L'analyse automatique de différences anatomiques en neuroimagerie a de nombreuses applications pour la compréhension et l'aide au diagnostic de pathologies neurologiques. Récemment, il y a eu un intérêt croissant pour les méthodes de classification telles que les machines à vecteurs supports pour dépasser les limites des méthodes univariées traditionnelles. Cette thèse a pour thème l'apprentissage automatique pour l'analyse de populations et la classification de patients en neuroimagerie. Nous avons tout d'abord comparé les performances de différentes stratégies de classification, dans le cadre de la maladie d'Alzheimer à partir d'images IRM anatomiques de 509 sujets de la base de données ADNI. Ces différentes stratégies prennent insuffisamment en compte la distribution spatiale des \textit{features}. C'est pourquoi nous proposons un cadre original de régularisation spatiale et anatomique des machines à vecteurs supports pour des données de neuroimagerie volumiques ou surfaciques, dans le formalisme de la régularisation laplacienne. Cette méthode a été appliquée à deux problématiques cliniques: la maladie d'Alzheimer et les accidents vasculaires cérébraux. L'évaluation montre que la méthode permet d'obtenir des résultats cohérents anatomiquement et donc plus facilement interprétables, tout en maintenant des taux de classification élevés. / Brain image analyses have widely relied on univariate voxel-wise methods. In such analyses, brain images are first spatially registered to a common stereotaxic space, and then mass univariate statistical tests are performed in each voxel to detect significant group differences. However, the sensitivity of theses approaches is limited when the differences involve a combination of different brain structures. Recently, there has been a growing interest in support vector machines methods to overcome the limits of these analyses.This thesis focuses on machine learning methods for population analysis and patient classification in neuroimaging. We first evaluated the performances of different classification strategies for the identification of patients with Alzheimer's disease based on T1-weighted MRI of 509 subjects from the ADNI database. However, these methods do not take full advantage of the spatial distribution of the features. As a consequence, the optimal margin hyperplane is often scattered and lacks spatial coherence, making its anatomical interpretation difficult. Therefore, we introduced a framework to spatially regularize support vector machines for brain image analysis based on Laplacian regularization operators. The proposed framework was then applied to the analysis of stroke and of Alzheimer's disease. The results demonstrated that the proposed classifier generates less-noisy and consequently more interpretable feature maps with no loss of classification performance.

Nous abordons le développement d'une nouvelle génération de méthodes numériques pour la résolution des EDP évolutives qui modélisent des phénomènes multi-échelles en temps et en espace issus de divers domaines applicatifs. La raideur associée à ce type de problème, que ce soit via le terme source chimique qui présente un large spectre d'échelles de temps caractéristiques ou encore via la présence de fort gradients très localisés associés aux fronts de réaction, implique en général de sévères difficultés numériques. En conséquence, il s'agit de développer des méthodes qui garantissent la précision des résultats en présence de forte raideur en s'appuyant sur des outils théoriques solides, tout en permettant une implémentation aussi efficace. Même si nous étendons ces idées à des systèmes plus généraux par la suite, ce travail se focalise sur les systèmes de réaction-diffusion raides. La base de la stratégie numérique s'appuie sur une décomposition d'opérateur spécifique, dont le pas de temps est choisi de manière à respecter un niveau de précision donné par la physique du problème, et pour laquelle chaque sous-pas utilise un intégrateur temporel d'ordre élevé dédié. Ce schéma numérique est ensuite couplé à une approche de multirésolution spatiale adaptative permettant une représentation de la solution sur un maillage dynamique adapté. L'ensemble de cette stratégie a conduit au développement du code de simulation générique 1D/2D/3D académique MBARETE de manière à évaluer les développements théoriques et numériques dans le contexte de configurations pratiques raides issue de plusieurs domaines d'application. L'efficacité algorithmique de la méthode est démontrée par la simulation d'ondes de réaction raides dans le domaine de la dynamique chimique non-linéaire et dans celui de l'ingénierie biomédicale pour la simulation des accidents vasculaires cérébraux caractérisée par un terme source "chimique complexe''. Pour étendre l'approche à des applications plus complexes et plus fortement instationnaires, nous introduisons pour la première fois une technique de séparation d'opérateur avec pas de temps adaptatif qui permet d'atteindre une précision donnée garantie malgré la raideur des EDP. La méthode de résolution adaptative en temps et en espace qui en résulte, étendue au cas convectif, permet une description consistante de problèmes impliquant une très large palette d'échelles de temps et d'espace et des scénarios physiques très différents, que ce soit la propagation des décharges répétitives pulsées nanoseconde dans le domaine des plasmas ou bien l'allumage et la propagation de flammes dans celui de la combustion. L'objectif de la thèse est l'obtention d'un solveur numérique qui permet la résolution des EDP raides avec contrôle de la précision du calcul en se basant sur des outils d'analyse numérique rigoureux, et en utilisant des moyens de calculs standard. Quelques études complémentaires sont aussi présentées comme la parallélisation temporelle, des techniques de parallélisation à mémoire partagée et des outils de caractérisation mathématique des schémas de type séparation d'opérateur.

