Il est bien admis que la compréhension de la structuration moléculaire à l’intérieur des cellules neuronales est essentielle pour appréhender le fonctionnement du cerveau. Pour cette raison, l’étude de l’organisation des molécules clés neuronales et synaptiques contribue grandement à comprendre le mystère du cerveau. AMPA sont des récepteurs ionotropiques du glutamate jouent le rôle central dans la plasticité synaptique et la transmission synaptique basale dans le système nerveux central. Distribution des récepteurs AMPA sur la membrane neuronale est remarquablement hétérogène. Ils sont organisés en agrégats fonctionnels distincts, appelés nanodomaines. Des travaux antérieurs ont montré que Neuroligin, la molécule d’adhésion post-synaptique, ancres récepteurs AMPA par PSD95 dans la membrane post-synaptique et constitue en même temps un complexe d’adhésion trans-synaptique avec présynaptique Neurexin, impliqué dans le recrutement de machines de libération vésiculaire sur le site présynaptique. De cette façon, NRLG fonctionnellement organise synapses par la poste de recrutement de molécules présynaptiques essentielles pour réponse synaptique. Ici, nous avons étudié l’effet de la modulation de NRLG1 (modification du niveau d’expression ou de l’activité) sur le dynamique et nano-organisation des récepteurs AMPA au niveau des synapses individuelles. Notre hypothèse est que le complexe NRX-NRG pourrait être impliquée dans la localisation précise des récepteurs post-synaptiques et son apposition avec zone active présynaptique, jouant ainsi le rôle important dans la transduction du signal approprié. Taille de la densité post-synaptique (PSD) est de l’ordre de 500 nm, alors que diamètre moyen des nanodomaines AMPAR 100 nm. Une telle petite dimension nécessitait l’application de techniques de microscopie de super-résolution, dont la résolution de l’ordre de 20-40 nm est presque un ordre de grandeur mieux que microscopie fluorescence limitée par la diffraction. Nanoscopie fluorescence permettent visualiser des cellules jusqu’au niveau presque moléculaire. Pour atteindre mes objectifs, j’ai mis en place différents nanoscopies de localisation d’une seule molécule, qui s’appuient sur séparés dans l’espace et le temps de détection de population choisi de sondes de fluorescence. Il a été proposé que le trafic membranaire des récepteurs de neurotransmetteurs peut contribuer à la modulation de l’efficacité synaptique. J’ai sondé propriétés diffusionnelles des récepteurs AMPA avec suivi de particules unique, qui a été pendant longtemps appliqué pour sonder l’hétérogénéité de la membrane cellulaire. Localisation relative des biomolécules à la base de la compréhension de leur relation fonctionnelle. Il est bien admis que la juxtaposition de deux objets, ainsi que leur colocalisation, peuvent témoigner de leur association. Avec les récents développements dans l’acquisition multi couleur de la molécule unique et images de super-résolution à base d’ensemble, il est maintenant possible d’explorer la colocalisation à l’échelle nanométrique entre biomolécules dans des cellules vivantes et fixe. Malgré l’ la popularité et l’application très répandue, il n’existe que quelques paradigmes d’analyse quantitative pour la colocalisation des images multicolores super-résolution. Ici, avec l’aide de paradigmes conventionnels de mesure de la colocalisation et statistiques multivariées, nous analysons et présentons en isolement l’échelle du détail et proximité des macromolécules au sein de zones fonctionnelles de synapses. En outre, nous utilisons ces paradigmes pour évaluer marqueurs fluorescents impliqués dans la production de routine de la molécule unique fondée images super-résolution. Nous étendons notre analyse élucider en profondeur le co-agrégation des molécules clés synaptiques, PSD95 et récepteurs AMPA, qui sont impliqués dans l’organisation synaptique et transmission basale. / The brain is made of complex networks of interconnected neuronal cells. All our mental activities are underlain by electrochemical signals passing through dedicated neuronal circuits. Climbing further up on the complexity ladder, information processing by neurons is performed by multiple molecules assembling and interacting together. It is well accepted that the understanding of the molecular structuring inside neuronal cells is essential to apprehend functioning of the brain. For this reason, study of the organization of the key neuronal and synaptic molecules greatly contributes to understand the mystery of the brain. AMPA receptors (AMPARs) are ionotropic glutamate receptors that play a central role in synaptic plasticity and basal synaptic transmission in the central nervous system. The distribution of AMPARs on the neuronal membrane is remarkably heterogeneous. They are organized in distinct functional