Lumière sur les invisibles du vivant

Cet article d’Ingrid Colleau été originellement publié sur le blog scientifique I’MTech de l’Institut Mines-Télécom

Quand la lumière traverse un vitrail, elle révèle des formes et des couleurs invisibles autrement. Dans les laboratoires de Télécom SudParis, sous l’œil du chercheur Guillaume Graciani, elle révèle des phénomènes biologiques qui échappent aux instruments d’imagerie classiques. Ces travaux, qui mêlent optique, probabilités et apprentissage automatique, ouvrent de nouvelles pistes pour mieux observer le vivant.

Pourquoi la lumière est-elle un outil particulièrement intéressant pour étudier le vivant ?

Guillaume Graciani : D’abord parce que la lumière donne accès à des mesures extrêmement sensibles, de l’ordre du nanomètre. C’est l’échelle ultime !

Ensuite parce qu’elle altère peu le milieu observé. Beaucoup de techniques biologiques reposent sur des marqueurs chimiques ou fluorescents qui modifient le comportement des protéines. Cela complique l’observation des systèmes dans leur état naturel. Avec la lumière seule, des mesures non invasives sont possibles.

Cela fait écho à vos travaux autour des techniques d’imagerie sans marqueur. Quel est l’enjeu de ces recherches ?

GG : En microscopie classique, les protéines sont trop petites pour être observées directement. Les biologistes leur attachent donc des marqueurs fluorescents, comme la GFP, Green Fluorescent Protein. Concrètement, ces marqueurs produisent de la lumière lorsqu’un laser les éclaire, indiquant ainsi la position de la protéine.

Or une protéine est un objet tridimensionnel extrêmement petit et complexe ; lui ajouter un gros marqueur modifie souvent son comportement naturel. C’est particulièrement problématique pour étudier des phénomènes biologiques sensibles, comme le repliement des protéines qui joue un rôle essentiel dans des maladies neurodégénératives telles que Parkinson ou Alzheimer.

En outre, sur certaines protéines, il est très difficile d’attacher un marqueur. Cette méthode reste donc assez limitante. C’est pourquoi la recherche s’oriente vers des techniques d’imagerie sans marqueur. Ce qui n’est pas une mince affaire, car la lumière n’interagit que très faiblement avec les protéines.

Que voyez-vous alors avec vos instruments ?

GG : Quand on pense à l’optique, on imagine souvent une image obtenue via un microscope ou un télescope. Mais à des échelles aussi petites, ce sont surtout les variations d’un signal lumineux qui apportent des informations.

Au cours de ma thèse, j’ai développé une méthode, l’« interférométrie stochastique 3D », aujourd’hui déclinée en un instrument breveté appelé RIPPLE, pour Resonant Illumination Platform for Precise Liquid Evaluation. Il s’agit d’une cavité optique dans laquelle un échantillon est placé. Un laser est envoyé à l’intérieur, puis la lumière en sortie est analysée.

Le signal lumineux “clignote” sous forme de microfluctuations invisibles à l’œil nu, mais détectables grâce à un compteur de photons. Une analyse mathématique de ces fluctuations fournit ensuite une courbe correspondant à la répartition de la masse ou de la taille des objets présents dans l’échantillon. Cela permet de décrypter la composition d’un échantillon inconnu ou, pour un type de protéine donné, cela donne la possibilité de les dénombrer ou d’observer leurs interactions.

Quelles applications offre cette méthode d’analyse par la lumière ?

GG : Une application est la mise au point de nouveaux médicaments. Lorsqu’un médicament cible une protéine particulière, il faut vérifier qu’il s’attache efficacement à cette cible. Nous plaçons donc un échantillon contenant ces protéines cibles dans la cavité, et nous y injectons des médicaments, par exemple à base d’anticorps.

Au départ, il y a deux populations distinctes observables : les protéines d’un côté et les anticorps de l’autre. Progressivement, ces populations diminuent tandis qu’un troisième objet, combinant la masse des deux, apparait. Cela montre que les anticorps se fixent bien sur les protéines. Cette approche renseigne non seulement sur l’existence de l’interaction, mais aussi sur sa rapidité et son efficacité. Tout cela sans image.

Nous utilisons également cette cavité pour des mesures environnementales, par exemple pour détecter des polluants dans l’eau : microplastiques, bactéries, polluants chimiques.

Une grande partie de vos recherches repose sur l’optique statistique. De quoi s’agit-il ?

