Imagerie multimodale combinant l'IRM, le MALDI-MSI et le MALDI-IHC pour étudier les maladies du foie : Développement de stratégies analytiques et informatiques. // Multimodal Imaging combining MRI, MALDI-MSI, and MALDI-IHC to investigate Liver Diseases: D

25 % des patients atteints de stéatose hépatique peuvent développer une stéatohépatite non alcoolique (NASH), pouvant évoluer vers une cirrhose. Il est important de différencier la NASH de la stéatose bénigne pour la prise en charge clinique des patients atteints de stéatose hépatique non alcoolique (NAFLD), car la cirrhose est une indication de transplantation hépatique. Dans ce contexte sanitaire urgent, l'utilisation de l'imagerie multimodale apparaît évidente et appropriée. L'imagerie multimodale est une stratégie puissante pour combiner des informations provenant de plusieurs modalités. Outre la stratégie analytique, elle implique plusieurs défis et verrous à lever principalement axés sur le traitement des données d'imagerie multimodales (recalage, segmentation, outils statistique, IA, etc.) essentiel pour extraire les informations pertinentes pour une problématique biologique donnée. L'imagerie multimodale est un vaste domaine avec diverses combinaisons de techniques d'imagerie, et nous allons nous focaliser pour la première fois sur la combinaison entre l'Imagerie par Résonance Magnétique (IRM), l'Imagerie par Spectrométrie de Masse par Désorption/Ionisation Laser Assistée par Matrice (MALDI-MSI), ainsi que le MALDI-IHC (immunohistochimie), appliquée à l'étude des différentes phases des pathologies du foie. L'IRM nous informera sur la nature morphologique et quantitative au niveau macroscopique du foie, tandis que les images MALDI-MSI véhiculeront une quantité substantielle d'informations moléculaires à l'échelle de la cellule, de même que le MALDI-IHC qui fournira des informations sur les types de cellules impliquées dans les pathologies du foie. La stratégie computationnelle mise en place, permettra quant à elle d'extraire et de corréler les données multimodales afin d'améliorer notre compréhension des mécanismes impliqués dans les différentes phases des pathologies liées au foie. Dans ce but, nous allons mettre en place des stratégies analytiques et computationnelles originales et adaptées pour répondre à cette problématique de santé public. Les objectifs du projet MultImage sont les suivants : 1) Développer la nouvelle génération d'imagerie multimodale en associant l'IRM, la MALDI-MSI, ainsi que la MALDI-IHC ; 2) Développer une stratégie informatique efficace dédiée au traitement d'ensembles de données d'imagerie multimodales. L'objectif est d'effectuer l'analyse statistique conjointe des images combinées, en établissant des corrélations spatiales entre elles ; 3) Établir une corrélation robuste entre la nature morphologique du tissu avec une étude multi-omique en utilisant les trois modalités pour une meilleure compréhension des stades progressifs de la maladie hépatique.
Pour adresser ces objectifs Le projet est organisé autour de quatre workpackages (WP). Le premier est orienté sur la coordination ainsi que la gestion du projet (WP0). Le second se focalise sur les développements en IRM (WP1). Le troisième se consacre à la mise en place de l'imagerie MALDI-MSI et MALDI-IHC (WP2). Et enfin le dernier se focalise sur les aspects d'imagerie multimodale entrevue dans WP précédents, ainsi sur la stratégie computationnelle (WP3). La finalité de ce projet s'appuie sur une validation médicale en appliquant cette approche sur des biopsies humaines. Le projet MultImage est porté par un consortium multidisciplinaire associant des expertises reconnues dans le domaine de la physique de l'IRM, de la chimie analytique avec la MALDI (MALDI-MSI / MALDI-IHC), de la biologie autour des pathologies du foie, ainsi qu'en mathématiques / bioinformatique. Les ressources et expertises complémentaires sont donc rassemblées pour assurer la faisabilité et la cohérence du programme scientifique proposé. MultImage abordera les problématiques de recherche couvertes par les Objectifs Globaux. Plus précisément, l'ODD 3 « Bonne santé et bien-être » qui promeut une approche globale de la santé.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