aggregates, called nanodomains. Previous work demonstrate that the postsynaptic adhesion molecule Neuroligin (NRLG) anchors AMPARs through PSD-95 in the postsynaptic membrane while simultaneously forming a trans-synaptic adhesion complex with presynaptic Neurexin (NRX), and recruiting vesicular release machinery at the presynaptic site. In this way, NRLG functionally organizes synapses by recruiting post and pre-synaptic molecules essential for regulation of synaptic responses. Here we studied the effect of NRLG modulation (modification of expression level or activity) on AMPAR nano-dynamics and nano-organization at individual synapses. Our hypothesis is that the NRX-NRLG complex could be involved in the precise localization of postsynaptic receptors and their apposition with the neurotransmitter release sites in the presynaptic active zone, thus playing important role in proper signal transduction. The size of the postsynaptic density (PSD) is in the order of 500 nm, whereas the average diameter of AMPAR nanodomains 100 nm. Such small dimension necessitated the application of super-resolution microscopy techniques, whose resolution in the range of 20-40 nm is almost an order of magnitude better than diffraction limited fluorescence microscopy. Probe-based far-field fluorescence nanoscopies allow visualizing cells down to almost molecular level. To achieve my goals, I implemented different single-molecule localization nanoscopies which rely on the detection of selected populations of fluorescence probes that are separated in space and time. It was proposed that membrane trafficking of neurotransmitter receptors may contribute to modulation of synaptic efficacy. I have probed diffusional properties of AMPARs with single particle tracking, which has long been applied to probe heterogeneity of the cell membrane. Relative localization of biomolecules provides the basis for understanding their functional relationship. It is well accepted that the juxtaposition of two objects, as well as their colocalization, may give evidence of their association. With the recent developments in multi-color acquisition of single molecule and ensemble based super resolution images, it is now possible to explore the colocalization at the nanoscale between biomolecules in live and fixed cells. Despite the popularity and wide spread application of super resolution imaging, there exist only a few quantitative analysis paradigms for the colocalization of multicolor super-resolution images. Here, with the aid of conventional colocalization measurement paradigms and multivariate statistics, we analyze and report in detail the scale segregation and proximity of macromolecules within functional zones of synapses. Furthermore, we use these paradigms to evaluate fluorescent tags involved in the routine generation of single molecule based super-resolution images. We extend our analysis to elucidate in depth the co-aggregation and clustering of two key synaptic molecules, PSD95 and AMPARs, which are involved in basal synaptic organization and transmission.

L’imagerie acoustique est une technique performante pour la localisation et la reconstruction de puissance des sources acoustiques en utilisant des mesures limitées au réseau des microphones. Elle est largement utilisée pour évaluer l’influence acoustique dans l’industrie automobile et aéronautique. Les méthodes d’imagerie acoustique impliquent souvent un modèle direct de propagation acoustique et l’inversion de ce modèle direct. Cependant, cette inversion provoque généralement un problème inverse mal-posé. Par conséquent, les méthodes classiques ne permettent d’obtenir de manière satisfaisante ni une haute résolution spatiale, ni une dynamique large de la puissance acoustique. Dans cette thèse, nous avons tout d’abord nous avons créé un modèle direct discret de la puissance acoustique qui devient alors à la fois linéaire et déterminé pour les puissances acoustiques. Et nous ajoutons les erreurs de mesures que nous décomposons en trois parties : le bruit de fond du réseau de capteurs, l’incertitude du modèle causée par les propagations à multi-trajets et les erreurs d’approximation de la modélisation. Pour la résolution du problème inverse, nous avons tout d’abord proposé une approche d’hyper-résolution en utilisant une contrainte de parcimonie, de sorte que nous pouvons obtenir une plus haute résolution spatiale robuste à aux erreurs de mesures à condition que le paramètre de parcimonie soit estimé attentivement. Ensuite, afin d’obtenir une dynamique large et une plus forte robustesse aux bruits, nous avons proposé une approche basée sur une inférence bayésienne avec un a priori parcimonieux. Toutes les variables et paramètres inconnus peuvent être estimées par l’estimation du maximum a posteriori conjoint (JMAP). Toutefois, le JMAP