Literatura científica selecionada sobre o tema "Dendrites (cytologie) – Modèles mathématiques"

Les cellules thalamocorticales (TC) du noyau ventro-postéro-latéral (VPL) du thalamus relayent l'information du système somatosensoriel (synapses excitatrices lemniscales aux dendrites proximaux) à la région correspondante du cortex, mais reçoivent également en rétro-propagation des projections du cortex (synapses excitatrices corticothalamiques aux dendrites distaux). Afin d'étudier l'intégration synaptique aux différentes parties de la cellule TC, nous avons bâti un modèle multi-compartimental à partir de reconstructions tridimensionnelles de cellules du noyau VPL, ce qui consiste en une discrétisation spatiale des dendrites en une multitude de segments associés à des circuits RC interconnectés. Nous avons pu dégager quantitativement l'impact de la géométrie cellulaire (taille d'arborisation et diamètre dendritique) sur l'amplitude et sur la durée des réponses au soma. Nous avons par la suite comparé l'intégration synaptique pour différentes distributions des entrées aux dendrites proximaux et distaux et sous différentes conditions de courants intrinsèques et de potentiel membranaire. Dans tous les cas, la sommation des entrées proximales induisait une réponse indépendante de la distribution, alors que la réponse aux entrées distales saturait lorsqu'elles étaient localisées aux mêmes branches. Nos résultats ont permis d'apporter une explication physiologique au patron d'organisation synaptique chez les cellules TC.
Thalamocortical (TC) cells from the ventroposterolateral (VPL) nucleus of the thalamus relay the somatosensory inputs (excitatory lemniscal synapses at proximal dendrites) to the corresponding cortical area, but also receive feedback excitatory inputs from the cortex (corticothalamic synapses at distal dendrites). The goal of this study was to compare the synaptic integration of inputs coming to proximal vs. distal dendrites. A multicompartmental model was drawn from fully reconstructed cells of the VPL nucleus. Dendrites were spatially discretized in multiple segments associated to interconnected RC circuits. We were able to characterize the impact of neuronal size and dendritic diameter on the amplitude and on the time course of the somatic response. We also compared the synaptic integration for different distributions of proximal or distal inputs under different conditions of membrane potential and active properties. In all cases, the summation of proximal inputs was independent of their distribution, while the response induced by distal inputs saturated when those inputs were located at the same branches. The results obtained in this study suggest a physiological explanation of the synaptic pattern at TC cells.

Les neurones biologiques communiquent par le biais d’impulsions électriques, appelées spikes, et les fonctions cérébrales émergent notamment de la coordination entre les réceptions et émissions de ces spikes. Par ailleurs, il est largement admis que la fonction de chaque neurone dépend de sa morphologie. Les dendrites conditionnent l’intégration spatio-temporelle des spikes reçus et influent sur les temps d’occurrence des spikes émis. Elles sont donc fondamentales pour l’étude in silico des mécanismes de coordination, et en particulier pour l’étude des assemblées de neurones. Les modèles de neurones existants prenant en compte les dendrites, sont généralement des modèles mathématiques détaillés, souvent à base d’équations différentielles, dont la simulation nécessite des ressources de calculs importantes. De plus, leur complexité intrinsèque rend difficile l’analyse et les preuves sur ces modèles. Dans cette thèse, nous proposons un modèle de neurone intégrant des dendrites d’une manière abstraite. Dans l’objectif d’ouvrir la porte aux méthodes formelles, nous établissons une définition rigoureuse du cadre de modélisation et mettons en évidence des propriétés algébriques remarquables de l’intégration dendritique. Nous avons notamment démontré qu’il est possible de réduire la structure d’un neurone en préservant sa fonction d’entrée/sortie. Nous avons ainsi révélé des classes d’équivalence dont nous savons déterminer un représentant canonique. En s’appuyant sur la théorie des catégories et par des morphismes de neurones judicieusement définis, nous avons ensuite analysé plus finement ces classes d’équivalence. Un résultat surprenant découle de ces propriétés : un simple ajout de délais dans les modèles informatiques de neurones permet de prendre en compte une intégration dendritique abstraite, sans représenter explicitement la structure arborescente des dendrites. À la racine de l’arborescence dendritique, la modélisation du soma contient inévitablement une équation différentielle lorsque l’on souhaite préserver l’essence du fonctionnement biologique. Ceci impose de combiner une vision analytique avec la vision algébrique. Néanmoins, grâce à une étape préalable de discrétisation temporelle, nous avons également implémenté un neurone complet en Lustre qui est un langage formel autorisant des preuves par model checking. Globalement, nous apportons dans cette thèse un premier pas encourageant vers une formalisation complète des neurones, avec des propriétés remarquables sur l’intégration dendritique
