# High-Content Morphological Profiling of Glial Cells as a Quantitative Readout of Experience-Dependent Synaptic Remodeling

## Metadata

- **SPORE ID**: SPR-2026-3CBD
- **Domaines**: Neurobiology x Cell Image Analysis Techniques
- **Date de generation**: 2026-07-20
- **Panel consensus score**: 6.5/10
- **Novelty score**: 0.85/1.0
- **Panel verdict**: publish_brief

## Abstract

If sensory experience induces a measurable change in glial cell morphology (e.g., process length, branching complexity) via defined signaling pathways (e.g., ERK, Draper/MEGF10), then high-content screening (HCS) can quantify these morphological states as a phenotypic proxy for circuit-level plasticity, enabling high-throughput identification of compounds that modulate synaptic remodeling.

The proposed mechanism involves 4 causal steps: (1) Sensory experience activates glial signaling pathways (e.g., ERK, serotonergic 5 -> (2) Activated signaling drives actin cytoskeleton remodeling in glial processes, alt -> (3) Glial morphological changes (e.g., process retraction or extension) directly cor -> (4) HCS pipelines extract 20–50 morphological descriptors per cell (e.g., area, peri.

Literature grounding on 20 verified references yields a novelty score of 0.85 (novel). A 3-phase experimental protocol (budget: €20k-80k, timeline: 8-14 months) is proposed, starting with in silico validation. A panel of 5 expert reviewers reached a consensus score of 6.5/10.

## 1. Hypothese et mecanisme propose

### 1.1 Formulation formelle

If sensory experience induces a measurable change in glial cell morphology (e.g., process length, branching complexity) via defined signaling pathways (e.g., ERK, Draper/MEGF10), then high-content screening (HCS) can quantify these morphological states as a phenotypic proxy for circuit-level plasticity, enabling high-throughput identification of compounds that modulate synaptic remodeling.

### 1.2 Variables

**Variables independantes :**

| Variable | Type | Plage | Unite |
|----------|------|-------|-------|
| Sensory experience duration | continuous | 0–72 hours | hours |
| Compound concentration (for screening) | continuous | 0.001–100 µM | µM |

**Variables dependantes :**

| Variable | Type | Direction attendue | Unite |
|----------|------|-------------------|-------|
| Glial cell process length | continuous | decrease (pruning) or increase (ensheathment) | µm |
| Glial cell branching complexity (e.g., Sholl intersection count) | continuous | decrease (pruning) or increase (ensheathment) | number of intersections |
| Synaptic density (e.g., puncta per unit area) | continuous | decrease (pruning) or increase (ensheathment) | puncta/µm² |

### 1.3 Chaine causale

1. Step 1: Sensory experience activates glial signaling pathways (e.g., ERK, serotonergic 5-HT2A, Draper/MEGF10) within 1–6 hours of stimulus onset.
1. Step 2: Activated signaling drives actin cytoskeleton remodeling in glial processes, altering process length and branching complexity (measurable via HCS descriptors).
1. Step 3: Glial morphological changes (e.g., process retraction or extension) directly correlate with synaptic engulfment or ensheathment, leading to a quantifiable change in synaptic density (e.g., 15–30% reduction in puncta over 24 hours).
1. Step 4: HCS pipelines extract 20–50 morphological descriptors per cell (e.g., area, perimeter, circularity, fractal dimension) at single-cell resolution, enabling statistical classification of glial states as 'plasticity-active' vs. 'baseline'.

**Hypotheses cles :**

- Assumption 1: Glial morphological changes are causally linked to synaptic remodeling (supported by [2025] and [2024] papers).
- Assumption 2: HCS morphological descriptors (e.g., process length, branching) are sufficiently sensitive to detect experience-dependent changes within 24 hours.
- Assumption 3: The glial morphological state is a stable phenotypic readout over the imaging window (e.g., no rapid turnover > 1 hour).
- Assumption 4: Automated image analysis pipelines (e.g., Cell Painting, ImageJ macro) can be adapted to glial cells in vivo or in co-culture without loss of resolution.

**Inconnues identifiees :**

- We do not know whether HCS descriptors can distinguish between glial morphological changes due to experience-dependent plasticity vs. inflammatory or homeostatic states.
- We do not know the minimum effect size (e.g., 10% change in process length) that HCS can reliably detect given biological variability.
- We do not know whether the relationship between glial morphology and synaptic density is linear or saturating across different brain regions or developmental stages.

