Discussion des résultats de l'approche d'analyse par comparaison sta-

4.1.3.1 Analyse fonctionnelle des données de l'étude

En parallèle de cette partie de travail de thèse, une étude similaire a été menée, sur ce même jeu de données, avec la 5ème _{version de SPM (SPM5), non optimisée pour l'étude}

sur le petit animal (Dubois et al.,2010b). Les mesures de prise de glucose sur les volumes autoradiographiques normalisés sont globalement équivalentes entre les deux études, pro- bablement du fait de l'adaptation des paramètres de normalisation spatiale des données apportée à SPMMouse (cf. paragraphe 1.5.2(p. 47)).

Dans l'étude menée par Dubois et al., seuls les résultats des clusters jugés de taille signi- cative ont été reportés. L'identication des clusters de pixels a été réalisée visuellement par un expert. L'analyse visant à comparer le métabolisme de chaque groupe de souris a ensuite été menée en fusionnant les informations fonctionnelles mesurées dans les clusters localisés dans une même région anatomique (exemple de la fusion des clusters localisés dans le striatum pour le contraste représentant l'hypométabolisme chez les souris APP/PS1). Les résultats de notre analyse, reportés dans le tableau 4.1, n'ont pas pu être directement comparés avec ceux de l'étude précédemment citée. Néanmoins, pour chaque contraste étu- dié, les métabolismes et pourcentages de diérence de prise de glucose entre les groupes mesurés pour chaque cluster de pixels ont été du même ordre de grandeur entre les deux études. Notons que dans l'étude de Dubois et al., une diérence de prise de glucose de 35,6 % a été détectée au sein d'un cluster résultant du contraste "hypomé- tabolisme chez les souris APP/PS1" (identié comme appartenant au cortex cingulaireb_).

Nos résultats du tableau 4.1(a) n'ont pas reporté une telle variation. A l'inverse, notre étude sur l'hypermétabolisme chez les souris APP/PS1 a détecté une diérence de prise de glucose de 62,46 % pour le cluster no_{1 (cf. tableau 4.1(b)) ; une telle diérence n'a pas}

été reportée dansDubois et al. (2010b). Ces constatations peuvent résulter des diérences entre les paramètres de normalisation des deux versions du logiciel d'analyse et/ou de la manière dont les clusters ont été analysés dans l'étude Dubois et al.(2010b).

Les résultats de notre analyse fonctionnelle par l'approche d'analyse par comparaison sta- tistique des intensités des pixels des volumes autoradiographiques ont montré qu'il existait chez les souris modélisant la maladie d'Alzheimer des zones cérébrales consommant signi- cativement moins (9 clusters ont été détectés pour ce contraste) et plus (8 clusters ont été détectés pour ce contraste) de glucose que ces mêmes zones cérébrales chez les souris contrôles.

b. Le cortex cingulaire est une partie du cerveau située sur la partie médiale du cortex, au-dessus et le long du corps calleux.

4.1. Analyse fonctionnelle par comparaison statistique des intensités des pixels des volumes

autoradiographiques 127

Les pourcentages de diérence de prise de glucose, calculés pour chaque cluster détecté et entre les lignées, étant plus important que la variabilité intra-lignée (représentée par l'erreur type de la moyenne), nous avons conrmé que cette approche d'analyse permettait de révéler des diérences fonctionnelles signicatives entre les deux lignées de souris. Ces résultats doivent cependant être considérés comme préliminaires du fait du nombre limité de souris traitées dans cette étude.

Ces résultats sont cohérents avec ceux obtenus par des travaux antérieurs ; un large com- paratif des résultats est détaillé dans Dubois et al. (2010b). Notons que les résultats ob- tenus par l'approche d'analyse par atlas n'ont pas permis pas un tel niveau d'analyse (cf. section 3.4 (p. 109)).

4.1.3.2 Outils de normalisation spatiale utilisés

An d'être en mesure de comparer nos résultats avec ceux obtenus dans

Dubois et al. (2010b), nous avons appliqué la même méthodologie d'analyse des données, notamment en ce qui concerne la normalisation spatiale des volumes autoradiographiques dans un référentiel commun. Le template spécique à l'étude ainsi que cette normalisa- tion spatiale des images ont été réalisés en utilisant les outils de recalage d'images pa- ramétrés dans SPMMouse : une combinaison linéaire de fonctions de base de cosinus a été utilisée pour normaliser non linéairement les données. Les travaux présentés dans le

chapitre 3 (p. 78) de ce manuscrit ont montré que nous pouvions recaler des images multi- modales en estimant par FFD une transformation non ane. Il serait ainsi intéressant de mener une étude visant à comparer les résultats discutés précédemment, avec ceux obtenus par une approche d'analyse par comparaison statistique mais dont les volumes analysés auraient été recalés entre eux grâce à la méthode FFD.

4.1.3.3 Limitations de cette approche d'analyse pour les études menée sur la Souris

Lagure 4.4illustre la principale limitation de l'utilisation de cette approche d'analyse pour étudier des images autoradiographiques acquises chez la Souris. Il est dicile d'identier les structures anatomiques où se trouvent les clusters représentant des diérences fonctionnelles entre les groupes d'animaux. L'interprétation des résultats obtenus par une telle analyse s'appuie généralement sur des observations des projections des clusters sur des images anatomiques, telles que celles montrées en gures 4.4(c) et(d); elle est par conséquent fortement dépendante de l'expert en charge de cette tâche.

Les résultats de cette étude ont par ailleurs été obtenus en eectuant un test statistique dont le seuil de signicativité a été xé à 0,01 (non corrigé pour les comparaisons multiples). Nombre d'entre eux peuvent s'avérer être des faux positifs. Pour contrôler le nombre de faux positifs, nous avons voulu appliquer la correction du FDR dans ce modèle statistique. Aucun cluster n'ayant été détecté, nous en avons déduit que ce taux ne pouvait pas être estimé sur une telle base de données (nombre limité d'animaux et nombre important de pixels testés (5.106 _{pixels, fond de l'image exclu)).}

Considérant ces limitations ainsi que celles de l'approche d'analyse par atlas, nous avons proposé de combiner ces deux approches d'analyse an d'optimiser l'interpréta- tion des résultats obtenus. Dans les sections suivantes, la stratégie pour coupler ces méthodes d'analyse est développée et les résultats obtenus sont présentés.