De nos jours, on attribue une myriade d’effets bénéfiques aux polyphénols alimentaires. Ces affirmations reposent la plupart du temps sur des études in vitro, sur quelques études in vivo et presque jamais sur des essais cliniques. On se rend compte de plus en plus que l’intérêt des polyphénols ne résiderait pas uniquement dans leur pouvoir antioxydant mais également dans leur capacité à cibler de multiples cibles moléculaires comme l’inflammation. De plus, de nombreuses études commencent à prendre en compte la biodisponibilité des polyphénols dans l’organisme et leur interaction avec le microbiote intestinal. C’est pourquoi en plus de nous intéresser à deux polyphénols issus de la Pomme-grenade, nous nous sommes intéressés à deux de leurs dérivés métaboliques. Pratiquement aucune étude ne s’était penchée sur l’effet de ces molécules dans un contexte de maladies neuro-dégénératives. Pour se faire, nous avons testé la punicalagine, l’acide ellagique, l’urolithin A et l’urolithin B sur des modèles C. elegans de la SLA et de la maladie de Huntington qui présentaient des phénotypes moteurs, de la neuro-dégénérescence et de l’inflammation. Enfin, nous avons utilisé un modèle de souris ayant subi une axotomie du nerf optique pour confirmer le pouvoir neuro-protecteur de l’urolithin A. Nos résultats ont montré que ces composés dans des proportions différentes étaient en mesure de réduire la toxicité neuronale de protéines liées à la SLA et HD et ainsi diminuer les niveaux de paralysie et de neuro-dégénérescence de nos modèles C. elegans. En parallèle, nous avons observé que cette neuro-protection se faisait au travers une diminution de l’inflammation et pour l’urolithin A une amélioration de la morphologie des mitochondries via la mitophagie. En dernier, nous avons constaté que l’urolithin A était en mesure de promouvoir la survie neuronale chez la souris à la suite d’une lésion du nerf optique. Pour conclure, cette étude par son approche in vivo de multiples maladies neuro-dégénératives renforce les preuves existantes de l’effet bénéfique de la consommation de Pomme-grenade et encourage l’utilisation pharmacologique de l’urolithin A. / Nowadays, a myriad of beneficial effects is attributed to dietary polyphenols. Most of these claims are based on in vitro studies, some in vivo studies, and almost never on clinical trials. It is increasingly realized that the interest of polyphenols does not only lie in their antioxidant power but also in their ability to target multiple molecular pathways such as inflammation. In addition, many studies are beginning to take into account the bioavailability of polyphenols in the body and their interaction with the gut microbiota. That's why in addition to two polyphenols from Pomegranate, we looked at two of their metabolic derivatives. Almost no study has examined the effect of these molecules in the context of neurodegenerative diseases. To do this, we tested punicalagin, ellagic acid, urolithin A and urolithin B on C. elegans models of ALS and Huntington's disease that had motor phenotypes, neurodegeneration and inflammation. Furthermore, we used a mouse model that underwent an axotomy of the optic nerve to confirm the neuroprotective power of urolithin A. Our results showed that these compounds in different proportions were able to reduce the neuronal toxicity of proteins. related to ALS and HD and thus decrease the levels of paralysis and neuro-degeneration of our C. elegans models. In parallel, we observed that this neuroprotection was done through a reduction of the inflammation and for urolithin A an improvement of the morphology of mitochondria via mitophagy. Lastly, we found that urolithin A was able to promote neuronal survival in mice as a result of optic nerve injury. To conclude, this study by its in vivo approach to multiple neuro-degenerative diseases reinforces existing evidence of the beneficial effect of pomegranate consumption and encourages the pharmacological use of urolithin A.

Cette thèse est motivée par le diagnostic et l’évaluation des maladies neuro-dégénératives et dans le but de diagnostique sur la base de l’attention visuelle.Néanmoins, le dépistage à grande échelle de la population n’est possible que si des modèles de prédiction automatique suffisamment robustes peuvent être construits. Dans ce contexte nous nous intéressons `a la conception et le développement des modèles de prédiction automatique pour un contenu visuel spécifique à utiliser dans l’expérience psycho-visuelle impliquant des patients atteints des maladies neuro-dégénératives. La difficulté d’une telle prédiction réside dans une très faible quantité de données d’entraînement. Les modèles de saillance visuelle ne peuvent pas être fondés sur les caractérisitiques “bottom-up” uniquement, comme le suggère la théorie de l’intégration des caractéristiques. La composante “top-down” de l’attention visuelle humaine devient prépondérante au fur et à mesure d’observation de la scène visuelle. L’attention visuelle peut-être prédite en se basant sur les scènes déjà observées. Les réseaux de convolution profonds (CNN) se sont révèlés être un outil puissant pour prédire les zones saillantes dans les images statiques.Dans le but de construire un modèle de prédiction automatique pour les zones saillantes dans les vidéos naturels et intentionnellement dégradées, nous avons conçu une architecture spécifique de CNN profond. Pour surmonter le manque de données d’apprentissage,nous avons conçu un système d’apprentissage par transfert dérivé de la méthode de Bengio.Nous mesurons ses performances lors de la prédiction de régions saillantes. Les r´esultatsobtenus sont int´eressants concernant la r´eaction des sujets t´emoins normaux contre leszones d´egrad´ees dans les vid´eos. La comparaison de la carte de saillance pr´edite des vid´eosintentionnellement d´egrad´ees avec des cartes de densit´e de fixation du regard et d’autresmod`eles de r´ef´erence montre l’int´erˆet du mod`ele d´evelopp´e. / This thesis is motivated by the diagnosis and the evaluation of the dementia diseasesand with the aim of predicting if a new recorded gaze presents a complaint of thesediseases. Nevertheless, large-scale population screening is only possible if robust predictionmodels can be constructed. In this context, we are interested in the design and thedevelopment of automatic prediction models for specific visual content to be used in thepsycho-visual experience involving patients with dementia (PwD). The difficulty of sucha prediction lies in a very small amount of training data.Visual saliency models cannot be founded only on bottom-up features, as suggested byfeature integration theory. The top-down component of human visual attention becomesprevalent as human observers explore the visual scene. Visual saliency can be predictedon the basis of seen data. Deep Convolutional Neural Networks (CNN) have proven tobe a powerful tool for prediction of salient areas in static images. In order to constructan automatic prediction model for the salient areas in natural and intentionally degradedvideos, we have designed a specific CNN architecture. To overcome the lack of learningdata we designed a transfer learning scheme derived from bengio’s method. We measureits performances when predicting salient regions. The obtained results are interestingregarding the reaction of normal control subjects against degraded areas in videos. Thepredicted saliency map of intentionally degraded videos gives an interesting results comparedto gaze fixation density maps and other reference models.