Biological neurons communicate by means of electrical impulses, called spikes. Brain functions emerge notably from reception and emission coordination between those spikes. Furthermore, it is widely accepted that the function of each neuron depends on its morphology. In particular, dendrites perform the spatio-temporal integration of received spikes and affect the occurrence of emitted spikes. Dendrites are therefore fundamental for in silico studies of coordination mechanisms, and especially for the study of so-called neuron assemblies. Most of existing neuron models taking into account dendrites are detailed mathematical models, usually based on differential equations, whose simulations require significant computing resources. Moreover, their intrinsic complexity makes difficult the analysis and proofs on such models. In this thesis, we propose an abstract neuron model integrating dendrites. In order to pave the way to formal methods, we establish a rigorous definition of the modeling framework and highlight remarkable algebraic properties of dendritic integration. In particular, we have demonstrated that it is possible to reduce a neuron structure while preserving its input/output function. We have thus revealed equivalence classes with a canonical representative. Based on category theory and thanks to properly defined neuron morphisms, we then analyzed these equivalence classes in more details. A surprising result derives from these properties: simply adding delays in neuron computational models is sufficient to represent an abstract dendritic integration, without explicit tree structure representation of dendrites. At the root of the dendritic tree, soma modeling inevitably contains a differential equation in order to preserve the biological functioning essence. This requires combining an analytical vision with the algebraic vision. Nevertheless, thanks to a preliminary step of temporal discretization, we have also implemented a complete neuron in Lustre which is a formal language allowing proofs by model checking. All in all, we bring in this thesis an encouraging first step towards a complete neuron formalization, with remarkable properties on dendritic integration

Les questions neuroscientifiques concernant les dendrites incluent la compréhension de leur plasticité structurale en réponse à l'apprentissage et la manière dont elles intègrent les signaux. Les chercheurs visent à élucider ces aspects pour améliorer notre compréhension de la fonction neuronale et de ses complexités. Cette thèse vise à offrir des perspectives numériques concernant la dynamique du voltage et des ions dans les dendrites. Notre objectif est de modéliser l'excitation neuronale dans les dendrites. Nous abordons la dynamique ionique suite à l'afflux de signaux nerveux. Pour les simuler précisément, nous résolvons le système d'équations Poisson-Nernst-Planck (PNP). Le système PNP est reconnu comme le modèle standard pour caractériser le phénomène d'électrodiffusion des ions dans les électrolytes, y compris les structures dendritiques. Ce système non linéaire présente des défis en modélisation et en calcul en raison de la présence de couches limites rigides (BL). Nous proposons des schémas numériques basés sur la méthode des volumes finis Discrete Duality Finite Volumes (DDFV) pour résoudre le système PNP. Elle permet un raffinement local du maillage au niveau de la BL, en utilisant des maillages généraux. Cette approche facilite la résolution du système sur un domaine 2D représentant la géométrie des dendrites. Nous utilisons des schémas numériques préservant la positivité des concentrations ioniques. Chapitres 1 et 2 présentent le système PNP et la méthode DDFV ainsi que ses opérateurs discrets. Le chapitre 2 présente un couplage "linéaire" des équations et explore son schéma numérique associé. Ce couplage a des problèmes de convergence, où nous illustrons ses limites à travers des résultats numériques. Le chapitre 3 introduit un couplage "non linéaire", permettant une résolution numérique précise du système PNP. Les deux couplages sont effectués avec la méthode DDFV. Dans le chapitre 3, nous illustrons la convergence d'ordre 2 en espace. Nous simulons un cas test impliquant la