souffrant d’une optimisation non-quadratique d’importants coûts de calcul, nous avons cherché des solutions d’accélération algorithmique: une approximation du modèle direct en utilisant une convolution 2D avec un noyau invariant. Grâce à ce modèle, nos approches peuvent être parallélisées sur des Graphics Processing Unit (GPU) . Par ailleurs, nous avons affiné notre modèle statistique sur 2 aspects : prise en compte de la non stationarité spatiale des erreurs de mesures et la définition d’une loi a priori pour les puissances renforçant la parcimonie en loi de Students-t. Enfin, nous ont poussé à mettre en place une Approximation Variationnelle Bayésienne (VBA). Cette approche permet non seulement d’obtenir toutes les estimations des inconnues, mais aussi de fournir des intervalles de confiance grâce aux paramètres cachés utilisés par les lois de Students-t. Pour conclure, nos approches ont été comparées avec des méthodes de l’état-de-l’art sur des données simulées, réelles (provenant d’essais en soufflerie chez Renault S2A) et hybrides. / Acoustic imaging is an advanced technique for acoustic source localization and power reconstruction using limited measurements at microphone sensor array. This technique can provide meaningful insights into performances, properties and mechanisms of acoustic sources. It has been widely used for evaluating the acoustic influence in automobile and aircraft industries. Acoustic imaging methods often involve in two aspects: a forward model of acoustic signal (power) propagation, and its inverse solution. However, the inversion usually causes a very ill-posed inverse problem, whose solution is not unique and is quite sensitive to measurement errors. Therefore, classical methods cannot easily obtain high spatial resolutions between two close sources, nor achieve wide dynamic range of acoustic source powers. In this thesis, we firstly build up a discrete forward model of acoustic signal propagation. This signal model is a linear but under-determined system of equations linking the measured data and unknown source signals. Based on this signal model, we set up a discrete forward model of acoustic power propagation. This power model is both linear and determined for source powers. In the forward models, we consider the measurement errors to be mainly composed of background noises at sensor array, model uncertainty caused by multi-path propagation, as well as model approximating errors. For the inverse problem of the acoustic power model, we firstly propose a robust super-resolution approach with the sparsity constraint, so that we can obtain very high spatial resolution in strong measurement errors. But the sparsity parameter should be carefully estimated for effective performance. Then for the acoustic imaging with large dynamic range and robustness, we propose a robust Bayesian inference approach with a sparsity enforcing prior: the double exponential law. This sparse prior can better embody the sparsity characteristic of source distribution than the sparsity constraint. All the unknown variables and parameters can be alternatively estimated by the Joint Maximum A Posterior (JMAP) estimation. However, this JMAP suffers a non-quadratic optimization and causes huge computational cost. So that we improve two following aspects: In order to accelerate the JMAP estimation, we investigate an invariant 2D convolution operator to approximate acoustic power propagation model. Owing to this invariant convolution model, our approaches can be parallelly implemented by the Graphics Processing Unit (GPU). Furthermore, we consider that measurement errors are spatially variant (non-stationary) at different sensors. In this more practical case, the distribution of measurement errors can be more accurately modeled by Students-t law which can express the variant variances by hidden parameters. Moreover, the sparsity enforcing distribution can be more conveniently described by the Student's-t law which can be decomposed into multivariate Gaussian and Gamma laws. However, the JMAP estimation risks to obtain so many unknown variables and hidden parameters. Therefore, we apply the Variational Bayesian Approximation (VBA) to overcome the JMAP drawbacks. One of the fabulous advantages of VBA is that it can not only achieve the parameter estimations, but also offer the confidential interval of interested parameters thanks to hidden parameters used in Students-t priors. To conclude, proposed approaches are validated by simulations, real data from wind tunnel experiments of Renault S2A, as well as the hybrid data. Compared with some typical state-of-the-art methods, the main advantages of proposed approaches are robust to measurement errors, super spatial resolutions, wide dynamic range and no need for source number nor Signal to Noise Ration (SNR) beforehand.

