Projet HisToGRaM – Inserm

Durée : 4 ans, à compter de septembre 2026

Porteur du projet : Étienne Birmelé – Université de Strasbourg

Page personnelle d’Étienne Birmelé

Équipes partenaires

• IRMAR – Responsable : Étienne Birmelé

• Centre de Recherche sur l’Inflammation – Responsable : Rémy Nicolle

• LMPA Joseph Liouville – Responsable : Nicolas Chenavier

Membres impliqués au LMPA : Nicolas Chenavier et Cheikh Mbacké Seye

Contexte scientifique

L’histologie étudie l’organisation des tissus et permet ainsi de faire le lien entre les échelles cellulaire et organique. Lorsqu’on compare des tissus similaires provenant de deux conditions différentes, il est essentiel de déterminer si ces différences se traduisent par des caractéristiques histologiques distinctes. L’enjeu est double : mieux comprendre les mécanismes biologiques sous-jacents et permettre la classification de nouveaux échantillons.

À l’heure actuelle, ces comparaisons reposent encore largement sur des analyses manuelles. Le développement d’un outil statistique permettant d’automatiser l’histologie différentielle constituerait donc une avancée méthodologique importante.

D’un point de vue mathématique, les données histologiques peuvent être représentées par des ensembles de points dans le plan, chaque point correspondant à une cellule et étant associé à différentes caractéristiques — type cellulaire, morphologie ou profil transcriptomique. Les données correspondant à une même condition peuvent ainsi être modélisées comme des réalisations d’un processus ponctuel marqué, dont les paramètres dépendent de la condition étudiée.

Le problème consiste alors à distinguer différents types ou paramétrages de processus ponctuels et à identifier les statistiques les plus pertinentes pour mettre en évidence les différences entre conditions.

Description du projet

Le projet HisToGRaM vise à étudier et à combiner trois grandes familles de statistiques permettant de caractériser l’organisation spatiale des tissus :

• l’analyse topologique des données ;

• l’analyse de graphes, notamment à travers le comptage de motifs ;

• l’analyse des valeurs extrêmes.

Ces travaux nécessiteront à la fois des développements théoriques et des avancées computationnelles, en particulier dans le domaine de l’inférence fondée sur des simulations.

Des données réelles issues de tissus de cancers du pancréas seront utilisées afin de développer les méthodes au plus près des problématiques biologiques. Elles permettront également d’évaluer les approches proposées en matière d’interprétabilité et de capacité de classification des tissus.

Résultats attendus

L’objectif principal du projet est de développer une méthode permettant de réaliser automatiquement des analyses d’histologie différentielle, puis de mettre les outils informatiques correspondants à la disposition de la communauté scientifique.

Le projet devrait également conduire :

• à de nouveaux résultats en mathématiques théoriques, notamment sur les processus ponctuels, la topologie des données, les graphes et les valeurs extrêmes ;

• au développement de nouvelles méthodes statistiques et computationnelles pour l’analyse de données histologiques ;

• à une meilleure caractérisation de tissus d’adénocarcinomes du pancréas et de leur organisation spatiale.