Atelier du group de probabilité 2020

Titre: Suivi de particules en biologie par l’apprentissage machine
Facilitateur: Jay Newby (University of Alberta).
Durée: journée complète (9h00-16h00).


Description de l'atelier:

Le suivi de particules requiert deux ingrédients fondamentaux :

  1. des vidéos de microscopie de « particules » de taille nanométrique ou micrométrique suspendues dans un fluide et
  2. un modèle stochastique décrivant le mouvement des particules.

Avec ces deux ingrédients, nous pouvons employer des méthodes d’apprentissage machine pour mieux comprendre les systèmes à l’échelle du micron. Le suivi de particules connaît de nombreuses applications en physique, chimie et biologie. Nous explorerons tout particulièrement ce dernier domaine. Parmi les « particules », notons les billes synthétiques, les protéines fluorescentes génétiquement exprimées, les biopolymères, les virus et les bactéries. Le mouvement de petites particules dans un fluide est un processus stochastique.

 

L’exemple classique en est le mouvement brownien, initialement découvert lors de l’observation de pollen suspendu dans l’eau. Après obtention de vidéos de microscopie, la position de chaque particule est suivie dans le temps. Le résultat est un ensemble de traces de série position/temps. Les traces sont généralement utilisées pour déduire les propriétés du fluide.

 

Le premier exemple a été découvert par observation d’un mouvement brownien. Le modèle stochastique de mouvement brownien le plus simple n’inclut qu’un seul paramètre, la diffusivité. La relation de Stokes-Einstein relation est une formule qui établit une relation entre la diffusivité et la taille des particules, d’une part, et la viscosité et la température du fluide, de l’autre. En microrhéologie, on utilise le mouvement de particules pour estimer la viscosité et les propriétés élastiques d’un fluide viscoélastique non newtonien.

 

En biologie, on voit émerger de nombreuses nouvelles applications du suivi de particules, grâce aux progrès récents en microscopie, apprentissage machine et réseaux neuronaux. Citons la caractérisation du mouvement bactérien actif de la salmonelle dans le mucus et la mesure de l’encombrement macromoléculaire dans le cytoplasme de cellules vivantes.

 

Exigences
This workshop assumes a basic understanding of probability and stochastic processes. Some amount of programming will be
involved in all of the projects (students with complementary skills will be encouraged to form teams). We will primarily be
using Python (but R, Julia, or C++ might be ok too). Students will need to bring a laptop or tablet equipped with a keyboard.
The only required software is the Google Chrome internet browser with a Gmail or other Google account logged in.