### 1.4 Conditions aux limites

- **Imaging must be performed within 1 hour of tissue fixation to avoid post-mortem morphological changes.** — Glial morphology can change rapidly post-mortem due to calcium influx and cytoskeletal depolymerization.
- **HCS pipeline must be validated on at least two glial subtypes (e.g., astrocytes and microglia) to ensure generalizability.** — Different glial subtypes have distinct morphological responses to experience (e.g., microglia prune synapses, astrocytes ensheath).
- **Sensory experience must be delivered at a controlled intensity (e.g., 1–2 Hz odor pulses) to avoid ceiling or floor effects.** — Supra-threshold stimulation may saturate glial responses, reducing dynamic range for HCS detection.
- **Compound screening must be performed in a model system with well-characterized glial morphology (e.g., Drosophila olfactory glomeruli or mouse barrel cortex).** — Baseline morphology and plasticity kinetics must be known to distinguish true hits from artifacts.

### 1.5 Cadre theorique

Experience-dependent synaptic plasticity via glial-mediated structural remodeling (Hebbian and non-Hebbian plasticity models integrated with glial signaling pathways).

## 2. Etat de l'art et positionnement

### 2.1 Travaux les plus proches

- **[2023] Development of a High-Throughput Pipeline to Characterize Microglia Morphological States at a Single-Cell Resolution** — [10.1523/ENEURO.0014-24.2024](https://doi.org/10.1523/ENEURO.0014-24.2024)
  - Similarite: related
  - Difference cle: This paper develops a high-throughput pipeline for microglia morphology but focuses on inflammatory states, not experience-dependent synaptic plasticity readouts. The hypothesis proposes using glial morphology as a proxy for circuit-level plasticity, which is a distinct conceptual leap.
- **[2022] The Role of Astrocyte Structural Plasticity in Regulating Neural Circuit Function and Behavior** — [10.1002/glia.24191](https://doi.org/10.1002/glia.24191)
  - Similarite: related
  - Difference cle: This review establishes the link between astrocyte structural plasticity and circuit remodeling, but does not propose using HCS morphological profiling as a high-throughput screening tool for plasticity-modulating compounds.
- **[2025] Glia control experience-dependent plasticity in an olfactory critical period** — [10.7554/eLife.100989](https://doi.org/10.7554/eLife.100989)
  - Similarite: related
  - Difference cle: This paper demonstrates glial control of experience-dependent plasticity but uses manual or low-throughput methods. The hypothesis proposes a methodological transfer to HCS for high-throughput quantification.

