Classification et modélisation de la croissance du champignon Botrytis cinerea à partir d’imagerie microscopique : vers l’établissement de liens entre phénotypes et molécules antifongiques - Laboratoire d'Informatique, Signaux et Systèmes de Sophia-Antipolis Accéder directement au contenu
Thèse Année : 2021

Classification and modeling of the growth of Botrytis cinerea using microscopic imaging : understanding the links between phenotypes and antifungal molecules

Classification et modélisation de la croissance du champignon Botrytis cinerea à partir d’imagerie microscopique : vers l’établissement de liens entre phénotypes et molécules antifongiques

Résumé

Phytopathogenic fungus are the cause of significant economic losses. Among them, botrytis cinerea is particularly destructive. Therefore, anti-fungal molecules are developed for crop protection. They are classified according to their Mode of Action, whose understanding is necessary to infer how the active compounds block the metabolic functions or intracellular signaling pathways of the fungus. Some molecules can induce dramatic morphological changes of a fungus, the so-called phenotypes, that are observable in microscopy and can be associated with the (known or unknown) mode of action of the molecule. Each molecule must be tested at various concentrations since the phenotype is exhibited only above a certain dose. To date, the analysis of microscopy images is done manually. Therefore, it represents a significant cost which can be drastically reduced by computer analysis. Within this framework, this PhD thesis aims at discovering the relationships “Family of Molecules <=> Mode of Action <=> Phenotype” for new molecules. In order to characterize the different phenotypes of Botrytis cinerea, we developed an automatic analysis of the microscopy images. The first steps rely on image processing and extraction of morphometric features. Then, a method of automatic classification of the phenotypes including a rejection class for unknown phenotypes was developed. It proposes a general strategy in a supervised context based on three main steps: learning a model independently for each class, learning one threshold per model based on the interactions between the classes, and a prediction procedure based on the responses of models with respect to their threshold. An "expert system" able to take into account all the decisions at the different concentrations of a molecule has been developed to propose a hypothesis of the Mode of Action of the molecule. Besides the conclusion on the mechanism of action, this procedure allows to obtain an analysis of the tested molecule, in particular by providing indications on its degree of effectiveness. We have also developed an alternative classification approach based on optimal transport whose strength lies in its ability to take into account the geometry of the sample distribution. We proposed to transform the data so that they follow a simple model (in practice a Gaussian model), the complexity of the data then being "hidden" in the transport transformation. Note that this approach also offers an original way to estimate the probability density function underlying a population sample. Finally, we studied the growth of the fungus over time in order to understand or even predict the appearance of a phenotype. For each phenotype, different morphometric features are estimated from temporal sequences in microscopy. This is done by analyzing the evolution of these features as a function of the tested molecule, its concentration, and the incubation time. Then, we designed growth models calibrated from these ground-truth data. The models are discrete-time stochastic processes using discrete and continuous probability laws to control the triggering of the different events (growth, creation of a branch, etc.) and their magnitude. We then simulated the growth of fungi in contexts corresponding to different phenotypes. This work has provided a better understanding of the growth of Botrytis cinerea in the presence of an antifungal molecule, i.e., for a given mode of action.
Les champignons phytopathogènes sont à l'origine d'importantes pertes économiques. Parmi ces champignons, Botrytis cinerea est particulièrement destructeur. Afin de protéger les plantes, des molécules anti-fongiques sont développées. Elles sont classées selon leur Mode d'Action dont la compréhension permet d'élucider la façon dont les composés actifs bloquent les fonctions métaboliques ou voie de signalisation intracellulaires du champignon. Certaines molécules peuvent induire chez ce champignon des changements morphologiques dramatiques, ou phénotypes, observables par microscopie et associés au mode d'action (connu ou non) de la molécule étudiée. Chaque molécule est testée à plusieurs concentrations car il existe une dépendance entre la concentration et le phénotype. A ce jour l'analyse des images de microscopie se fait manuellement. Elle représente donc un coût important qui peut être réduit drastiquement par une analyse informatique. Mon projet de thèse s'inscrit dans ce cadre et vise à mettre en évidence les relations « Famille de Molécules <=> Mode d'Action <=> Phénotype » pour de nouvelles molécules testées. Afin de caractériser les différents phénotypes de Botrytis cinerea, nous avons mis en place une analyse automatique des images de microscopie. Elle comprend des étapes de traitement d'images et d'extraction de paramètres morphométriques. Puis, une méthode de classification automatique des phénotypes incluant une classe de rejet pour les phénotypes encore inconnus a été développée. Elle propose une stratégie générale dans un contexte supervisé fondée sur trois étapes principales : apprentissage d'un modèle indépendamment pour chaque classe, apprentissage d'un seuil par modèle fondé sur les interactions entre classes, et procédure de prédiction s'appuyant sur les réponses des modèles par rapport à leur seuil. Un "système expert" proposant une hypothèse de Mode d'Action d'une molécule anti-fongique a également été développé pour prendre en compte l'ensemble des décisions aux différentes concentrations de la molécule. Outre la conclusion sur le mécanisme d'action, cette procédure permet d'obtenir une analyse de la molécule testée, notamment en fournissant des indications sur son degré d'efficacité. Nous avons également développé une approche de classification alternative fondée sur le transport optimal. A noter que cette approche offre en outre un moyen original d'estimer la fonction de densité de probabilité sous-jacente à une population. La force du transport optimal réside dans sa capacité à prendre en compte la géométrie de répartition des échantillons. Ainsi, nous avons proposé de transformer les données de sorte qu'elles suivent un modèle simple (en pratique gaussien), la complexité des données étant alors "cachée" dans la transformation de transport. Enfin, nous nous sommes intéressés à la croissance du champignon au cours du temps dans le but de comprendre voire de prédire l'apparition d'un phénotype. Pour chaque phénotype, différents paramètres morphométriques sont estimés d'après des séquences d'images de croissance. Pour cela, nous avons étudié l'évolution de la valeur de ces paramètres en fonction de la molécule testée, de sa concentration, et du temps d'incubation. Ensuite, nous avons conçu des modèles de croissances calibrés à partir de ces données réelles. Les modèles construits sont des processus stochastiques à temps discret utilisant des lois discrètes et continues pour piloter les différents événements (croissance, création d'une branche...) et leur ampleur. Nous avons alors simulé la croissance de champignons suivant les traitements testés, pour des phénotypes donnés. Ce travail a permis d'acquérir une meilleure compréhension de la croissance de botrytis cinerea en présence d'une molécule antifongique en fonction de son mode d'action.
Fichier principal
Vignette du fichier
2021COAZ4086.pdf (18.2 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03652791 , version 1 (27-04-2022)

Identifiants

  • HAL Id : tel-03652791 , version 1

Citer

Sarah Laroui. Classification et modélisation de la croissance du champignon Botrytis cinerea à partir d’imagerie microscopique : vers l’établissement de liens entre phénotypes et molécules antifongiques. Traitement du signal et de l'image [eess.SP]. Université Côte d'Azur, 2021. Français. ⟨NNT : 2021COAZ4086⟩. ⟨tel-03652791⟩
232 Consultations
242 Téléchargements

Partager

Gmail Facebook X LinkedIn More