Soutenance de thèse de PERRIN Marc-Éric
Titre de thèse
Modélisation de la croissance des neurones pendant l'embryogénèse comme des arbres dynamiques auto-actifs
Models of neuronal growth duringembryogenesis as self-interacting dynamical trees
Résumé de la thèse
La morphologie des dendrites influence la connectivité synaptique et donc la fonction des neurones. Pour mieux comprendre les principes qui régissent la formation des arborisations dendritiques, nous étudions deux sous-classes de neurones sensoriels de l'embryon et de la larve de la mouche Drosophile. Ces neurones, appelés neurones de classes I et IV ont des fonctions et des morphologies très différentes. Les neurones de classe I, qui sont impliqués dans la proprioception, adoptent une géométrie en forme de peigne qui ne couvre qu'une partie de chaque hémisegment de l'embryon puis la larve. En revanche, les neurones de classe IV, qui sont impliqués dans la nociception, déploient un maillage dense innervant l'ensemble des segments. Dans les deux cas, l'arbre dendritique se construit à partir de trois comportements élémentaires : (i) la ramification latérale, où de nouvelles pousses émergent de branches existantes, (ii) la dynamique des extrémités, marquée par l'alternance de phases d'extension et de rétraction, et (iii) la rétraction d'une extrémité lorsqu'elle rencontre une autre branche du même neurone.
Pour identifier les paramètres qui diffèrent entre les deux classes de neurones et, en définitive, déterminent leurs formes respectives, nous combinons de l'imagerie in vivo haute résolution avec des outils d'analyse d'image automatisés afin de quantifier la dynamique de formation des branches en conditions sauvage et perturbées. Afin de prédire l'impact de ces paramètres sur la morphologie finale des neurones, nous réalisons des simulations de la croissance des ces deux classes de neurones in silico, à l'aide de modèles computationnels. Nous montrons que des modèles fondés uniquement sur des incréments indépendants et de courte durée ne parviennent pas à reproduire les morphologies observées. À l'inverse, l'introduction de corrélations à long terme entre incréments, modulées par les microtubules, s'avère indispensable pour rendre compte de la croissance des branches dans les deux classes de neurones. Ces résultats mettent en lumière le rôle central de la régulation des microtubules dans le façonnage de l'architecture dendritique et proposent un cadre quantitatif reliant la dynamique du cytosquelette à la forme des neurones.
La thèse s'articule autour de quatre axes :
1. Développement d'outils de traitement d'images : algorithmes de segmentation, de suivi des branches et de reconstruction neuronale.
2. Modélisation de la croissance fondée sur l'analyse des données : comparaison de plusieurs modèles de croissance des branches, calibrés sur des mesures quantitatives de dynamique.
3. Dynamique du cytosquelette : analyses expérimentales et quantitatives des processus dépendant des microtubules et de l'actine, qui gouvernent la dynamique des branches à court et à long terme.
4. Analyse théorique : modèle mathématique décrivant la morphologie des neurones de classe I comme une conséquence émergente de l'auto-répulsion.
Thesis resume
The morphology of dendrites shapes synaptic connectivity and therefore neuronal function. To better understand the principles governing the formation of dendritic arbors, we study two subclasses of sensory neurons in the embryo and larva of the fruit fly Drosophila. These neurons, known as class I and class IV neurons, have markedly different functions and morphologies. Class I neurons, involved in proprioception, adopt a comb-like geometry that covers only part of each hemisegment in the embryo and then the larva. By contrast, class IV neurons, involved in nociception, deploy a dense mesh innervating all segments. In both cases, the dendritic tree is built from three elementary behaviors: (i) lateral branching, where new sprouts emerge from existing branches; (ii) tip dynamics, characterized by alternating phases of extension and retraction; and (iii) tip retraction upon encountering another branch of the same neuron.
To identify the parameters that differ between the two neuronal classes and ultimately determine their respective forms, we combine high-resolution in vivo imaging with automated image-analysis tools to quantify branch-formation dynamics in wild-type and perturbed conditions. To predict the impact of these parameters on final neuronal morphology, we perform in silico simulations of growth for both neuron classes using computational models. We show that models based solely on independent, short-duration increments fail to reproduce the observed morphologies. In contrast, introducing long-term correlations between increments, modulated by microtubules, proves essential to account for branch growth in both neuron classes. These results highlight the central role of microtubule regulation in shaping dendritic architecture and propose a quantitative framework linking cytoskeletal dynamics to neuronal form.
The thesis is organized around four themes:
1. Development of image-processing tools: segmentation, branch-tracking, and neuronal-reconstruction algorithms.
2. Data-driven growth modeling: comparison of several branch-growth models calibrated on quantitative dynamical measurements.
3. Cytoskeletal dynamics: experimental and quantitative analyses of microtubule- and actin-dependent processes that govern short- and long-term branch dynamics.
4. Theoretical analysis: a mathematical model describing the morphology of class I neurons as an emergent consequence of self-repulsion.