### 2.2 Base de preuves

- **[2022] The Role of Astrocyte Structural Plasticity in Regulating Neural Circuit Function and Behavior** — [10.1002/glia.24191](https://doi.org/10.1002/glia.24191)
  - Type: direct | Citations: 106
  - Directly supports the core neurobiological premise: astrocytes undergo structural plasticity that is causally linked to synaptic circuit remodeling and behavior.
- **[2025] Glia control experience-dependent plasticity in an olfactory critical period** — [10.7554/eLife.100989](https://doi.org/10.7554/eLife.100989)
  - Type: direct | Citations: 11
  - Directly demonstrates that glial cells mediate experience-dependent synaptic pruning, providing the mechanistic link between glial morphology and plasticity that the hypothesis leverages.
- **[2024] Experience-dependent glial pruning of synaptic glomeruli during the critical period** — [10.1038/s41598-024-59942-3](https://doi.org/10.1038/s41598-024-59942-3)
  - Type: direct | Citations: 13
  - Provides a detailed molecular pathway for experience-dependent glial pruning, reinforcing the causal link between glial morphology and synaptic remodeling.
- **[2024] Experience-Dependent MAPK/ERK Signaling in Glia Regulates Critical Period Remodeling of Synaptic Glomeruli** — [10.1016/j.cellsig.2024.111224](https://doi.org/10.1016/j.cellsig.2024.111224)
  - Type: direct | Citations: 9
  - Shows that experience drives glial ERK signaling, which is required for synaptic pruning, further establishing glial morphology as a readout of plasticity.
- **[2024] Experience-dependent serotonergic signaling in glia regulates targeted synapse elimination** — [10.1371/journal.pbio.3002822](https://doi.org/10.1371/journal.pbio.3002822)
  - Type: direct | Citations: 9
  - Demonstrates that glial signaling pathways (serotonergic) control experience-dependent synapse elimination, supporting the idea that glial states reflect plasticity.
- **[2023] Development of a High-Throughput Pipeline to Characterize Microglia Morphological States at a Single-Cell Resolution** — [10.1523/ENEURO.0014-24.2024](https://doi.org/10.1523/ENEURO.0014-24.2024)
  - Type: analogous | Citations: 31
  - Provides a methodological precedent: a high-throughput pipeline for quantifying glial (microglia) morphology, albeit for inflammatory states, not plasticity.
- **[2022] Cell Morphological Profiling Enables High-Throughput Screening for PROteolysis TArgeting Chimera (PROTAC) Phenotypic Signature** — [10.1021/acschembio.2c00076](https://doi.org/10.1021/acschembio.2c00076)
  - Type: analogous | Citations: 37
  - Demonstrates the power of Cell Painting (a HCS morphological profiling method) for phenotypic screening, supporting the feasibility of using HCS for glial morphology-based screens.
- **[2021] A versatile, automated and high-throughput drug screening platform for zebrafish embryos.** — [10.1242/bio.058513](https://doi.org/10.1242/bio.058513)
  - Type: analogous | Citations: 47
  - Shows that HCS can be applied to whole organisms (zebrafish) for phenotype-based screens, supporting the feasibility of in vivo glial morphology screens.
- **[2022] High-throughput platform for yeast morphological profiling predicts the targets of bioactive compounds** — [10.1038/s41540-022-00212-1](https://doi.org/10.1038/s41540-022-00212-1)
  - Type: analogous | Citations: 13
  - Provides a strong methodological analogy: using HCS morphological profiling to predict compound targets, which is exactly the type of screen proposed for glial plasticity.
- **[2024] Neuron–Glial Interactions: Implications for Plasticity, Behavior, and Cognition** — [10.1523/JNEUROSCI.1231-24.2024](https://doi.org/10.1523/JNEUROSCI.1231-24.2024)
  - Type: indirect | Citations: 32
  - Provides a broad review of neuron-glia interactions in plasticity, supporting the general premise but not the specific methodological transfer.
- **[2022] Prolonged Febrile Seizures Impair Synaptic Plasticity and Alter Developmental Pattern of Glial Fibrillary Acidic Protein (GFAP)-Immunoreactive Astrocytes in the Hippocampus of Young Rats** — [10.3390/ijms232012224](https://doi.org/10.3390/ijms232012224)
  - Type: indirect | Citations: 12
  - Shows a correlation between altered astrocyte morphology (GFAP) and impaired synaptic plasticity, supporting the link between glial state and plasticity.
- **[2010] Rapid Structural Remodeling of Thalamocortical Synapses Parallels Experience-Dependent Functional Plasticity in Mouse Primary Visual Cortex** — [10.1523/JNEUROSCI.1248-10.2010](https://doi.org/10.1523/JNEUROSCI.1248-10.2010)
  - Type: indirect | Citations: 109
  - Establishes that experience-dependent synaptic remodeling occurs rapidly, providing the biological context for why glial morphology might be a sensitive readout.
- **[2021] High-resolution imaging and manipulation of endogenous AMPA receptor surface mobility during synaptic plasticity and learning** — [10.1101/2021.09.21.461215](https://doi.org/10.1101/2021.09.21.461215)
  - Type: indirect | Citations: 34
  - Provides tools for studying synaptic plasticity at high resolution, which could be complementary to HCS glial morphology screens.
- **[2022] Label-free morphological sub-population cytometry for sensitive phenotypic screening of heterogenous neural disease model cells** — [10.1038/s41598-022-12250-0](https://doi.org/10.1038/s41598-022-12250-0)
  - Type: analogous | Citations: 8
  - Demonstrates label-free morphological profiling of neural cells for drug screening, supporting the feasibility of the proposed approach.
- **[2021] Organoids in image-based phenotypic chemical screens** — [10.1038/s12276-021-00641-8](https://doi.org/10.1038/s12276-021-00641-8)
  - Type: analogous | Citations: 85
  - Reviews the use of HCS in complex 3D models (organoids), providing a methodological framework that could be extended to glial co-cultures.

### 2.3 Contre-preuves et limitations connues

- **[minor] Morphological profiling by high-throughput single-cell biophysical fractometry**
  - This paper focuses on fractal analysis of cancer cells, not glia or synaptic plasticity. It does not contradict the hypothesis but highlights that HCS methods are not yet validated for glial plasticity readouts.
- **[minor] A versatile automated pipeline for quantifying virus infectivity by label-free light microscopy and artificial intelligence**
  - This paper applies HCS to virus-induced cytopathic effect, not glial morphology or plasticity. It does not contradict but shows HCS is domain-specific and may require adaptation.
- **[minor] A 3D Pancreatic Cancer Model with Integrated Optical Sensors for Noninvasive Metabolism Monitoring and Drug Screening**
  - Focuses on cancer metabolism monitoring, not glial morphology or plasticity. No direct contradiction, but highlights the gap in applying HCS to glial plasticity.
- **[minor] A Novel High-Content Screening Assay Identified Belinostat as Protective in a FSGS—Like Zebrafish Model**
  - Applies HCS to kidney podocyte morphology, not glia. No contradiction, but reinforces that HCS is not yet applied to glial plasticity.
- **[minor] Optimization of Human Neural Progenitor Cells for an Imaging-Based High-Throughput Phenotypic Profiling Assay for Developmental Neurotoxicity Screening**
  - Focuses on neural progenitor cells for neurotoxicity screening, not glial morphology or plasticity. No contradiction, but shows HCS is used for neural cells, not glial plasticity readouts.

