Lorsqu'une tumeur grossit, elle exerce une pression sur les tissus environnants et est comprimée en retour. Des expériences sur un modèle de tumeur in vitro, appelé sphéroïde, ont montré que cette pression influence largement le devenir du tissu cancéreux, notamment en freinant sa croissance, mais aussi en le rendant plus invasif. Pour mieux comprendre ce dernier effet, nous avons cherché à étudier le comportement migratoire des cellules à l'intérieur d'un sphéroïde sous pression. Observer l'intérieur d'un sphéroïde pose cependant un problème technique car les méthodes usuelles d'imagerie ne sont pas utilisables dans des tissus épais (> 100 μm). L'imagerie classique étant limitée en profondeur à cause de la diffusion de la lumière, nous nous sommes tournés vers une méthode qui utilise justement celle-ci : la diffusion dynamique de lumière ou DLS (Dynamic Light Scattering). Nous avons développé son application à la migration cellulaire, afin d'obtenir la distribution des déplacements relatifs des cellules au cours du temps. Cette mesure est faite sans utiliser de marqueurs spécifiques et est applicable à des sphéroïdes allant jusqu'à 400 μm de diamètre. Nous avons ainsi mis en évidence une organisation radiale du sphéroïde en termes de mobilité, avec des cellules rapides en surface et plus lentes au centre. Nous avons aussi montré qu'en appliquant une contrainte au sphéroïde, la vitesse moyenne diminue jusqu'à être réduite de moitié pour des pressions supérieures à 15kPa. Une autre équipe a mesuré par ailleurs une augmentation de la vitesse des cellules en surface suite à une compression, ce qui indique que l'organisation radiale se retrouve dans la réponse à la pression. Nous avons montré que cette sensibilité à la pression est une propriété qui émerge de l'organisation 3D du tissu, dans laquelle la matrice extracellulaire joue un rôle primordial. Enfin, pour explorer les possibilités qu'offre notre technique, nous l'avons appliquée à une autre question : comment la migration des macrophages est-elle affectée par les signaux provenant de cellules apoptotiques ? Les résultats ont montré que les cellules apoptotiques précoces augmentent la vitesse des macrophages tandis que les cellules apoptotiques tardives la réduisent. D'un cas à l'autre, la longueur de persistance du mouvement est conservée. / As a tumor grows, it exerts a mechanical pressure on its surrounding tissue and is compressed back as a reaction. Recent experiments on an in vitro tumor model, called spheroid, have shown that this pressure is crucial for the fate of the cancerous tissue. In particular, the pressure slows down its growth, but makes it more invasive. To further understand the latter effect, we decided to study the migration of cells inside spheroids under pressure. However, imaging the inside of a spheroid is technically challenging as usual microscopy methods do not work on thick tissues (> 100 μm). Standard imaging methods are limited in terms of depth penetration because of light scattering. For this reason, we decided to take advantage of this scattered light with a method called Dynamic Light Scattering (DLS). We developed its application to cell migration in order to measure the distribution of cells displacements over time. The measurement is label-free and works with spheroids as thick as 400 μm in diameter. By this means, we revealed a radial organization inside the spheroid in terms of mobility, with fast cells at the surface and slower cells in the core. We also showed that applying a pressure onto spheroids decreases the average cell speed by a factor up to two for pressure greater than 15 kPa. Another team reported an increase in the speed of cells located at the surface of a compressed spheroid, which implies that the radial organization is also true for the impact of pressure. We demonstrated that this sensitivity to an external pressure is a 3D emergent property, in which the extracellular matrix plays an essential role. Finally, we explored the potential of our technique by addressing another question: how do apoptotic cells signals affect the migration of macrophages? We found that early apoptotic cells increase the speed of macrophages whereas late apoptotic cells decrease it. In both cases, the persistence length of the motion is the same.

Ce travail de recherche traite le problème inverse d’estimation de la distribution de tailles de particules (DTP) à partir des données de la diffusion dynamique de lumière (DLS). Les méthodes actuelles d’estimation souffrent de la mauvaise répétabilité des résultats d’estimation et de la faible capacité à séparer les composantes d’un échantillon multimodal de particules. L’objectif de cette thèse est de développer de nouvelles méthodes plus performantes basées sur les techniques d’inférence bayésienne et cela en exploitant la diversité angulaire des données de la DLS. Nous avons proposé tout d’abord une méthode non paramétrique utilisant un modèle « free-form » mais qui nécessite une connaissance a priori du support de la DTP. Pour éviter ce problème, nous avons ensuite proposé une méthode paramétrique fondée sur la modélisation de la DTP en utilisant un modèle de mélange de distributions gaussiennes. Les deux méthodes bayésiennes proposées utilisent des algorithmes de simulation de Monte-Carlo par chaînes de Markov. Les résultats d’analyse de données simulées et réelles montrent la capacité des méthodes proposées à estimer des DTPs multimodales avec une haute résolution et une très bonne répétabilité. Nous avons aussi calculé les bornes de Cramér-Rao du modèle de mélange de distributions gaussiennes. Les résultats montrent qu’il existe des valeurs d’angles privilégiées garantissant des erreurs minimales sur l’estimation de la DTP. / This research work treats the inverse problem of particle size distribution (PSD) estimation from dynamic light scattering (DLS) data. The current DLS data analysis methods have bad estimation results repeatability and poor ability to separate the components (resolution) of a multimodal sample of particles. This thesis aims to develop new and more efficient estimation methods based on Bayesian inference techniques by taking advantage of the angular diversity of the DLS data. First, we proposed a non-parametric method based on a free-form model with the disadvantage of requiring a priori knowledge of the PSD support. To avoid this problem, we then proposed a parametric method based on modelling the PSD using a Gaussian mixture model. The two proposed Bayesian methods use Markov chain Monte Carlo simulation algorithms. The obtained results, on simulated and real DLS data, show the capability of the proposed methods to estimate multimodal PSDs with high resolution and better repeatability. We also computed the Cramér-Rao bounds of the Gaussian mixture model. The results show that there are preferred angle values ensuring minimum error on the PSD estimation.