GG : RIPPLE est un appareil probabiliste et non déterministe. La lumière rebondit partout à l’intérieur de manière aléatoire, un peu comme une boule dans un billard. Lorsqu’un échantillon est placé dans la cavité, il est sondé des milliers de fois dans un tout petit volume.

Comme ces réflexions sont totalement aléatoires, la seule manière d’analyser ce qui se passe est d’utiliser des théories statistiques et probabilistes. Cela diffère radicalement de l’optique classique, où les systèmes d’imagerie sont très déterministes : un laser frappe un miroir selon un angle précis.

À cela s’ajoute le problème du bruit. Dès que nous augmentons la sensibilité et la résolution pour mesurer des objets de plus en plus petits, nous devons lutter contre les vibrations du support, les fluctuations de température, les mouvements de l’air, ou encore le bruit propre aux instruments. J’ai donc beaucoup travaillé sur le bruit et les moyens de l’atténuer. Là encore, il s’agit de phénomènes statistiques, notamment liés aux propriétés quantiques de la lumière.

Comment cette cavité optique a-t-elle été conçue ?

GG : Pendant ma thèse, entre la France et la Corée du Sud, j’ai non seulement travaillé sur la conception de l’instrument, mais aussi sur la fabrication d’un matériau très réfléchissant capable de diffuser la lumière de manière aléatoire.

Le procédé reposait sur de la poudre de quartz cuite dans un four à céramique puis compressée. De nombreux paramètres entraient en jeu, notamment les temps de cuisson. Il a fallu beaucoup d’essais pour obtenir la bonne recette, capable de bien réfléchir la lumière et de la « randomiser ». Nous avons ensuite vérifié ce comportement grâce à des mesures statistiques de fluctuation lumineuse.

C’était un travail très transdisciplinaire, parce qu’il fallait à la fois développer l’instrument, fabriquer les matériaux, et construire la théorie statistique nécessaire pour expliquer les résultats expérimentaux. Nous avons commencé par démontrer que la lumière se réfléchissait dans la cavité de manière complètement aléatoire, avant de développer progressivement un modèle théorique cohérent avec les observations.

Certains de vos travaux font appel à des réseaux de neurones. Quel est l’apport de cette technologie ?

GG : À Télécom SudParis, je fais partie d’une équipe spécialisée en optique computationnelle, c’est-à-dire en optique associée au calcul et au traitement algorithmique. Nous travaillons plus précisément avec des PINNS, des Physics-Informed Neural Networks. Ce sont des réseaux de neurones dans lesquels nous intégrons directement des équations de physique. Le modèle est donc « restreint » à respecter les lois physiques injectées dans le calcul, ce qui limite les hallucinations et garantit une meilleure cohérence avec la réalité expérimentale.

Ces réseaux de neurones sont d’abord une aide précieuse pour analyser des données très complexes. Dans un échantillon d’eau de mer par exemple, distinguer bactéries, microplastiques ou autres particules demande une analyse extrêmement fine du signal.

L’intelligence artificielle améliore aussi certaines images microscopiques, ce qui ouvre la voie à des instruments moins coûteux tout en conservant une bonne qualité de résultat. En ce moment nous travaillons par exemple sur un microscope sans lentille. Dans un microscope classique, la lentille sert à grossir les objets observés, mais coûte très cher et limite le champ de vision. L’idée est donc de la supprimer et d’utiliser l’IA à la place pour obtenir de grandes images détaillées.

Ces travaux sont encore exploratoires, mais ils illustrent bien l’évolution actuelle de l’optique : la qualité d’un instrument ne dépend plus uniquement de ses composants physiques, mais aussi des traitements numériques qui l’accompagnent.

Y a-t-il des choses encore invisibles aujourd’hui à l’échelle du vivant, mais qui pourraient devenir observables grâce aux progrès de l’optique et de l’IA ?

GG : Aujourd’hui, il est déjà possible d’observer énormément de choses à condition d’avoir assez de moyens. Cartographier avec précision tous les éléments contenus dans un échantillon d’eau de mer par exemple — sels, organismes vivants, bactéries, métaux lourds, ou encore microplastiques — nécessite plusieurs appareils très coûteux.

Nos recherches visent donc plutôt à simplifier ces analyses, en développant par exemple des outils mobiles, utilisables directement sur le terrain. Des producteurs d’huîtres pourraient ainsi analyser l’eau depuis le littoral sans passer par un laboratoire spécialisé. De même pour certaines analyses biologiques dans les cabinets médicaux. Plutôt qu’observer des phénomènes inconnus, notre objectif pour le moment est vraiment de rendre les outils actuels plus accessibles, plus compacts, et moins chers.