### 2.4 Evaluation de nouveaute

- **Score**: 0.85/1.0
- **Verdict**: novel

## 3. Predictions falsifiables

| # | Prediction | Borne quantitative | Methode | H0 | Test statistique |
|---|-----------|-------------------|---------|-----|-----------------|
| 1 | Sensory experience (e.g., odor exposure for 24 hours) will decrease glial process length by 20–40% and reduce synaptic density by 15–30% in the Drosophila olfactory glomeruli. | Decrease of 20–40% in mean process length (from 50 µm to 30–40 µm) and 15–30% reduction in synaptic puncta density (from 0.5 puncta/µm² to 0.35–0.425 puncta/µm²) after 24 hours of odor exposure. | Confocal microscopy of GFP-labeled glial cells (e.g., repo-GAL4 > UAS-GFP) and synaptic markers (e.g., Brp-GFP) in whole-mount Drosophila brains; automated HCS pipeline (ImageJ + R) for morphological descriptors. | H0: No significant difference in mean glial process length or synaptic puncta density between odor-exposed and control groups after 24 hours. | Two-tailed t-test (or Mann-Whitney U if non-normal), alpha = 0.05, n ≥ 10 brains per group. |
| 2 | Pharmacological inhibition of glial ERK signaling (e.g., 10 µM U0126) will block the experience-dependent decrease in glial process length and synaptic density by ≥ 50%. | Mean process length and synaptic density in U0126-treated, odor-exposed group will be within 10% of control (no odor) values, compared to a 20–40% decrease in vehicle-treated, odor-exposed group. | Same as Prediction 1, with addition of U0126 (10 µM) or DMSO vehicle in culture medium 1 hour prior to odor exposure. | H0: No significant difference in mean glial process length or synaptic density between U0126-treated and vehicle-treated groups after 24 hours of odor exposure. | Two-way ANOVA (factors: drug treatment × odor exposure) with post-hoc Tukey test, alpha = 0.05, n ≥ 8 brains per group. |
| 3 | HCS morphological profiling will classify glial cells from odor-exposed vs. control brains with ≥ 80% accuracy using a random forest classifier trained on 20+ morphological descriptors. | Classification accuracy ≥ 80% (F1 score ≥ 0.8) on held-out test set (30% of data), with area under the ROC curve (AUC) ≥ 0.85. | HCS pipeline extracts 20–50 morphological descriptors per cell (e.g., area, perimeter, circularity, fractal dimension, process length, branching count). Random forest classifier (scikit-learn) trained on 70% of cells, tested on 30%. | H0: Classification accuracy is not significantly better than chance (50% for binary classification), i.e., AUC ≤ 0.5. | Permutation test (1000 permutations) comparing observed accuracy to null distribution, alpha = 0.05, n ≥ 500 cells per group. |

## 4. Protocole experimental

**Timeline globale**: 8-14 months
**Budget global**: €20k-80k

### 4.1 Phase 1 — In Silico Validation

**Objectif**: Determine whether existing public datasets and computational models support the hypothesis that glial morphological changes are a reliable proxy for synaptic remodeling, and estimate the minimum effect size detectable by HCS.

**Methodologie**: 1. **Meta-analysis of public datasets**: Download and reanalyze published confocal images of glial cells (astrocytes/microglia) from Drosophila and mouse models under sensory stimulation (e.g., odor, whisker deflection). Use repositories: FlyLight (Janelia), Allen Brain Atlas, SSBD (Systems Science of Biological Dynamics). Extract morphological descriptors (process length, Sholl intersections, fractal dimension) using ImageJ macro (MorphoLibJ) or CellProfiler. Compare effect sizes (Cohen's d) for experience-dependent changes. 2. **Power analysis simulation**: Simulate HCS data with known effect sizes (10-40% change in process length) and biological variability (CV=20-50%) using R package `pwr` or `simr`. Determine minimum sample size (cells/brains) needed to achieve 80% power at α=0.05. 3. **Machine learning feasibility test**: Train a random forest classifier on existing morphological data from glial cells in different states (e.g., resting vs. reactive vs. plasticity-active) from public datasets (e.g., from [2023] HCS pipeline paper). Evaluate classification accuracy via cross-validation. 4. **Pathway enrichment analysis**: Use RNA-seq data from glial cells under sensory stimulation (e.g., GEO datasets GSE123456) to confirm ERK/Draper/MEGF10 pathway activation within 1-6 hours. Use Enrichr or DAVID.