Au cours de ce travail de thèse expérimental, nous nous sommes intéressés à l’étude de la localisation nucléaire et nucléolaire de la protéine de la nucléocapside (NC) du VIH-1. Des études antérieures menées au laboratoire avaient mis en évidence une très forte accumulation de la NC dans les nucléoles. Ce compartiment nucléaire est connu pour être ciblé par de nombreux virus afin de promouvoir leur réplication. Des expériences de microscopie électronique avaient révélé la structure complexe du nucléole et montré qu’il est composé de trois sous-compartiments : les centres fibrillaires, le compartiment fibrillaire dense et le compartiment granulaire dans lesquels se déroule la synthèse des ribosomes. Afin de caractériser la localisation de la NC dans ces trois sous-compartiments, nous avons développé une approche de microscopie optique à haute résolution permettant d’obtenir des images à deux couleurs avec une résolution spatiale améliorée. Pour cela, nous avons mis au point un protocole qui permet d’utiliser simultanément une protéine fluorescente photocommutable et un fluorophore organique introduit par immunomarquage. Après avoir minimisé les aberrations optiques et corrigé les dérives mécaniques inhérentes au montage, nous avons visualisé simultanément la localisation de la NC surexprimée dans des cellules HeLa avec des marqueurs spécifiques des trois sous-compartiments nucléolaires (immunomarquage). La microscopie de fluorescence à haute résolution a permis de résoudre pour la première fois les différents compartiments et de montrer que la NC se localise préférentiellement dans le compartiment granulaire. Finalement, des expériences préliminaires avec des cellules vivantes ont permis de mettre en évidence que la NC est transportée de manière active dans le noyau et qu’elle pourrait interagir directement avec des protéines nucléolaires / During this experimental thesis work, we investigated the nuclear and nucleolar localization of the nucleocapsid protein (NC) of HIV-1. Previous studies performed in our laboratory evidenced a strong accumulation of NC in a subnuclear structure called nucleolus. Playing role in multiple cellular processes, nucleolus is often targeted by viruses to promote their replication. Electron microscopy revealed three nucleolar components (fibrillar centers, dense fibrillar component and granular component) associated to specific steps of the ribosome biogenesis. To characterize the distribution of the NC in these three sub-compartments and therefore shed light on the nucleolar localization of NC during the replication cycle, we developed a high-resolution optical microscopy approach. After having minimized the optical aberrations and corrected the mechanical drifts inherent to the imaging setup, the NC-mEos2 fusion protein overexpressed in HeLa cells was visualized simultaneously with immunolabeled nucleolar markers. The use of high-resolution fluorescence microscopy enabled us to resolve for the first time the three nucleolar compartments and to demonstrate the preferential localization of NC in the granular compartment of nucleolus. Finally, preliminary experiments performed with living cells showed that NC is actively transported in the nucleus and therefore may interact directly with nucleolar proteins.

Mes travaux de thèse portent sur l’application de la théorie de l’échantillonnagecompressif (Compressed Sensing ou Compressive Sampling, CS) à la microscopie defluorescence, domaine en constante évolution et outil privilégié de la recherche fondamentaleen biologie. La récente théorie du CS a démontré que pour des signauxparticuliers, dits parcimonieux, il est possible de réduire la fréquence d’échantillonnagede l’information à une valeur bien plus faible que ne le prédit la théorie classiquede l’échantillonnage. La théorie du CS stipule qu’il est possible de reconstruireun signal, sans perte d’information, à partir de mesures aléatoires fortement incomplèteset/ou corrompues de ce signal à la seule condition que celui-ci présente unestructure parcimonieuse.Nous avons développé une approche expérimentale inédite de la théorie du CSà la microscopie de fluorescence, domaine où les signaux sont naturellement parcimonieux.La méthode est basée sur l’association d’une illumination dynamiquestructurée à champs large et d’une détection rapide à point unique. Cette modalitépermet d’inclure l’étape de compression pendant l’acquisition. En outre, nous avonsmontré que l’introduction de dimensions supplémentaires (2D+couleur) augmentela redondance du signal, qui peut être pleinement exploitée par le CS afin d’atteindredes taux de compression très importants.Dans la continuité de ces travaux, nous nous sommes intéressés à une autre applicationdu CS à la microscopie de super résolution, par localisation de moléculesindividuelles (PALM/STORM). Ces nouvelles techniques de microscopie de fluorescenceont permis de s’affranchir de la limite de diffraction pour atteindre des résolutionsnanométriques. Nous avons exploré la possibilité d’exploiter le CS pour réduiredrastiquement les temps d’acquisition et de traitement.Mots clefs : échantillonnage compressif, microscopie de fluorescence, parcimonie,microscopie de super résolution, redondance, traitement du signal, localisation demolécules uniques, bio-imagerie / My PhD work deals with the application of Compressed Sensing (or CompressiveSampling, CS) in fluorescence microscopy as a powerful toolkit for fundamental biologicalresearch. The recent mathematical theory of CS has demonstrated that, for aparticular type of signal, called sparse, it is possible to reduce the sampling frequencyto rates well below that which the sampling theorem classically requires. Its centralresult states it is possible to losslessly reconstruct a signal from highly incompleteand/or inaccurate measurements if the original signal possesses a sparse representation.We developed a unique experimental approach of a CS implementation in fluorescencemicroscopy, where most signals are naturally sparse. Our CS microscopecombines dynamic structured wide-field illumination with fast and sensitive singlepointfluorescence detection. In this scheme, the compression is directly integratedin the measurement process. Additionally, we showed that introducing extra dimensions(2D+color) results in extreme redundancy that is fully exploited by CS to greatlyincrease compression ratios.The second purpose of this thesis is another appealing application of CS forsuper-resolution microscopy using single molecule localization techniques (e.g.PALM/STORM). This new powerful tool has allowed to break the diffraction barrierdown to nanometric resolutions. We explored the possibility of using CS to drasticallyreduce acquisition and processing times.

