development of fractures in bones, especially in elderly humans and osteoporotic bone. Bone homeostasis is maintained by a continuous repair process orchestrated by osteocytes that detect tissue damage to be resorbed by osteoclasts. Osteocytes recruit also mesenchymal stem cells (MSCs) that differentiate into osteoblasts secreting collagen and then osteocytes that mineralize collagen fibers. With age and many degenerative pathologies, the capabilities and numbers of MSCs decrease as well as the tissue they secrete. In the past 12 years we have developed decellularization protocols to study human bone matrix and recellularization protocols to construct in vitro human bone. In parallel, we also have developed mathematical models of bone architecture based on Finite Element Method (FEM) to study the mechanical properties of bone. The models were fed with real morphology data based on imaging methods such as CFLM, SEM and TEM, X-ray CT. Adding information from high-resolution measurements on the bone matrix chemical composition would benefit our model. We also have developed the use of super-resolution infrared micro-spectroscopy technique O-PTIR (Optical Photo-Thermal InfraRed) to measure bone chemical composition at spatial resolutions close to those of the FEM model. O-PTIR provides qualitative and quantitative information on bone quality such as the collagen maturation index [1], apatite crystallinity, organic/mineral ratio that can help derive parameters to feed our FEM model. O-PTIR spatial resolution is well beyond the diffraction limit of conventional IR micro-spectroscopy (2.5-25 µm in the mid-R), O-PTIR can measure a voxel of 500 nm close to the volume of the FEM model. The quality parameters derived from O-PTIR will condition the parameters fed into the FEM model.

We propose to apply Artificial Intelligence methods to analyze O-PTIR spectra to bone and extract chemical composition data for human donors of different age groups and from different bone regions submitted to different mechanical loads. Large spectral data sets were generated per donor and sub-families of spectra can be identified by statistical analysis. Classical band ratio methods are known to exhibit limitations. Therefore, we propose in Phase 1 to couple super-resolution infrared micro-spectroscopy O-PTIR to AI approaches to identify evolutionary trends of biochemical biomarkers in human bones of different age groups.

evolutionary trends of biochemical biomarkers in human bones of different age groups.

In Phase 2, the second objective is to model the mechanics of the bone matrix at the scale of the mineralized collagen fiber in a finite element morphological model (FEM) based on 3D image segmentation. 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 and classify the stress 3D maps to extract evolutionary trends on the mechanical properties of human bone with age.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Programme COFUND DeMythif.AI

Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes

579 Sciences Mécaniques et Energétiques, Matériaux et Géosciences

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.)
English B2 level (upper-intermediate) French A2 level (pre-intermediate) EN: Computational mechanics, Applied mathematics, Mechanical engineering curriculum or related fields. The student should have taken at least a course in Finite element Method and Numerical Methods and entry level courses in physics and materials. Large computations will be developed, and notions of elementary programming is preferred.