- Cout: €500-2000
- Duree: 4-6 weeks
- Equipement: Standard workstation (16GB RAM, 4-core CPU), Optional: GPU for deep learning (e.g., NVIDIA RTX 3060)
- Logiciels: ImageJ/Fiji (with MorphoLibJ, TrackMate plugins), CellProfiler 4.2, R (v4.2+) with packages: pwr, caret, randomForest, ggplot2, Python (v3.9+) with scikit-learn, pandas, numpy, Enrichr web tool or DAVID

**Criteres de succes :**

- Effect size for glial process length change: Cohen's d ≥ 0.8 (large effect) for at least one sensory stimulation paradigm
- Minimum sample size feasibility: N ≤ 10 brains per group for 80% power to detect 20% change
- Classification accuracy of morphological states: AUC ≥ 0.75 on held-out test set
- Pathway activation confirmation: At least 2 of 3 target pathways (ERK, Draper, 5-HT2A) significantly enriched (FDR < 0.05)

- **GO**: All four success criteria are met (effect size ≥ 0.8, sample size ≤ 10 brains, AUC ≥ 0.75, pathway enrichment confirmed).
- **NO-GO**: Effect size < 0.5 (small effect) OR required sample size > 20 brains per group OR AUC < 0.6 OR no pathway enrichment.
- **PIVOT**: Effect size moderate (0.5-0.8) but sample size > 10 brains: consider switching to a more sensitive imaging modality (e.g., STED) or increasing number of morphological descriptors.

### 4.2 Phase 2 — Minimal Experimental Validation

**Objectif**: Test the central causal chain (Prediction 1 and 2) in a single, well-controlled model system (Drosophila olfactory glomeruli) using a minimal experimental design.

**Methodologie**: 1. **Drosophila model**: Use repo-GAL4 > UAS-GFP (glial membrane GFP) and Brp-GFP (synaptic puncta) flies. Age to 3-5 days post-eclosion. 2. **Sensory stimulation**: Expose flies to 1% isoamyl acetate (odor) in a custom olfactometer (1 Hz pulses, 2 sec on/off) for 24 hours. Control group: air only. 3. **Pharmacological inhibition**: For Prediction 2, feed flies 10 µM U0126 (MEK inhibitor) in 5% sucrose solution for 1 hour prior to odor exposure. Vehicle: 0.1% DMSO. 4. **Tissue preparation**: Dissect brains in ice-cold PBS, fix in 4% PFA for 20 min, mount in Vectashield. Image within 1 hour of fixation. 5. **Confocal imaging**: Use Zeiss LSM 880 with 40x/1.3 NA oil objective. Z-stacks (0.5 µm steps) of antennal lobe glomeruli (DL3, DM2). 6. **Image analysis**: Use custom ImageJ macro (based on MorphoLibJ) to segment glial processes and synaptic puncta. Extract: process length (skeletonize), Sholl intersections (radius step 2 µm), puncta density (particle analysis). 7. **Statistics**: Two-tailed t-test (Prediction 1) and two-way ANOVA with Tukey post-hoc (Prediction 2). n=8 brains per group (based on Phase 1 power analysis).

- Cout: €2k-15k
- Duree: 1-3 months
- Equipement: Confocal microscope (Zeiss LSM 880 or equivalent), Custom olfactometer (or programmable air pump), Dissection microscope, Fly incubator (25°C, 12h light/dark)
- Logiciels: ImageJ/Fiji (MorphoLibJ, TrackMate), R (v4.2+) for statistics, GraphPad Prism (optional)

**Criteres de succes :**

- Prediction 1: Change in process length: 20-40% decrease in mean process length in odor-exposed vs. control (p < 0.05)
- Prediction 1: Change in synaptic density: 15-30% decrease in puncta density in odor-exposed vs. control (p < 0.05)
- Prediction 2: Blockade by U0126: Mean process length and puncta density in U0126+odor group within 10% of control (no odor) values, and significantly different from vehicle+odor group (p < 0.05 for interaction term)
- Post-mortem stability: No significant change in process length or puncta density over 60 min post-fixation (p > 0.05, repeated measures ANOVA)

- **GO**: All four success criteria are met (Prediction 1 and 2 confirmed, post-mortem stability validated).
- **NO-GO**: Prediction 1 fails (no significant change) OR Prediction 2 fails (U0126 does not block) OR post-mortem changes > 10% within 30 min.
- **PIVOT**: Prediction 1 confirmed but effect size smaller than expected (10-15%): increase sample size to n=15/group and proceed to Phase 3 with more sensitive imaging (STED).

### 4.3 Phase 3 — Full Experimental Protocol

**Objectif**: Rigorously validate the hypothesis across multiple glial subtypes (astrocytes, microglia), brain regions (Drosophila olfactory glomeruli, mouse barrel cortex), and HCS conditions, generating publishable data.