Particle Image Velocimetry (PIV) is a powerful technique to measure the velocity at many points in a flow simultaneously by performing correlation analysis on images of particles being transported by the flow. These images are acquired by illuminating the flow with two light pulses so that each particle appears once on each image. <p> The spatial resolution is an important parameter of this measuring system since it determines its ability to resolve features of interest in the flow. The super-resolution technique maximises the spatial resolution by augmenting the PIV analysis with a second pass that identifies specific particles and measures the distance between them. <p> The accuracy of the procedure depends on both the success with which the proper pairings are identified and the accuracy with which their centre-to-centre distance can be measured. This study presents an analysis of both the systematic uncertainty and random uncertainty associated with this process. The uncertainty is analysed as a function of several key parameters that define the quality of the image. The uncertainty analysis is performed by preparing 4000 member ensembles of simulated images with specific setpoints of each parameter. <p> It is shown that the systematic uncertainty is negligible compared to the random uncertainty for all conditions tested. Also, the image contrast and the selection of a threshold for the particle search are the most critical parameters influencing both success rate and uncertainty. It is also shown that high image intensities still yield accurate results. The search radius used by the super-resolution algorithm is shown to be a critical parameter also. By increasing the search radius, the success rate can be increased although this is accompanied by an increase in random uncertainty.

Particle Image Velocimetry (PIV) is a powerful technique to measure the velocity at many points in a flow simultaneously by performing correlation analysis on images of particles being transported by the flow. These images are acquired by illuminating the flow with two light pulses so that each particle appears once on each image. <p> The spatial resolution is an important parameter of this measuring system since it determines its ability to resolve features of interest in the flow. The super-resolution technique maximises the spatial resolution by augmenting the PIV analysis with a second pass that identifies specific particles and measures the distance between them. <p> The accuracy of the procedure depends on both the success with which the proper pairings are identified and the accuracy with which their centre-to-centre distance can be measured. This study presents an analysis of both the systematic uncertainty and random uncertainty associated with this process. The uncertainty is analysed as a function of several key parameters that define the quality of the image. The uncertainty analysis is performed by preparing 4000 member ensembles of simulated images with specific setpoints of each parameter. <p> It is shown that the systematic uncertainty is negligible compared to the random uncertainty for all conditions tested. Also, the image contrast and the selection of a threshold for the particle search are the most critical parameters influencing both success rate and uncertainty. It is also shown that high image intensities still yield accurate results. The search radius used by the super-resolution algorithm is shown to be a critical parameter also. By increasing the search radius, the success rate can be increased although this is accompanied by an increase in random uncertainty.