25% of patients with fatty liver may develop non-alcoholic steatohepatitis (NASH), which may progress to cirrhosis. Differentiating NASH from benign steatosis is crucial for the clinical management of patients with non-alcoholic fatty liver disease (NAFLD), as cirrhosis is an indication for liver transplantation. In this urgent health context, the use of multimodal imaging seems obvious and appropriate. Multimodal imaging is a powerful strategy for combining information from several modalities. In addition to the analytical strategy, there are a number of challenges and obstacles to be overcome, focusing mainly on the processing of multimodal imaging data (registration, segmentation, statistical tools, AI, etc.), which is essential for extracting the relevant information for a given biological problem. Multimodal imaging is a vast field with various combinations of imaging techniques, and we will focus for the first time on the combination of Magnetic Resonance Imaging (MRI), Matrix-Assisted Laser Desorption/Ionisation Mass Spectrometry Imaging (MALDI-MSI), and MALDI-IHC (immunohistochemistry), applied to the study of the different phases of liver pathologies. MRI will provide information on the morphological and quantitative nature of the liver at macroscopic level, while MALDI-MSI images will convey a substantial amount of molecular information at cell level, as will MALDI-IHC, which will provide information on the cell types involved in liver pathologies. The computational strategy we are implementing will enable us to extract and correlate multimodal data in order to improve our understanding of the mechanisms involved in the various phases of liver-related pathologies. The objectives of the MultImage project are as follows: 1) To develop the new generation of multimodal imaging by combining MRI, MALDI-MSI and MALDI-IHC; 2) To develop an efficient computing strategy dedicated to the processing of multimodal imaging datasets. The aim is to perform joint statistical analysis of the combined images, establishing spatial correlations between them; 3) Establish a robust correlation between the morphological nature of the tissue with a multi-omics study using the three modalities for a better understanding of the progressive stages of liver disease. To address these objectives, the project is organized around four workpackages (WP). The first focuses on the coordination and management of the project (WP0). The second focuses on MRI developments (WP1). The third focuses on the implementation of MALDI-MSI and MALDI-IHC imaging (WP2). Finally, the last work package focuses on the multimodal imaging aspects discussed in the previous work packages, as well as the computational strategy (WP3). The ultimate aim of this project is to validate the approach medically by applying it to human biopsies. The MultImage project is being led by a multidisciplinary consortium with recognized expertise in the physics of MRI, analytical chemistry using MALDI (MALDI-MSI / MALDI-IHC), biology of liver pathologies and mathematics/bioinformatics. Complementary resources and expertise have therefore been brought together to ensure the feasibility and coherence of the proposed scientific programme. MultImage will address the research issues covered by the Global Goals. More specifically, SDG 3 'Good health and well-being', which promotes a global approach to health.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrat doctoral libre

Université de Bordeaux

154 Sciences de la Vie et de la Santé

Les compétences et l'expérience essentielles sont les suivantes - Master ou ingénieur en bioanalyse, biochimie, chimie (bio) analytique ou dans un domaine connexe. - Connaissance avérée de la chimie analytique, en particulier de la spectrométrie de masse appliquée à l'analyse des biomolécules (théorique et expérimentale). - Connaissance et expérience avérée de la conception, de la mise en œuvre et de l'optimisation : i) de méthodes de chimie analytique pour la caractérisation des médicaments, des lipides et des peptides/protéines, ii) de méthodologies biochimiques pour la préparation d'échantillons en vue de l'analyse des médicaments, des lipides et des peptides/protéines. - Expérience avérée de l'interprétation et de l'analyse des données MS et MS/MS. - La maîtrise de l'anglais est obligatoire. - Les compétences rédactionnelles et de communication, l'autonomie, l'intégrité, la rigueur, le goût du travail en équipe et l'intérêt pour les approches pluridisciplinaires sont des qualités essentielles pour postuler à ce projet. - Capacité à travailler aisément dans un environnement hautement interdisciplinaire avec des collègues d'horizons scientifiques différents. - Expertise dans la bio-informatique et les analyses statistiques est un atout précieux.
Essential skills and experience include: - Master or engineer in bioanalysis, biochemistry, (bio) analytical chemistry or in a related field. - Demonstrated knowledge of analytical chemistry, in particular mass spectrometry applied to the analysis of biomolecules (theoretical and experimental). - Knowledge of, and demonstrated experience in designing, implementing, as well as optimizing: (i) analytical chemistry methods for drugs, lipids and peptide/protein characterizations, (ii) biochemical methodologies for sample preparation for drugs, lipids, peptide/protein analysis. - Demonstrated experience in interpretation and analysis of MS and MS/MS data. - To speak English is mandatory. - Writing and communication skills, autonomy, integrity, rigor, taste for team work and interest in multidisciplinary approaches are essential qualities to apply to this project. - Ability to comfortably work in a high interdisciplinary environment with colleagues with different scientific backgrounds. - Experience bioinformatics manipulation and statistical analysis of large molecular datasets is a valued plus.