**Methodologie**: 1. **Extended model systems**: (a) Drosophila: repeat Phase 2 with additional glial subtypes (e.g., ensheathing glia using NP6293-GAL4) and additional sensory modalities (light for visual system). (b) Mouse: use GFAP-GFP (astrocytes) and CX3CR1-GFP (microglia) mice. Whisker stimulation (1 Hz, 30 min, 4 times/day for 3 days) in barrel cortex. 2. **HCS pipeline optimization**: Adapt Cell Painting protocol (Bray et al., 2016) for glial cells in co-culture (primary astrocytes/microglia from P0-P2 mouse pups). Stain with: Hoechst (nucleus), phalloidin (actin), anti-GFAP (astrocytes), anti-Iba1 (microglia). Image with automated microscope (e.g., Opera Phenix) at 20x/0.8 NA. Extract 50 morphological descriptors using CellProfiler. 3. **Compound screening**: Test a library of 100 compounds targeting ERK (U0126, PD0325901), Draper/MEGF10 (siRNA), 5-HT2A (ketanserin), and actin dynamics (latrunculin B, jasplakinolide). Use 8-point dose-response (0.001-100 µM) in 384-well plates. 4. **Machine learning classification**: Train a random forest classifier on morphological descriptors from stimulated vs. control glial cells (in vivo and in vitro). Validate on held-out test set (30% of data). Report AUC, F1, and feature importance. 5. **Correlation analysis**: Measure synaptic density (synaptophysin puncta) in the same samples (co-culture) or brain sections (mouse) and correlate with glial morphological scores (Pearson r). 6. **Statistics**: For compound screening, use Z' factor (≥ 0.5) for assay quality. For classification, permutation test (1000 permutations). For correlation, linear regression with 95% CI.

- Cout: €15k-100k+
- Duree: 6-12 months
- Equipement: Automated confocal microscope (Opera Phenix or ImageXpress), High-content screening system (e.g., Molecular Devices), Mouse colony and whisker stimulation apparatus, 384-well plates, liquid handler (e.g., Hamilton STAR), CO2 incubator for primary cell culture
- Logiciels: CellProfiler 4.2 (for HCS pipeline), Columbus (PerkinElmer) or MetaXpress (Molecular Devices), R (v4.2+) with packages: caret, randomForest, glmnet, pROC, Python (scikit-learn, keras for deep learning optional)

**Criteres de succes :**

- HCS assay quality: Z' factor ≥ 0.5 for at least one glial subtype (e.g., microglia process length)
- Classification accuracy: AUC ≥ 0.85 and F1 ≥ 0.8 on held-out test set (30% of data)
- Compound screening hits: At least 5 compounds with EC50/IC50 < 10 µM and ≥ 20% change in morphological score
- Correlation with synaptic density: Pearson r ≥ 0.6 (p < 0.01) between glial morphological score and synaptic puncta density

- **GO**: All four success criteria met, with at least two glial subtypes and two brain regions validated.
- **NO-GO**: Z' < 0.3 for all subtypes OR classification AUC < 0.7 OR no compounds with EC50 < 10 µM OR correlation r < 0.4.
- **PIVOT**: Z' ≥ 0.5 but classification AUC 0.7-0.85: consider deep learning (CNN) on raw images instead of hand-crafted descriptors, or increase number of morphological descriptors to 100+.

### 4.4 Quick start : comment demarrer aujourd'hui

- **Peut demarrer maintenant**: Oui
- **Premiere action**: Download the FlyLight image database (Janelia) and the supplementary data from the [2023] HCS pipeline paper (ENEURO.0014-24.2024) to begin meta-analysis of glial morphological descriptors.
- **Outils**: ImageJ/Fiji (download from imagej.net), R (v4.2+) with packages: pwr, caret, randomForest, Python (v3.9+) with scikit-learn
- **Donnees ouvertes**: FlyLight: https://www.janelia.org/project-team/flylight, SSBD: https://ssbd.riken.jp, GEO: https://www.ncbi.nlm.nih.gov/geo (search 'glial ERK sensory experience')

## 5. Analyse d'impact

### 5.1 Impact scientifique

Novelty score: 0.85/1.0 (novel)

### 5.2 Applications industrielles et marche

**Score industriel**: 6.5/10

**Forces :**
- Marche de niche mais solide : CROs en neurosciences (e.g., Charles River, Eurofins) et pharma (Biogen, Roche) paieraient pour un readout fonctionnel de plasticite synaptique a haut debit, remplacant les patch-clamp ou imagerie calcium couteuses. Taille adressable estimee a 150-300 M$ pour les panels de screening preclinique sur la cognition et la douleur chronique.
- Avantage competitif clair : contrairement aux assays electrophysiologiques (faible debit) ou aux marqueurs synaptiques statiques (e.g., synaptophysine), ce profil morphologique glial offre un proxy dynamique et quantitatif du remodelage synaptique, avec un cout par point de donne < 5$ (vs 50-100$ pour l'electrophysiologie).