This thesis examines the concept of image self-similarity and provides solutions to various associated inverse problems such as resolution enhancement and missing fractal codes. In general, many real-world inverse problems are ill-posed, mainly because of the lack of existence of a unique solution. The procedure of providing acceptable unique solutions to such problems is known as regularization. The concept of image prior, which has been of crucial importance in image modelling and processing, has also been important in solving inverse problems since it algebraically translates to the regularization procedure. Indeed, much recent progress in imaging has been due to advances in the formulation and practice of regularization. This, coupled with progress in optimization and numerical analysis, has yielded much improvement in computational methods of solving inverse imaging problems. Historically, the idea of self-similarity was important in the development of fractal image coding. Here we show that the self-similarity properties of natural images may be used to construct image priors for the purpose of addressing certain inverse problems. Indeed, new trends in the area of non-local image processing have provided a rejuvenated appreciation of image self-similarity and opportunities to explore novel self-similarity-based priors. We first revisit the concept of fractal-based methods and address some open theoretical problems in the area. This includes formulating a necessary and sufficient condition for the contractivity of the block fractal transform operator. We shall also provide some more generalized formulations of fractal-based self-similarity constraints of an image. These formulations can be developed algebraically and also in terms of the set-based method of Projection Onto Convex Sets (POCS). We then revisit the traditional inverse problems of single frame image zooming and multi-frame resolution enhancement, also known as super-resolution. Some ideas will be borrowed from newly developed non-local denoising algorithms in order to formulate self-similarity priors. Understanding the role of scale and choice of examples/samples is also important in these proposed models. For this purpose, we perform an extensive series of numerical experiments and analyze the results. These ideas naturally lead to the method of self-examples, which relies on the regularity properties of natural images at different scales, as a means of solving the single-frame image zooming problem. Furthermore, we propose and investigate a multi-frame super-resolution counterpart which does not require explicit motion estimation among video sequences.

This thesis examines the concept of image self-similarity and provides solutions to various associated inverse problems such as resolution enhancement and missing fractal codes. In general, many real-world inverse problems are ill-posed, mainly because of the lack of existence of a unique solution. The procedure of providing acceptable unique solutions to such problems is known as regularization. The concept of image prior, which has been of crucial importance in image modelling and processing, has also been important in solving inverse problems since it algebraically translates to the regularization procedure. Indeed, much recent progress in imaging has been due to advances in the formulation and practice of regularization. This, coupled with progress in optimization and numerical analysis, has yielded much improvement in computational methods of solving inverse imaging problems. Historically, the idea of self-similarity was important in the development of fractal image coding. Here we show that the self-similarity properties of natural images may be used to construct image priors for the purpose of addressing certain inverse problems. Indeed, new trends in the area of non-local image processing have provided a rejuvenated appreciation of image self-similarity and opportunities to explore novel self-similarity-based priors. We first revisit the concept of fractal-based methods and address some open theoretical problems in the area. This includes formulating a necessary and sufficient condition for the contractivity of the block fractal transform operator. We shall also provide some more generalized formulations of fractal-based self-similarity constraints of an image. These formulations can be developed algebraically and also in terms of the set-based method of Projection Onto Convex Sets (POCS). We then revisit the traditional inverse problems of single frame image zooming and multi-frame resolution enhancement, also known as super-resolution. Some ideas will be borrowed from newly developed non-local denoising algorithms in order to formulate self-similarity priors. Understanding the role of scale and choice of examples/samples is also important in these proposed models. For this purpose, we perform an extensive series of numerical experiments and analyze the results. These ideas naturally lead to the method of self-examples, which relies on the regularity properties of natural images at different scales, as a means of solving the single-frame image zooming problem. Furthermore, we propose and investigate a multi-frame super-resolution counterpart which does not require explicit motion estimation among video sequences.

