La microscopie par fluorescence de cellules vivantes produit de grandes quantités de
données. Ces données sont composées d’une grande diversité au niveau de la forme des
objets d’intérêts et possèdent un ratio signaux/bruit très bas. Pour concevoir un pipeline
d’algorithmes efficaces en traitement d’image de microscopie par fluorescence, il
est important d’avoir une segmentation robuste et fiable étant donné que celle-ci constitue
l’étape initiale du traitement d’image. Dans ce mémoire, je présente MinSeg, un
algorithme de segmentation d’image de microscopie par fluorescence qui fait peu d’assomptions
sur l’image et utilise des propriétés statistiques pour distinguer le signal par
rapport au bruit. MinSeg ne fait pas d’assomption sur la taille ou la forme des objets
contenus dans l’image. Par ce fait, il est donc applicable sur une grande variété d’images.
Je présente aussi une suite d’algorithmes pour la quantification de petits complexes dans
des expériences de microscopie par fluorescence de molécules simples utilisant l’algorithme
de segmentation MinSeg. Cette suite d’algorithmes a été utilisée pour la quantification
d’une protéine nommée CENP-A qui est une variante de l’histone H3. Par cette
technique, nous avons trouvé que CENP-A est principalement présente sous forme de
dimère. / Live-cell fluorescence microscopy produces high amounts of data with a high variability
in shapes at low signal-to-noise ratio. An efficient design of image analysis
pipelines requires a reliable and robust initial segmentation step that needs little parameter
fine-tuning. Here, I present a segmentation algorithm called MinSeg for fluorescence
image data that relies on minimal assumptions about the image, and uses statistical considerations
to distinguish signal from background. More importantly, the algorithm does
not make assumptions about feature size or shape, and is thus universally applicable. I
also present a pipeline for the quantification of small complexes with single-molecule
fluorescence microscopy using this segmentation algorithm as the first step of the workflow.
This pipeline was used for the quantification of a small histone H3 variant protein
called CENP-A. We found that the CENP-A nucleosomes are dimers.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/11741 |
| Date | 12 1900 |
| Creators | Boisvert, Jacques |
| Contributors | Maddox, Paul, Lemieux, Sébastien |
| Source Sets | Université de Montréal |
| Language | English |
| Detected Language | French |
| Type | Thèse ou Mémoire numérique / Electronic Thesis or Dissertation |
Page generated in 0.0023 seconds