Projets / Plateformes

• La Plateforme d’Indexation Régionale (PlaIR) associe des unités de recherche du domaine des Sciences du Numérique (Informatique, Mathématiques Appliquées) et des Sciences Humaines et Sociales (Droit, Histoire, Linguistique, Littérature) afin d’offrir de nouvelles solutions numériques pour la constitution et l’accès à des bases documentaires numériques.

  Trois domaines d’applications sont privilégiés pour constituer autant de démonstrateurs de cette plateforme :

  • La Santé
  • le Droit
  • les Archives numérisées patrimoniales

  La plateforme d’indexation régionale a été développée depuis par plusieurs projets successifs soutenus par la Région Haute-Normandie et l’Europe :

  • PlaIR 2.018 (projet soutenu par le fonds FEDER, 2015-2020)
  • PlaIR 2.0 (projet régional haut-normand du Grand Réseau de Recherche LMN, 2013-2016)
  • PlaIR 1 (projet régional haut-normand du Grand Réseau de Recherche TL-TI, 2009-2012)

Contexte
Les trois équipes partenaires du projet (une équipe de mathématiques au LMRS et deux équipes d’informatique au GREYC et au LITIS) se retrouvent autour d’un thème central à l’amont du Big Data. Le projet ALENOR (Aléa en Normandie) vise à modéliser de manière fine certaines des données qui sont des «briques de base» des grandes masses de données, et à étudier l’efficacité des réponses algorithmiques à des problèmes centraux sur ces «briques». Le projet ALENOR adopte un point de vue original, le point de vue probabiliste, qui lui permet d’analyser les données et leurs algorithmes associés, de manière générique. Cette approche, souvent orthogonale à l’approche classique, est bien adaptée à la complexité des données et à leur forte corrélation; le projet partage aussi l’outil des systèmes dynamiques, qui lui permet de bien mesurer et quantifier les phénomènes liés à la forte évolutivité des données. Chacune des trois équipes du projet a une expertise reconnue, sur l’une ou l’autre facette du domaine, et une spécialité bien marquée, sur le type de données étudié, de question posée, ou encore sur les méthodes de modélisation ou de résolution proposées. Il s’agit de partager, au sein du projet ALENOR, ces expertises et ces compétences, souvent bien distinctes, le plus souvent complémentaires. Même si elles n’ont que très peu collaboré jusqu’à présent de manière effective,les équipes se connaissent bien, et partagent une culture commune forte, à l’interface des mathématiques et de l’informatique. Elles veulent faire du projet ALENOR un creuset où elles partageront, non plus seulement leur culture, mais mettront aussi en commun cet ensemble d’objets, de problèmes, de méthodes afin de créer un centre de compétences fortes, celui de l’Aléa Normand. Ce centre de compétences peut jouer un rôle amont, de référence, pour les autres équipes normandes qui travaillent dans le Big Data avec d’autres points de vue. Le projet ALENOR veut aussi réfléchir à l’implémentation de cette recherche partagée dans les enseignements de Master dans le cadre EUR. ll s’appuiera également sur ses collaborations internationales fortes, et cherchera à les partager.

Contexte et présentation générale du projet

Le développement récent des nouvelles techniques d’analyse de cellules uniques, dites « single cell », a rendu possible l’analyse et la comparaison des transcrits de cellules individuelles isolées à partir de suspensions cellulaires rares et/ou complexes. Ce type de technologie encore non disponible au sein des structures de recherche normandes est pourtant devenu un outil incontournable, notamment pour l’analyse de l’hétérogénéité cellulaire, dans tous les champs disciplinaires de la recherche biomédicale. Il donne actuellement lieu à des efforts collaboratifs internationaux tels que le HumanCell Atlas, qui vise à documenter la diversité et la complexité cellulaire à l’échelle d’un organisme entier. L’utilisation des approches single cell de dernière génération est donc désormais indispensable à la progression des thématiques de recherche des équipes normandes et à leur visibilité dans un contexte de compétition internationale liée en partie à la disponibilité de ce type de technologies. Parallèlement, les techniques d’analyse cellulaire en temps réel se sont également considérablement développées. Une technologie innovante (IncuCyte®) permet ainsi la quantification de processus biologiques in vitro en temps réel dans des cellules vivantes et ce, de façon dynamique et cinétique et pour de multiples tests de fonctionnalité cellulaire (cytotoxicité, prolifération, clustering, apoptose, clonage en dilution limite, angiogenèse, phagocytose, migration, ...). L’objectif général du projet est de réunir des laboratoires de champs disciplinaires divers mais partageant des approches et besoins méthodologiques communs et de mettre à leur disposition les technologies single cellet IncuCyte au sein de la plateforme de cytométrie et d’analyse cellulaire CyFlow dans une configuration de proximité immédiate avec les équipements dédiés au phénotypage cellulaire multiparamétrique et au tri de sous-populations cellulaires en cytométrie de flux, requis en amont des analyses single cell ou fonctionnelles. Il s’agît de de permettre l’évolution de la plateforme vers une structure performante d’analyse cellulaire intégrée, capable d’acquérir en parallèle des données phénotypiques, moléculaires et fonctionnelles et d’assurer de façon transversale des développements applicatifs et méthodologiques innovants. Le projet s’inscrit par ailleurs dans la perspective d’une structuration transversale du support bioinformatique indispensable à l’analyse et l’interprétation des données biologiques complexes haut débit générées.

Les partenaires

• U1234 Physiopathologie, Auto-immunité, Maladies Neuromusculaires et THErapies Régénératrices (PANTHER)
• U1096 endothélium, valvulopathies et insuffisance cardiaque (ENVi)
• EA3830 Groupe de Recherche sur le Handicap Ventilatoire (GRHV)
• EA 4308 Gamétogénèse et qualité du gamète (GQG)
• EA 2608 Œstrogènes, Reproduction, Cancer (OeReCa)
• EA 4108 Laboratoire d’Informatique, du Traitement de l’Information et des Systèmes (LITIS)
• U1237 Physiopathologie et Imagerie des Troubles Neurologiques (PhIND)
• U1245 Genomic and Personalized Medicine in Cancer and Neurological disorders

Principales actions

1. Acquisition du Chromium controller (10X Genomics) basé sur la technologie GemCode et assurant l’addition de réactifs en phase solide (billes) à des cellules partitionnées en phase fluide pour des applications single cellRNAseq et DNAseq au sein de la plateforme CyFlow.
2. Acquisition du système IncuCyte (Essen biotechnologies) permettant la réalisation de tests cellulaires fonctionnels en temps réel au sein de la plateforme CyFlow.
3. Acquisition de réactifs permettant le lancement des applications single cell par des expériences pilotes.
4. Acquisition d’un microscope inversé dédié aux activités de l’EA 2608 en soutien à la collaboration avec l’EA 4308.
5. Recrutement d’un(e) ingénieur(e) bioinformaticien(ne) dont les activités seront partagées entre la plateforme CyFlow et l’EA 4108 et dédiées à l’analyse et l’interprétation des données haut débit produites ainsi que le développement d’outils mathématiques d’analyse appropriés aux questions posées.
6. Organisation de séminaires dédiés aux échanges scientifiques, à la veille méthodologique et au partage d’expertise au sein et à l’extérieur du consortium.

DeepART: Medical Image collection, segmentation and anonymization for DEEP learning in Adaptive Radiation Therapy

The aim of the project DEEP learning in Adaptive Radiation Therapy (DeepART) is to take advantage of the impressive advances that the machine learning community has made recently, especially in deep learning approaches, to consider adaptive radiotherapy with innovative workflows to predict when replanning is relevant.