These 2013 1

Contexte :

La gaine de myéline est une membrane lipoprotéique qui entoure l'axone. Son rôle principal est de faciliter la transmission des signaux nerveux au niveau du système nerveux central. La myéline a également le rôle de protéger les cellules nerveuses, formant un revêtement qui entoure leur surface. Dans la plupart des cas, la destruction de la myéline (démyélinisation) génère une large gamme de dysfonctionnements du système nerveux.

A cause de sa bonne résolution spatiale et des différentes possibilités de contraste, l’Imagerie par Résonance Magnétique Nucléaire (RMN/IRM) est devenue la modalité de choix pour le suivi des maladies démyélinisantes (comme la sclérose en plaques). En routine clinique les séquences d’IRM pondérées en T1 et T2 donnent une indication de l’étendu des lésions de la substance blanche et servent comme indicateur de l’évolution de la maladie.

Cependant, le signal RMN des tissus contenant des structures hautement ordonnées comme la gaine de myéline s’annule en quelques centaines ou même dizaines de microsecondes (T2 << 1 ms). Avec des séquences d’IRM standard (temps d’écho typique > 1 ms), ces structures ne sont pas visibles, donc pas quantifiables. Pour cette raison, l’évaluation quantitative de la myéline par IRM est principalement réalisée de façon indirecte, par les méthodes de relaxométrie [1] et du transfert d’aimantation (MTI) [2]. Ces méthodes reflètent l’interaction des protons de la membrane lipoprotéique avec les protons de l’eau libre (intra et extra cellulaire).

Malgré leur bonne corrélation avec l’histopathologie, ces techniques ne sont pas spécifiques de la myéline. Par exemple, la MTI est sensible non seulement au contenu de la myéline, mais aussi à la densité d’axones. Des travaux récents suggèrent que la quantification directe de la densité de myéline est possible avec les nouvelles séquences d’IRM à temps d’écho ultra-court (UTE, temps d’écho typique << 1 ms) [3].

L’objectif de cette thèse est donc d’évaluer la faisabilité de la quantification directe de la myéline avec les séquences UTE. Ce projet nécessite une bonne compréhension de la physique de l’IRM et des compétences en programmation (C++ et Matlab). Le travail comprendra :

1. La mise en place et optimisation d’une séquence UTE sur un IRM clinique SIEMENS de 3 teslas et sur un IRM « petit animal » Bruker de 7 teslas ;
2. La manipulation (programmation numérique et calcul analytique) de modèles physiques décrivant les modifications du signal RMN en fonction de la quantité de myéline.
3. La validation « in vitro » et « in vivo » de la méthode.

Encadrement :

Direction de thèse : Jean-Paul ARMSPACH, IR
Co-encadrant de thèse : Paulo LOUREIRO de SOUSA, IR

Profil du candidat :

Scientifique ou ingénieur, avec compétence en IRM. Le candidat devra avoir de solides compétences en programmation (C++ et Matlab).

Candidature :

Les candidatures sont à adresser à M. Paulo Loureiro de Sousa (ploureiro@unistra.fr Tel : 03 68 85 40 41) et devront comporter un CV détaillant le cursus et les résultats du Master. Merci de nous contacter pour toute information complémentaire.

Financement :

Allocation de recherche.

Unité(s) d’Accueil(s) :

ICube : Laboratoire des sciences de l’Ingénieur, de l’Informatique et de l’Imagerie, UMR 7357 Université de Strasbourg / CNRS
Equipe IMIS, Imagerie Multimodale Intégrative en Santé
Rattachement à un programme transversal de ICube, Imagerie et Robotique, Médicale et Chirurgicale (IRMC)

Établissement de rattachement :

Université de Strasbourg, ICube 

Collaborations :

Radiological Physics, University of Basel Hospital (Suisse), dirigé par Dr. Oliver Bieri.
Laboratoire RMN, Institut de Myologie, AIM-CEA, Paris, dirigé par Dr. Pierre Carlier.

Références :

[1] Armspach et al, MRI 9: 107–113 (1991), Oh et al, J Neuroimaging 17:156-163 (2007), Deoni et al, MRM 60:1372–1387 (2008).
[2] Sled and Pike, MRM 46:923–931 (2001), Cercignani et al, NeuroImage 27:436–441 (2005), Gloor et al, MRM 60 :691-670 (2008), Underhill et al, NeuroImage 54 2052–2065 (2011), Levesque et al, MRM 63 : 633-640 (2010).
[3] Horch et al, MRM 66:24-31 (2011), Wilhelm et al, PNAS 24:9605-9610 (2012), Du et al, NeuroImage 87:32-41 (2014).