Les mécanismes de type prion sont désormais reconnus comme sous-tendant la plupart des maladies neurodégénératives humaines, avec en premier lieu la maladie d’Alzheimer (MA) au niveau de ses 2 marqueurs spécifiques, l’amyloïde β (Aβ à l’origine de l’hypothèse étiopathogénique de la cascade amyloïde) et la protéine Tau phosphorylée. Par ailleurs la protéine du prion (PrPC) est décrite comme interagissant à de multiples niveaux avec le métabolisme de l’Aβ sans que les mécanismes physiopathologiques sous-jacents n’aient pu être expliqués. Pour sortir de l’impasse actuelle concernant le développement d’approches thérapeutiques efficaces pour la MA, l’industrie pharmaceutique a besoin de modèles expérimentaux innovants. En effet, à ce jour aucun modèle in vivo, en dépit des progrès réalisés avec les souris transgéniques, n’arrive à refléter la complexité cérébrale humaine ni à mimer une MA clinique. Les cultures in vitro en 2D sont quant à elles très éloignées des situations conduisant à l’accumulation d’agrégats protéiques pathologiques. Le but de notre thèse a été d’utiliser dans le domaine des neurosciences les nouvelles perspectives de recherche ouvertes par les technologies des cellules souches pluripotentes induites (cellules iPS) en développant un modèle de différentiation en 3D pour obtenir des organoïdes cérébraux humains (OC) (mini cerveaux). Leur capacité d’auto-organisation en 3D de tissu neuroectodermique nous a permis de recréer un système complexe mimant différentes structures cérébrales humaines dans lesquelles nous avons pu caractériser les marqueurs attendus. L’étude de l’expression des protéines d’intérêt APP et PrPC pendant la différentiation neurale a permis de caractériser la modulation des niveaux des deux protéines en fonction du temps de culture. Afin d’orienter le modèle vers des mécanismes d’accumulation protéique de type MA, nous avons testé différents inducteurs chimiques dont l’Aftin-5 qui est capable de moduler les voies post-traductionnelles de l’APP. Plusieurs stratégies de traitement ont été adoptées pour induire le clivage de l’APP et la génération d’Aβ. La production des fragments solubles Aβ38, Aβ40, Aβ42 a été mise en évidence par ELISA. Les niveaux générés sont reproductibles et l’augmentation du ratio Aβ42/Aβ40 est cohérente avec les données extrapolées des modèles murins et humains, ce qui a permis de valider notre modèle. Les niveaux d’expression génique et protéique de PrPC et de APP suite au traitement ont été analysés afin de mieux déterminer le rôle de l’interaction entre ces deux facteurs. L’objectif à long terme consiste à améliorer ce modèle, dont les limites actuelles sont notamment l’absence de vascularisation et le niveau de maturation du tissu neural. Le défi majeur dans le cadre de la culture des OC consiste donc à favoriser l’intégration du système vasculaire, et par ailleurs à accélérer le vieillissement in vitro pour l’étude de maladies neurodégénératives. La perspective de pouvoir automatiser le système de culture des OC permet d’envisager l’utilisation de ce modèle à plus grande échelle dans le cadre de test de cytotoxicité et/ou de criblage pharmacologique à haut débit pour identifier de nouvelles molécules thérapeutiques pour la MA. / Prion-like mechanisms are known to underlie most of human neurodegenerative diseases including Alzheimer’s disease (AD), which is characterized by two important pathological markers, β amyloid (or Aβ at the origin of the etiopathogenic amyloid cascade hypothesis) and phosphorylated tau protein. Furthermore, the prion protein (PrPC) interacts at multiple levels with the metabolism of Aβ, by mechanisms which are not well understood. To overcome the current limits in the development of efficient strategies to treat AD, the pharmaceutical industry requires innovative experimental models. However, even if a lot of progress has been achieved by using transgenic mouse models, to date no in vivo model can reflect the complexity of human brain or reproduce a clinical context. 2D in vitro cell culture models are unable to allow the aggregation and accumulation of pathological proteins as observed in vivo. The aim of this study consists in taking advantage of the research prospects offered by induced pluripotent stem cell (iPSCs) in the field of neurosciences. iPSCs can be used to generate 3D models of differentiation also called human cerebral organoids or mini-brains (MBs). Their ability to self-organise in 3D neuroectodermic tissue leds to a complex system that mimics different human cerebral structures in which we were able to characterize the expected markers. The study of the two proteins of interest (APP and PrPC) during neural differentiation has allowed us to follow the modulation of protein expression level occurring during the in vitro development of the human MBs. In order to use this model to reproduce the protein accumulation mechanisms seen in AD, we have tested chemical inductors such as Aftin-5 in order to modulate the APP post-transcriptional pathway towards a pathological outcome. Many strategies of treatment are adopted to lead APP cleavage and Aβ generation. The production of soluble fragments Aβ38, Aβ40, Aβ42 in the supernatant of organoids has been showed using ELISA technique. The levels generated are reproducible and the increase of Aβ42/Aβ40 ratio is consistent with extrapolated data from mouse and human models thus validating our model. Analysis at the gene and protein level has been assessed in order to understand the interaction between PrPC and APP after treatment. The long-term goal consists in improving this model which is notably hampered by the absence of vascularization and the low level of maturation of the neural tissue. The main challenge in MB culture thus consists in the integration of the vascular system, and also in increasing the speed of ageing process in vitro for the study of neurodegenerative diseases. In the long term, the prospect of automating the culture of MBs would allow the use of the system for cytotoxicity testing and/or high throughput screening for the discovery of new drugs for AD.