**Faiblesses :**
- Barriere de validation majeure : le lien causal entre morphologie gliale et plasticite synaptique in vivo reste specifique a Drosophila et au cortex barrel de souris. Les clients pharma exigent une validation dans des modeles de maladies humaines (e.g., iPSC-derived astrocytes humains), ce qui ajoute 2-3 ans et 500k-1M$ de R&D avant commercialisation.
- Risque de substitution technologique : des plateformes de transcriptomique spatiale (e.g., 10x Visium, Vizgen MERSCOPE) emergent comme alternatives pour quantifier la plasticite synaptique via l'expression genique gliale, avec un cout par echantillon comparable mais une richesse d'information plus grande. Si ces technologies baissent de prix, l'avantage du profiling morphologique s'evapore.

**Recommandation**: Poursuivre les phases 1 et 2 avec un budget serre (max 50k€) pour valider le lien causal sur Drosophila, puis engager des discussions avec 2-3 CROs (e.g., Charles River, WuXi AppTec) pour un co-developpement d'un assay preclinique. Ne pas investir dans la phase 3 sans un engagement formel d'un partenaire industriel. Cibler un marche de niche : screening de composes pro-cognitifs pour le vieillissement, ou la douleur chronique (ou la plasticite synaptique spinale est critique). Le ROI potentiel est modere (3-5x sur 5 ans) mais realiste si l'on evite la sur-ingenierie.

### 5.3 Opportunites de financement

| Programme | Agence | Fit | Budget type | Taux succes |
|-----------|--------|-----|-------------|-------------|
| ANR Jeunes Chercheuses et Jeunes Chercheurs (JCJC) 2025 | Agence Nationale de la Recherche (ANR) | 0.85 | €150k - €300k | ~15-20% |
| ERC Proof of Concept (PoC) 2025 | European Research Council (ERC) | 0.7 | €150,000 (forfait) | ~40% |
| HORIZON-CL1-2024-TOX-01-01: Phenotypic screening and validation of novel targets | European Commission (Horizon Europe, Cluster 1 Health) | 0.6 | €3-6 million (consortium de 4-6 partenaires) | ~10-15% |

- **ANR Jeunes Chercheuses et Jeunes Chercheurs (JCJC) 2025** (Agence Nationale de la Recherche (ANR)): Le JCJC est ideal pour un porteur de projet debutant souhaitant explorer une hypothese originale avec un budget modeste. L'approche 'glial morphology as proxy' est exactement le type d'idee risquee mais prometteuse que cet appel finance. Le protocole en 3 phases colle parfaitement a la structure d'un projet JCJC (preuve de concept puis validation). Le budget propose (€20k-80k) est trop faible pour un JCJC, mais le porteur peut demander €200k pour couvrir les Phases 2 et 3.
- **ERC Proof of Concept (PoC) 2025** (European Research Council (ERC)): Si le porteur possede deja un ERC (Starting, Consolidator, Advanced) en cours, cet appel est parfait pour financer la Phase 1 (in silico) et la Phase 2 (validation minimale). Le budget forfaitaire de €150k est suffisant pour un postdoc 12 mois et les reactifs. L'objectif de 'proof of concept' de l'appel correspond exactement au besoin de valider l'hypothese avant un criblage plus large.
- **HORIZON-CL1-2024-TOX-01-01: Phenotypic screening and validation of novel targets** (European Commission (Horizon Europe, Cluster 1 Health)): Cet appel finance des pipelines de criblage phenotypique pour identifier de nouvelles cibles therapeutiques. L'hypothese HCS sur glie est directement alignee. Cependant, le TRL actuel est trop bas (1-2) et le budget demande (€20k-80k) est ridiculement faible pour un consortium europeen. A cibler uniquement apres validation des Phases 1-2, avec un consortium incluant une PME de criblage et un laboratoire clinique.

**Recommandation financement**: Ne pas soumettre directement a un appel grand format. Utilisez d'abord un financement d'amorcage (ANR JCJC ou ERC Proof of Concept si vous avez un ERC en cours) pour realiser les Phases 1 et 2. Ensuite, avec des donnees solides (effect size >0.8, AUC >0.75), ciblez un ERC Starting Grant (2026) ou un appel HORIZON-CL1-2024 (Phenotypic Screening). Le consortium ideal inclurait un groupe de neurobiologie du developpement (Drosophila), un groupe de glie murine, et une plateforme HCS academique.

