Modélisation de deux aspects des gliomes de bas-grade : in vitro, l'agrégation de cellules et chez des patients, l'effet de la radiothérapie
Modeling two aspects of low-grade gliomas : in vitro cellular aggregation and clinical radiotherapy effect
par Léo ADENIS sous la direction de Mathilde BADOUAL
Thèse de doctorat en Physique. Physique théorique
ED 564 Physique en Île-de-France

Soutenue le vendredi 30 octobre 2020 à Université de Paris (2019-....)

Sujets
  • Algorithmes génétiques
  • Analyse numérique
  • Automates cellulaires
  • Cancérologie
  • Gliomes
  • Modèles mathématiques
  • Tests d'ajustement (statistique)
  • Tumeurs

Les thèses de doctorat soutenues à Université de Paris sont déposées au format électronique

Consultation de la thèse sur d’autres sites :

TEL (Version intégrale de la thèse (pdf))

Description en anglais
Description en français
Mots clés
Modélisation, Gliome de bas-grade
Resumé
Les gliomes de grade II ou supérieur sont des tumeurs actuellement incurables car des cellules tumorales migrent dans le tissu sain environnant, provoquant des récidives. La modélisation de l'évolution tumorale est une approche originale dont l'objectif est à terme de constituer une aide au médecin dans la prise en charge tumorale, en permettant de mieux comprendre ce système complexe qu'est une tumeur, et en obtenant des éléments de prédiction de son évolution, avec et sans traitement. Dans ce travail, nous avons réalisé des travaux théoriques sur les gliomes de bas-grade à deux échelles. La première partie de nos travaux a consisté en l'élaboration d'un automate cellulaire reproduisant la migration puis l'agrégation de cellules de gliomes in vitro. Avec des règles simples (prolifération, mouvement, adhésion, contraction) nous avons pu reproduire les résultats expérimentaux du suivi du nombre et de l'aire des agrégats en fonction du temps, sur deux substrats d'adhésion différente et avec deux lignées cellulaires.La deuxième partie a porté sur la conception et la validation d'un modèle de croissance tumeur à l'échelle d'un patient et de l'effet de la radiothérapie sur cette tumeur. Ce modèle est basé sur des équations aux dérivées partielles, décrivant les processus de prolifération, diffusion, endommagement par la radiothérapie et mort cellulaire. Nous avons développé un algorithme génétique d'ajustement automatique, et utilisé la méthode stochastique d'ajustement automatique CMA-ES, afin de reproduire l'évolution du rayon de gliomes de bas-grade diffus en fonction du temps, avant et après radiothérapie. Notre modèle a permis de reproduire la dynamique spatio-temporelle du gliome de chacun des 49 suivis de patient. Nous avons également testé les capacités prédictives de notre modèle.