BL. Nous appliquons le schéma DDFV à la géométrie des épines dendritiques en 2D et discutons nos simulations en les comparant avec des simulations en 1D de la littérature. Nous introduisons également deux configurations originales de dendrites, fournissant des informations sur la manière dont les épines dendritiques s'influencent mutuellement, révélant l'étendue de leur influence mutuelle. Nos simulations montrent la distance de propagation de l'influx ionique lors des connexions synaptiques. Dans le chapitre 4, nous résolvons le système PNP sur un système multi-domaines 2D composé d'une membrane, d'un milieu interne et d'un milieu externe. Cette approche permet la modélisation de la dynamique du voltage de manière plus réaliste, et aide également à vérifier la cohérence des résultats du chapitre 3. Nous utilisons le logiciel FreeFem++ pour résoudre le système PNP dans ce contexte. Nous présentons des simulations correspondant aux résultats du chapitre 3, démontrant la sommation linéaire dans une bifurcation dendritique. Nous étudions la sommation des signaux en ajoutant des entrées à la membrane d'une branche dendritique. Nous identifions un seuil d'excitabilité où la dynamique du voltage est significativement influencée par le nombre d'entrées. Nous offrons également des illustrations numériques de la BL à l'intérieur du milieu intracellulaire, observant de petites fluctuations. Ces résultats sont préliminaires, visant à fournir des informations pour comprendre la dynamique dendritique. Le chapitre 5 présente un travail collaboratif mené lors du Cemracs 2022. Nous nous concentrons sur un schéma de volumes finis composite où nous visons à dériver les équations d'Euler avec des termes sources sur des maillages non structurés
Neuroscientific questions about dendrites include understanding their structural plasticityin response to learning and how they integrate signals. Researchers aim to unravel these aspects to enhance our understanding of neural function and its complexities. This thesis aims at offering numerical insights concerning voltage and ionic dynamics in dendrites. Our primary focus is on modeling neuronal excitation, particularly in dendritic small compartments. We address ionic dynamics following the influx of nerve signals from synapses, including dendritic spines. To accurately represent their small scale, we solve the well-known Poisson-Nernst-Planck (PNP) system of equations, within this real application. The PNP system is widely recognized as the standard model for characterizing the electrodiffusion phenomenon of ions in electrolytes, including dendritic structures. This non-linear system presents challenges in both modeling and computation due to the presence of stiff boundary layers (BL). We begin by proposing numerical schemes based on the Discrete Duality Finite Volumes method (DDFV) to solve the PNP system. This method enables local mesh refinement at the BL, using general meshes. This approach facilitates solving the system on a 2D domain that represents the geometry of dendritic arborization. Additionally, we employ numerical schemes that preserve the positivity of ionic concentrations. Chapters 1 and 2 present the PNP system and the DDFV method along with its discrete operators. Chapter 2 presents a "linear" coupling of equations and investigate its associated numerical scheme. This coupling poses convergence challenges, where we demonstrate its limitations through numerical results. Chapter 3 introduces a "nonlinear" coupling, which enables accurate numerical resolution of the PNP system. Both of couplings are performed using DDFV method. However, in Chapter 3, we demonstrate the accuracy of the DDFV scheme, achieving second-order accuracy in space. Furthermore, we simulate a test case involving the BL. Finally, we apply the DDFV scheme to the geometry of dendritic spines and discuss our numerical simulations by comparing them with 1D existing simulations in the literature. Our approach considers the complexities of 2D dendritic structures. We also introduce two original configurations of dendrites, providing insights into how dendritic spines influence each other, revealing the extent of their mutual influence. Our simulations show the propagation distance of ionic influx during synaptic connections. In Chapter 4, we solve the PNP system over a 2D multi-domain consisting of a membrane, an internal and external medium. This approach allows the modeling of voltage dynamics in a more realistic way, and further helps checking consistency of the results in Chapter 3. To achieve this, we employ the FreeFem++ software to solve the PNP system within this 2D context. We present simulations that correspond to the results obtained in Chapter 3, demonstrating linear summation in a dendrite bifurcation. Furthermore, we investigate signal summation by adding inputs to the membrane of a dendritic branch. We identify an excitability threshold where the voltage dynamics are significantly influenced by the number of inputs. Finally, we also offer numerical illustrations of the BL within the intracellular medium, observing small fluctuations. These results are preliminary, aiming to provide insights into understanding dendritic dynamics. Chapter 5 presents collaborative work conducted during the Cemracs 2022. We focus on a composite finite volume scheme where we aim to derive the Euler equations with source terms on unstructured meshes

