Description

Le projet de thèse vise à caractériser la connectivité fonctionnelle le long de l’axe cerveau–moelle épinière au cours du vieillissement normal et pathologique, afin d’identifier de nouveaux biomarqueurs précoces de la neurodégénérescence motrice, en particulier dans la sclérose latérale amyotrophique (SLA).
Les travaux récents en IRMf combinée cerveau–moelle ont démontré l’existence de réseaux sensorimoteurs intégrés s’étendant du cortex aux segments médullaires, aussi bien au repos qu’en tâche motrice. Cette approche remet en question la vision classique séparant cerveau et moelle, en proposant un modèle unifié du système nerveux central. Toutefois, l’évolution de ces réseaux au cours du vieillissement et leur altération dans les maladies neurodégénératives restent largement méconnues.
Le projet s’inscrit dans un enjeu clinique majeur : la SLA, caractérisée par une dégénérescence progressive des neurones moteurs corticaux et spinaux, responsable d’un handicap moteur sévère et d’un pronostic sombre. Le diagnostic est souvent tardif et l’évolution très hétérogène, soulignant la nécessité de biomarqueurs fonctionnels capables de détecter précocement les atteintes et de prédire la progression.
L’objectif principal est triple : (1) définir les trajectoires normales de la connectivité cerveau–moelle au cours du vieillissement sain ; (2) caractériser les altérations de ces réseaux chez des patients atteints de SLA, y compris à des stades précoces ou présymptomatiques ; (3) identifier des signatures fonctionnelles prédictives de l’évolution clinique.
Le projet repose sur l’acquisition et l’analyse d’IRMf simultanée cerveau–moelle au repos, complétée par de l’IRM structurelle et de diffusion. Les signaux extraits de régions cérébrales et spinales seront intégrés dans des matrices de connectivité représentant un réseau cérébrospinal unifié. Une originalité majeure réside dans l’utilisation de modèles d’apprentissage automatique basés sur les graphes (Graph Neural Networks), capables de modéliser les interactions non linéaires et dynamiques entre régions. Ces approches permettront de considérer le système nerveux comme un réseau distribué, plutôt que comme une succession de structures indépendantes, et d’identifier les connexions les plus informatives pour la discrimination entre vieillissement normal et pathologique.
Les résultats en IRMf seront confrontés à des mesures indépendantes de la connectivité corticospinale obtenues par stimulation magnétique transcrânienne, ainsi qu’à des métriques microstructurales issues de l’IRM de diffusion, afin de proposer une approche multimodale intégrée.
La faisabilité du projet est assurée par l’existence de cohortes déjà constituées (sujets sains, patients SLA et apparentés présymptomatiques), acquises dans le cadre de collaborations internationales et financements dédiés.
Sur le plan scientifique, ce travail fournira une cartographie inédite des réseaux fonctionnels cerveau–moelle et de leurs altérations dans la neurodégénérescence. Sur le plan clinique, l’identification de biomarqueurs fonctionnels précoces pourrait améliorer le diagnostic, la stratification des patients et l’évaluation thérapeutique. Plus largement, le projet propose un changement de paradigme en abordant la SLA comme une pathologie des réseaux distribués, ouvrant la voie à une médecine personnalisée fondée sur la dynamique globale du système nerveux central.

Compétences requises

Le projet s’adresse à un(e) candidat(e) titulaire d’un Master (ou équivalent) en bio-ingénierie, imagerie médicale, sciences des données ou systèmes intelligents, avec un fort intérêt pour les neurosciences et la recherche translationnelle. Un socle solide en traitement d’images et/ou analyse de données est attendu, ainsi qu’une appétence pour les approches quantitatives et l’intelligence artificielle. Des connaissances en IRM (fonctionnelle, structurelle ou diffusion) et en connectivité cérébrale constituent un atout majeur. Le/la candidat(e) devra faire preuve d’autonomie, de rigueur scientifique et de curiosité intellectuelle, avec de bonnes capacités d’organisation et de travail en équipe pluridisciplinaire. Une expérience préalable en programmation (Python/Matlab), en apprentissage automatique et en analyse de signaux est attendue. Un bon niveau d’anglais scientifique est requis pour la lecture, la rédaction d’articles et les échanges internationaux.

