Titre : Suivi des particules en biologie à l'aide de l'apprentissage machine
Présentateur : Jay Newby, University of Alberta; jnewby@ualberta.ca
Date : dimanche 13 juin 2021
Heure : 13h00 - 17h00 (HAE)
Résumé :
Il faut deux ingrédients de base pour le suivi des particules :
- des vidéos de microscopie de « particules » de taille nanométrique à micrométrique en suspension dans un fluide et
- un modèle stochastique du mouvement des particules.
Avec ces deux ingrédients, nous pouvons utiliser des méthodes d'apprentissage machine pour mieux comprendre les systèmes à l'échelle du micron. Le suivi des particules a de nombreuses applications en physique, chimie et biologie. Nous nous concentrerons principalement sur cette dernière. Quelques exemples de « particules » sont les perles synthétiques, les protéines fluorescentes génétiquement exprimées, les biopolymères, les virus et les bactéries. Le mouvement des petites particules dans un fluide est un processus stochastique. L'exemple classique en est le mouvement brownien, qui a été découvert à l'origine par l'observation de pollen en suspension dans l'eau. Une fois les vidéos par microscopie obtenues, la position de chaque particule est suivie dans le temps. Le résultat est un ensemble de traces de séries position-temps. Ces traces sont généralement utilisées pour déduire les propriétés du fluide. Le premier exemple découvert l’a été par observation d’un mouvement brownien. Le modèle stochastique le plus simple de mouvement brownien implique un seul paramètre, la diffusivité. La relation de Stokes-Einstein est une formule qui met en relation la diffusivité et la taille des particules avec la viscosité et la température du fluide. En microrhéologie de suivi des particules, le mouvement des particules est utilisé pour estimer la viscosité et les propriétés élastiques d'un fluide visco-élastique non newtonien. En biologie, de nombreuses nouvelles applications du suivi des particules commencent à émerger, grâce aux progrès de la microscopie, de l'apprentissage machine et des réseaux neuronaux. Retenons, par exemple, la caractérisation du mouvement bactérien actif de la salmonelle dans le mucus et la mesure de l'encombrement macromoléculaire dans le cytoplasme des cellules vivantes.
Connaissances nécessaires :
Cet atelier suppose une compréhension de base des probabilités et des processus stochastiques. Tous les projets demanderont un peu de programmation (les étudiants ayant des compétences complémentaires seront encouragés à former des équipes). Nous utiliserons principalement Python (mais R, Julia ou C++ pourraient également convenir). Les étudiants devront apporter un ordinateur portable ou une tablette équipée d'un clavier. Le seul logiciel requis est le navigateur internet Google Chrome avec un compte Gmail ou autre compte Google connecté.