Les neurones thalamiques de relai ont un rôle exclusif dans la transformation et de transfert de presque toute l'information sensorielle dans le cortex. L'intégration synaptique et la réponse électrophysiologique des neurones thalamiques de relai sont déterminées non seulement par l’état du réseau impliqué, mais ils sont également contrôlés par leurs propriétés intrinsèques tels les divers canaux ioniques voltage-dépendants ainsi que l’arborisation dendritique élaboré. Par conséquent, investiguer sur le profil complexe de morphologie dendritique et sur les propriétés dendritiques actives révèle des renseignements importants sur la fonction d'entrée-sortie de neurones thalamiques de relai. Dans cette étude, nous avons reconstruit huit neurones thalamocorticaux (TC) du noyau VPL de chat adulte. En se basant sur ces données morphologiques complètes, nous avons développé plusieurs modèles multicompartimentaux afin de trouver un rôle potentiellement important des arbres dendritiques des neurones de TC dans l'intégration synaptique et l’intégration neuronale. L'analyse des caractéristiques morphologiques des neurones TC accordent des valeurs précises à des paramètres géométriques semblables ou différents de ceux publiés antérieurement. En outre, cette analyse fait ressortir de tous nouveaux renseignements concernant le patron de connectivité entre les sections dendritiques telles que l'index de l'asymétrie et la longueur de parcours moyen (c'est-à-dire, les paramètres topologiques). Nous avons confirmé l’étendue des valeurs rapportée antérieurement pour plusieurs paramètres géométriques tels que la zone somatique (2956.24±918.89 m2), la longueur dendritique totale (168017.49±4364.64 m) et le nombre de sous-arbres (8.3±1.5) pour huit neurones TC. Cependant, contrairement aux données rapportées antérieurement, le patron de ramification dendritique (avec des cas de bifurcation 98 %) ne suit pas la règle de puissance de Rall 3/2 pour le ratio géométrique (GR), et la valeur moyenne de GR pour un signal de propagation est 2,5 fois plus grande que pour un signal rétropropagé. Nous avons également démontré une variabilité significative dans l'index de symétrie entre les sous-arbres de neurones TC, mais la longueur du parcours moyen n'a pas montré une grande variation à travers les ramifications dendritiques des différents neurones. Nous avons examiné la conséquence d’une distribution non-uniforme des canaux T le long de l'arbre dendritique sur la réponse électrophysiologique émergeante, soit le potentiel Ca 2+ à seuil bas (low-threshold calcium spike, LTS) des neurones TC. En appliquant l'hypothèse du «coût minimal métabolique», nous avons constaté que le neurone modélisé nécessite un nombre minimal de canaux-T pour générer un LTS, lorsque les canaux-T sont situés dans les dendrites proximales. Dans la prochaine étude, notre modèle informatique a illustré l'étendue d'une rétropropagation du potentiel d'action et de l'efficacité de la propagation vers des PPSEs générés aux branches dendritiques distales. Nous avons démontré que la propagation dendritique des signaux électriques est fortement contrôlée par les paramètres morphologiques comme illustré par les différents paliers de polarisation obtenus par un neurone à équidistance de soma pendant la propagation et la rétropropagation des signaux électriques. Nos résultats ont révélé que les propriétés géométriques (c.-à-d. diamètre, GR) ont un impact plus fort sur la propagation du signal électrique que les propriétés topologiques. Nous concluons que (1) la diversité dans les propriétés morphologiques entre les sous-arbres d'un seul neurone TC donne une capacité spécifique pour l'intégration synaptique et l’intégration neuronale des différents dendrites, (2) le paramètre géométrique d'un arbre dendritique fournissent une influence plus élevée sur le contrôle de l'efficacité synaptique et l'étendue du potentiel d'action rétropropagé que les propriétés topologiques, (3) neurones TC suivent le principe d’optimisation pour la distribution de la conductance voltage-dépendant sur les arbres dendritiques.