Bibliographie

Landelle C, Lungu O, Vahdat S, Kavounoudias A, Marchand-Pauvert V, De Leener B, Doyon J. Investigating the human spinal sensorimotor pathways through functional magnetic resonance imaging. Neuroimage. 2021 Dec 15;245:118684. doi:
10.1016/j.neuroimage.2021.118684.
Landelle C, Kinany N, De Leener B, Murphy ND, Lungu O, Marchand-Pauvert V, Van De Ville D, Doyon J. Cerebro-spinal somatotopic organization uncovered through functional connectivity mapping. Imaging Neurosci (Camb). 2024 Sep 5;2:imag-2-00284. doi: 10.1162/imag_a_00284.
Kinany N, Khatibi A, Lungu O, Finsterbusch J, Büchel C, Marchand-Pauvert V, Van De Ville D, Vahdat S, Doyon J. Decoding cerebro-spinal signatures of human behavior: Application to motor sequence learning. Neuroimage. 2023 Jul 15;275:120174. doi: 10.1016/j.neuroimage.2023.120174.
Vahdat S, Khatibi A, Lungu O, Finsterbusch J, Büchel C, Cohen-Adad J, Marchand-Pauvert V, Doyon J. Resting-state brain and spinal cord networks in humans are functionally integrated. PLoS Biol. 2020 Jul 2;18(7):e3000789. doi:
10.1371/journal.pbio.3000789.
Vahdat S, Lungu O, Cohen-Adad J, Marchand-Pauvert V, Benali H, Doyon J. Simultaneous Brain-Cervical Cord fMRI Reveals Intrinsic Spinal Cord Plasticity during Motor Sequence Learning. PLoS Biol. 2015 Jun 30;13(6):e1002186. doi: 10.1371/journal.pbio.1002186.
Khatibi A, Vahdat S, Lungu O, Finsterbusch J, Büchel C, Cohen-Adad J, Marchand-Pauvert V, Doyon J. Brain-spinal cord interaction in long-term motor sequence learning in human: An fMRI study. Neuroimage. 2022 Jun;253:119111. doi: 10.1016/j.neuroimage.2022.119111.
Scekic-Zahirovic J, Fischer M, Stuart-Lopez G, Burg T, Gilet J, Dirrig-Grosch S, Marques C, Birling MC, Kessler P, Rouaux C. Evidence that corticofugal propagation of ALS pathology is not mediated by prion-like mechanism. Prog Neurobiol. 2021 May;200:101972. doi: 10.1016/j.pneurobio.2020.101972.
Higashihara M, Pavey N, Menon P, van den Bos M, Shibuya K, Kuwabara S, Kiernan MC, Koinuma M, Vucic S. Reduction in short interval intracortical inhibition from the early stage reflects the pathophysiology in amyotrophic lateral sclerosis: A meta-analysis study. Eur J Neurol. 2024 Jul;31(7):e16281. doi: 10.1111/ene.16281.
Kleinerova J, Chipika RH, Tan EL, Yunusova Y, Marchand-Pauvert V, Kassubek J, Pradat PF, Bede P. Sensory Dysfunction in ALS and Other Motor Neuron Diseases: Clinical Relevance, Histopathology, Neurophysiology, and Insights from Neuroimaging. Biomedicines. 2025 Feb 22;13(3):559. doi: 10.3390/biomedicines13030559.
Sangari S, Giron A, Marrelec G, Pradat PF, Marchand-Pauvert V. Abnormal cortical brain integration of somatosensory afferents in ALS. Clin Neurophysiol. 2018 Apr;129(4):874-884. doi: 10.1016/j.clinph.2017.12.008.
Sangari S, Iglesias C, El Mendili MM, Benali H, Pradat PF, Marchand-Pauvert V. Impairment of sensory-motor integration at spinal level in amyotrophic lateral sclerosis. Clin Neurophysiol. 2016 Apr;127(4):1968-77. doi:10.1016/j.clinph.2016.01.014.
Iglesias C, Sangari S, El Mendili MM, Benali H, Marchand-Pauvert V, Pradat PF. Electrophysiological and spinal imaging evidences for sensory dysfunction in amyotrophic lateral sclerosis. BMJ Open. 2015 Feb 24;5(2):e007659. doi: 10.1136/bmjopen-2015-007659.
Bessadok A, Mahjoub MA, Rekik I. Graph Neural Networks in Network Neuroscience. IEEE Trans Pattern Anal Mach Intell. 2023 May;45(5):5833-5848. doi: 10.1109/TPAMI.2022.3209686.
Mhiri I, Nebli A, Mahjoub MA, Rekik I. Non-isomorphic Inter-modality Graph Alignment and Synthesis for Holistic Brain Mapping. In: Feragen, A., Sommer, S., Schnabel, J., Nielsen, M. (eds) Information Processing in Medical Imaging. IPMI 2021. Lecture Notes in Computer Science(), vol 12729. Springer, Cham. https://doi.org/10.1007/978-3-030-78191-0_16.

Mots clés

Neurosciences, Vieillissement, Neurologie, IRM, IA