Parmi les méthodes de super-résolution, la microscopie par localisation de molécules uniques se distingue principalement par sa meilleure résolution réalisable en pratique mais aussi pour l’accès direct aux propriétés des molécules individuelles. Les données principales de la microscopie par localisation sont les coordonnées des fluorochromes, un type de données peu répandu en microscopie conventionnelle. Le développement de méthodes spéciales pour le traitement de ces données est donc nécessaire. J’ai développé les logiciels SharpViSu et ClusterViSu qui permettent d’effectuer les étapes de traitements les plus importantes, notamment une correction des dérives et des aberrations chromatiques, une sélection des événements de localisations, une reconstruction des données dans des images 2D ou dans des volumes 3D par le moyen de différentes techniques de visualisation, une estimation de la résolution à l’aide de la corrélation des anneaux de Fourier, et une segmentation à l’aide de fonctions K et L de Ripley. En plus, j’ai développé une méthode de segmentation de données de localisation en 2D et en 3D basée sur les diagrammes de Voronoï qui permet un clustering de manière automatique grâce à modélisation de bruit par les simulations Monte-Carlo. En utilisant les méthodes avancées de traitement de données, j’ai mis en évidence un clustering de la protéine CENP-A dans les régions centromériques des noyaux cellulaires et des transitions structurales de ces clusters au moment de la déposition de la CENP-A au début de la phase G1 du cycle cellulaire. / Among the super-resolution methods single-molecule localization microscopy (SMLM) is remarkable not only for best practically achievable resolution but also for the direct access to properties of individual molecules. The primary data of SMLM are the coordinates of individual fluorophores, which is a relatively rare data type in fluorescence microscopy. Therefore, specially adapted methods for processing of these data have to be developed. I developed the software SharpViSu and ClusterViSu that allow for most important data processing steps, namely for correction of drift and chromatic aberrations, selection of localization events, reconstruction of data in 2D images or 3D volumes using different visualization techniques, estimation of resolution with Fourier ring correlation, and segmentation using K- and L-Ripley functions. Additionally, I developed a method for segmentation of 2D and 3D localization data based on Voronoi diagrams, which allows for automatic and unambiguous cluster analysis thanks to noise modeling with Monte-Carlo simulations. Using advanced data processing methods, I demonstrated clustering of CENP-A in the centromeric regions of the cell nucleus and structural transitions of these clusters upon the CENP-A deposition in early G1 phase of the cell cycle.

Les changements des connections neuronales interviendraient dans la formation de la mémoire. J’ai développé de nouvelles approches basées sur l’imagerie photonique pour étudier (i) les interactions entre les microglies et les épines dendritiques, et (ii) le renouvellement des épines dans l’hippocampe in vivo. Ces deux phénomènes contribueraient au remodelage des circuits synaptiques intervenant dans la mémoire. (i) Les microglies sont impliquées dans de nouvelles fonctions en condition saine. J’ai examiné l’effet de la plasticité synaptique sur la dynamique morphologique des microglies, et sur leur interaction avec les épines. En combinant l’électrophysiologie et l’imagerie bi-photonique dans des tranches aigües de souris transgéniques, je démontre que la microglie intensifie son interaction physique avec les épines. Ainsi pour continuer l’étude de ces interactions et leur impact fonctionnel plus précisément, j’ai optimisé l’imagerie STED dans des tranches aigües. (ii) La plasticité structurale des épines est cruciale pour la mémoire, mais les connaissances à ce sujet dans l’hippocampe in vivo restent limitées. J’ai donc établi une technique d’imagerie chronique STED in vivo pour visualiser les épines dans l’hippocampe. Cette approche a révélé une densité double de celle reportée précédemment à l’aide de la microscopie bi-photonique. De plus j’ai observé un renouvellement des épines de 40% en 5 jours, représentant un taux important de remodelage synaptique dans l’hippocampe. Les approches d’imagerie super-résolutive permettent l’étude des interactions microglie-épine, et du renouvellement des épines hippocampiques avec une résolution inédite chez la souris vivante. / Activity-dependent changes in neuronal connectivity are thought to underlie learning and memory. I developed and applied novel high-resolution imaging-based approaches to study (i) microglia-spine interactions and (ii) the turnover of dendritic spines in the mouse hippocampus, which are both thought to contribute to the remodeling of synaptic circuits underlying memory formation. (i) Microglia have been implicated in a variety of novel tasks beyond their classic immune defensive roles. I examined the effect of synaptic plasticity on microglial morphological dynamics and interactions with spines, using a combination of electrophysiology and two-photon microscopy in acute brain slices. I demonstrated that microglia intensify their physical interactions with spines after the induction of hippocampal synaptic plasticity. To study these interactions and their functional impact in greater detail, I optimized and applied time-lapse STED imaging in acute brain slices. (ii) Spine structural plasticity is thought to underpin memory formation. Yet, we know very little about it in the hippocampus in vivo, which is the archetypical memory center of the mammalian brain. I established chronic in vivo STED imaging of hippocampal spines in the living mouse using a modified cranial window technique. The super-resolution approach revealed a spine density that was two times higher than reported in the two-photon literature, and a spine turnover of 40% over 5 days, indicating a high level of structural remodeling of hippocampal synaptic circuits. The developed super-resolution imaging approaches enable the examination of microglia-synapse interactions and dendritic spines with unprecedented resolution in the living brain (tissue).