Thalamic relay neurons have an exclusive role in processing and transferring nearly all sensory information into the cortex. The synaptic integration and the electrophysiological response of thalamic relay neurons are determined not only by a state of the involved network, but they are also controlled by their intrinsic properties; such as diverse voltage-dependent ionic channels as well as by elaborated dendritic arborization. Therefore, investigating the complex pattern of dendritic morphology and dendritic active properties reveals important information on the input-output function of thalamic relay neurons. In this study, we reconstructed eight thalamocortical (TC) neurons from the VPL nucleus of adult cats. Based on these complete morphological data, we developed several multi-compartment models in order to find a potentially important role for dendritic trees of TC neurons in the synaptic integration and neuronal computation. The analysis of morphological features of TC neurons yield precise values of geometrical parameters either similar or different from those previously reported. In addition, this analysis extracted new information regarding the pattern of connectivity between dendritic sections such as asymmetry index and mean path length (i.e., topological parameters). We confirmed the same range of previously reported value for several geometric parameters such as the somatic area (2956.24±918.89 m2), the total dendritic length (168017.49±4364.64 m) and the number of subtrees (8.3±1.5) for eight TC neurons. However, contrary to previously reported data, the dendritic branching pattern (with 98% bifurcation cases) does not follow Rall’s 3/2 power rule for the geometrical ratio (GR), and the average GR value for a forward propagation signal was 2.5 times bigger than for a backward propagating signal. We also demonstrated a significant variability in the symmetry index between subtrees of TC neurons, but the mean path length did not show a large variation through the dendritic arborizations of different neurons. We examined the consequence of non-uniform distribution of T-channels along the dendritic tree on the prominent electrophysiological response, the low-threshold Ca2+ spike (LTS) of TC neurons. By applying the hypothesis of “minimizing metabolic cost”, we found that the modeled neuron needed a minimum number of T-channels to generate low-threshold Ca2+ spike (LTS), when T-channels were located in proximal dendrites. In the next study, our computational model illustrated the extent of an action potential back propagation and the efficacy of forward propagation of EPSPs arriving at the distal dendritic branches. We demonstrated that dendritic propagation of electrical signals is strongly controlled by morphological parameters as shown by different levels of polarization achieved by a neuron at equidistance from the soma during back and forward propagation of electrical signals. Our results revealed that geometrical properties (i.e. diameter, GR) have a stronger impact on the electrical signal propagation than topological properties. We conclude that (1) diversity in the morphological properties between subtrees of a single TC neuron lead to a specific ability for synaptic integration and neuronal computation of different dendrites, (2) geometrical parameter of a dendritic tree provide higher influence on the control of synaptic efficacy and the extent of the back propagating action potential than topological properties, (3) TC neurons follow the optimized principle for distribution of voltage-dependent conductance on dendritic trees.

In this thesis, I discuss two main subjects coming from biology and I propose two models that mimic the behaviours of the biological networks studied. The first part of the thesis deals with intracellular transport of molecules. Proteins, RNA and, generally, any kind of cargo molecules move freely in the cytoplasm: intracellular transport as a consequence of Brownian motion is classically modelled as a diffusion process. Some specific proteins, like the tumour suppressor p53, use microtubules to facilitate their way towards the nucleus. Microtubules are a dense network of filaments that point towards the cell centre. Motor proteins bind to these filaments and move along, bearing a cargo bound to them. I propose a simplified bi-dimensional model of nucleocytoplasmic transport taking into account the kinetic processes linked to microtubule transport. Unlike in other models we know, I represented the position of a single MT filament. This model is given by a system of partial differential equations which are cast in different dimensions and connected by suitable exchange rules. A numerical scheme is introduced and several scenarios are presented and discussed to answer to the question of which proteins benefit from microtubule transport, depending on their diffusion coefficients. In the second part of the thesis, I design and analyse a physiologically based model representing the accumulation of protein p53 in the nucleus after triggering of the sentinel protein ATM by DNA damage. The p53 protein plays an essential role in the physiological maintenance of healthy tissue integrity in multicellular organisms (regulation of cell cycle arrest, repair pathways and apoptosis). Firstly, I developed a compartmental ODE model to represent the temporal dynamics of the protein. Since the p53 protein is known for its oscillatory behaviour, I performed a numerical bifurcation study to verify the existence, in the model, of stable periodic solutions. Next, I have expanded the model by the addition of a spatial variable and analysed the spatio-temporal dynamics of p53. After checking the existence of oscillations in the spatial setting, I have analysed the robustness of the system under spatial variations (diffusion and permeability coefficients, cell shape and size).

