Annonce

Description du project:

Le projet porte sur l’application d’algorithmes d’apprentissage profond à l’automatisation des microscopes à fluorescence. L’objectif principal est de segmenter et de classer des images cellulaires en catégories biologiquement pertinentes, contribuant ainsi au développement d’une nouvelle version de microscope intelligent automatisé, en collaboration avec l’équipe de Marc Tramier (https://igdr.univ-rennes.fr/en/marc-tramier-group) et la startup INSCOPER (https://www.inscoper.com/).

Le stage se déroulera à l’Institut de Génétique et Développement de Rennes (IGDR, Univ. Rennes 1, UMR-CNRS 6290), au sein de l’équipe CeDRE, « Reverse Engineering of Cell Division », principalement dans l’équipe de Jacques Pécréaux (https://igdr.univ-rennes.fr/en/cedre-lab).

L’équipe d’accueil est interdisciplinaire, combinant des compétences en biologie, physique, analyse d’images et statistiques. Ses recherches visent à comprendre la robustesse de la division cellulaire en modélisant les interactions biophysiques et mécaniques entre les microtubules, leurs régulateurs et les moteurs moléculaires. Pour soutenir ces travaux, l’équipe développe de nouvelles modalités de microscopie et a déjà breveté un microscope rapide capable de capturer la dynamique des composants subcellulaires, ce qui a conduit à la création de la startup Inscoper. Ensemble, les deux groupes cherchent maintenant à adapter le microscope intelligent pour un usage en plateforme, afin de le rendre accessible sans expertise préalable et applicable à une grande variété d’expériences biologiques.

Contexte du stage:

Le contexte de ce stage est l’utilisation croissante de la microscopie de fluorescence comme outil central en sciences du vivant, de plus en plus associée à l’analyse d’images automatisée. Les défis actuels incluent la diversification des protocoles expérimentaux, la classification des images en temps réel lors de l’acquisition, ainsi que la difficulté liée à l’utilisation de jeux de données d’entraînement relativement limités en biologie.

Le projet s’appuie sur une preuve de concept récente réalisée sur des cellules U2OS, où la segmentation et la classification séparées ont été combinées afin d’identifier les cellules en mitose. L’étape suivante consiste à tester des algorithmes intégrés tels que SAMmicro, YOLO, CellPose ou StarDist, ainsi que des méthodes en cascade adaptées pour la segmentation subcellulaire de structures marquées comme les microtubules ou les mitochondries.

Missions et compétences acquises:

Au cours du stage, l’étudiant effectuera trois principales missions : constituer des bases de données d’images représentatives et équilibrées, tester et adapter des algorithmes d’apprentissage profond afin d’évaluer leur qualité et leur rapidité de classification, et identifier les conditions déterminant la réussite algorithmique, notamment la taille des jeux de données, la complexité des images et l’homogénéité des classes.

À travers ce travail, l’étudiant acquerra des compétences précieuses en traitement d’images pour la biologie, avec un accent particulier sur les méthodes d’apprentissage profond. Il découvrira également le travail dans un environnement de recherche interdisciplinaire, développera ses capacités de communication scientifique et renforcera ses compétences en travail d’équipe ainsi qu’en anglais.

Ce stage représente une opportunité de contribuer à un projet de pointe à l’interface entre la biologie, l’informatique et l’intelligence artificielle.

• CV
• Lettre de motivation
• Lettre de recommandation (facultatif)

Contact:

Lien vers l’équipe CeDRE: https://igdr.univ-rennes.fr/en/cedre-lab