La compréhension du comportement des matériaux en présence d'impuretés, durant le processus de solidification, nécessite le développement de méthodologies appropriées pour une analyse et un contrôle efficace des changements topologiques des microstructures (par exemple, la formation des dendrites) au cours des différentes phases de transformation. L'objectif de cette thèse est de construire un modèle pertinent de solidification d'alliages binaires sous l'action de champs magnétiques, d'analyser les systèmes issus du modèle mathématique ainsi développé, d'un point de vue théorique et numérique, et enfin de développer une méthode de contrôle optimal afin de contrôler la dynamique du front de solidification par l'action du champs magnétiques. Dans un premier temps, nous avons décrit la physique du problème et les lois fondamentales nécessaires à la modélisation, puis nous avons construit un nouveau modèle de champ de phase, qui tient compte de l'influence de l'action du champ magnétique sur le mouvement du front de solidification. Le modèle ainsi développé est caractérisé par le couplage de trois systèmes : un de type magnétohydrodynamique, un second de type Warren-Boettingger avec convection (représentant l'évolution du front de solidification et la concentration du mélange binaire) et un troisième représentant l'évolution de la température. Les équations du système complet décrivant le modèle, dans un domaine Ω inclus dans R^{n}, n ≤ 3, sont évolutives, non linéaires, couplées et anisotropes. Dans une seconde partie, nous avons effectué l'analyse théorique du modèle développé dans le cas isotherme et isotrope en dimension deux. Nous avons obtenu des résultats d'existence, de régularité, de stabilité et d'unicité d'une solution, sous certaines conditions sur des opérateurs non linéaires du système. Enfin, nous avons développé une méthode de contrôle optimal non linéaire : le champ magnétique (qui intervient sous forme multiplicative) joue le rôle de contrôle, et l'observation est l'état désiré de la dynamique du front. Nous avons démontré l'existence d'une solution optimale et obtenu la sensibilité de l'opérateur solution et les conditions d'optimalité en introduisant un problème adjoint. Cette partie théorique de la thèse est complétée par un important travail numérique. L'analyse et les simulations numériques ont été menées sur le problème complet bi-dimensionnel non linéaire (isotrope et anisotrope). Nous avons utilisé pour la discrétisation la méthode des lignes qui consiste à considérer séparément la discrétisation temporelle et spatiale. La discrétisation spatiale est effectuée par un schéma d'éléments finis mixtes et le système différentiel algébrique obtenu est résolu par l'utilisation du solveur DASSL. La discrétisation du domaine est effectuée par des mailles triangulaires non structurées. Dans le cas réaliste, elles correspondent à un maillage non uniforme et trés fin dans la zone de la dendrite et au niveau de l'interface. Nous avons obtenu des estimations d'erreur pour les différentes variables d'état du modèle et analysé la robustesse et la stabilité des schémas d'approximation. Ce code numérique a été validé sur différents exemples, et donne d'excellents résultats. Ensuite, nous avons exploité le code pour traiter un problème réaliste, à savoir la solidification dendritique d'un alliage binaire Nickel-Cuivre, et analyser l'influence de champs magnétiques sur l'évolution des dendrites. Les résultats obtenus montrent l'efficacité de l'approche à reproduire les observations expérimentales.

Les cils motiles et statiques jouent d’importants rôles dans la détermination de l’axe gauche-droite (GD) qui, en général, est mis en place par l’intermédiaire de flux directionnels générés dans des structures spécialisées appelées organisateurs gauche-droite (OGD). C’est ce point clé du développement qui dictera une organogenèse asymétrique. Dans mon projet de thèse, nous avons développé une méthode, appelée 3D-Cilia Map, et analysé l’organisation tridimensionnelle de l’implantation des cils afin d’extraire les paramètres clés responsables de la mise en place du flux directionnel et par conséquent de l’asymétrie GD. En résumé, nos résultats suggèrent qu’un mécanisme de signalisation chimique serait le plus plausible pour induire la rupture de la symétrie GD. Plus tard, les cellules réguleront intrinsèquement l’orientation asymétrique des cils à leur surface. Le travail présenté ici contribue de façon importante à nos connaissances actuelles concernant le comportement des cils et les mécanismes de sensation des flux dans l’établissement de l’axe gauche droite au sein de l’organisateur gauche-droite du poisson zèbre
Both motile and immotile cilia play important roles in left-right (LR) axis determination, which generally involves cilia-mediated directional flows in organized structures (LR organizers, LRO) in which the LR symmetry is broken, thus driving asymmetric organogenesis in the developing embryos. In my PhD project we aimed to developed a method (3D-Cilia Map) and analyze the three-dimensional organization of ciliary implantation in order to extract the key parameters modulating the directional flow involved in breaking the axis of symmetry in the zebra fish LRO. Altogether, our results suggest the initial mechanism to break the LR symmetry is most likely to be based on the transport of achemical signal, while later, cells intrinsically provide their cilia the cues to orient asymmetrically. The work presented here represents an important contribution to our current understanding of cilia behaviors and flow-sensing mechanisms in the establishment of the left-right axis in the zebra fish LRO