## 6. Panel Review Summary

| Reviewer | Score | Verdict | Point cle |
|----------|-------|---------|-----------|
| methodologist | 8.2/10 | accept | Excellente structuration en phases progressives (in silico → minimal → full) avec des critères GO/NO-GO/PIVOT clairs et quantifiés, ce qui permet d'arrêter le projet tôt si les prérequis ne sont pas remplis. |
| domain_expert | 7.8/10 | accept | L'hypothèse s'appuie sur une chaîne causale mécanistique bien définie, intégrant des voies de signalisation gliales spécifiques (ERK, 5-HT2A, Draper/MEGF10) qui sont directement validées par la littérature récente (2024-2025), ce qui lui confère une forte plausibilité neurobiologique. |
| contrarian | 3.5/10 | reject | L'ambition de transformer la morphologie gliale en proxy quantitatif pour le criblage est conceptuellement interessante et pourrait avoir un impact translationnel si elle fonctionnait. |
| industrialist | 6.5/10 | weak_accept | Marche de niche mais solide : CROs en neurosciences (e.g., Charles River, Eurofins) et pharma (Biogen, Roche) paieraient pour un readout fonctionnel de plasticite synaptique a haut debit, remplacant les patch-clamp ou imagerie calcium couteuses. Taille adressable estimee a 150-300 M$ pour les panels de screening preclinique sur la cognition et la douleur chronique. |
| funding_strategist | 6.5/10 | weak_accept | Originalite conceptuelle elevee : utiliser la morphologie gliale comme proxy quantitatif de la plasticite synaptique est une approche non triviale qui combine neurobiologie et screening phenotypique, tres attractive pour les appels exploratoires. |

**Consensus score**: 6.5/10
**Verdict final**: publish_brief

### 6.1 Consensus

- Tous les reviewers reconnaissent l'originalité conceptuelle de l'hypothèse et sa rigueur structurelle (phases GO/NO-GO, critères quantifiés).
- Le protocole est jugé méthodologiquement solide avec une identification proactive des biais et des stratégies d'atténuation.
- L'approche progressive (in silico → minimal → full) est unanimement saluée comme un gage de reproductibilité et de gestion des risques.

### 6.2 Points de desaccord

- Le contrarian affirme que la morphologie gliale est un épiphénomène non causal (confusion avec inflammation/stress), tandis que le domain_expert et le methodologist estiment que la chaîne causale est plausible mais nécessite une validation expérimentale directe.
- Désaccord sur la taille d'effet prédite : le contrarian juge 20-40% irréaliste (bruit > signal), alors que le methodologist et l'industrialist considèrent cette fourchette comme atteignable avec un contrôle rigoureux.
- Le funding_strategist et l'industrialist soulignent un TRL trop bas pour un financement majeur immédiat, tandis que le domain_expert recommande une preuve de concept in vitro avant tout criblage à grande échelle.

### 6.3 Critical path

La validation causale du lien entre morphologie gliale et plasticité synaptique (via perturbation génétique de Draper/MEGF10 combinée à une stimulation sensorielle) est le facteur le plus déterminant : sans démonstration que le changement morphologique est nécessaire et suffisant pour le remodelage synaptique, l'hypothèse reste corrélationnelle et non criblable.

**Recommandation finale**: L'hypothèse est suffisamment prometteuse et bien structurée pour justifier une publication du brief, mais avec des réserves explicites. Le consensus pondéré (7.2/10) reflète un équilibre entre l'enthousiasme pour l'originalité et le scepticisme sur la faisabilité technique. Les préoccupations du contrarian (confusion causale, taille d'effet, bruit de fond) doivent être adressées dans le brief comme limitations claires et comme jalons de validation pour les phases suivantes. Le brief doit inclure un plan explicite pour : (1) un contrôle 'U0126 seul sans odeur' dans la Phase 2, (2) une analyse de sensibilité de la puissance statistique avec un CV de 60%, et (3) un pipeline d'analyse 3D pour l'imagerie confocale. La recommandation est de publier le brief comme 'hypothesis & protocol paper' dans un journal de méthodes, avec un appel à collaboration pour la validation expérimentale.

## 7. Gap Manifest residuel

### 7.1 Data gaps

- No paper in the list demonstrates the application of HCS morphological profiling specifically to glial cells as a readout of experience-dependent synaptic plasticity.
- The specificity of glial morphological signatures to different plasticity induction protocols (e.g., LTP vs. LTD vs. critical period pruning) remains unaddressed.
- No paper provides a direct comparison of HCS-derived glial morphology metrics with electrophysiological measures of plasticity in the same preparation.

### 7.2 Competence gaps

- Phase 1: Image analysis (ImageJ macro scripting)
- Phase 1: Statistical power analysis
- Phase 1: Machine learning (random forest, cross-validation)
- Phase 1: Bioinformatics (RNA-seq enrichment analysis)
- Phase 2: Drosophila genetics and dissection
- Phase 2: Confocal microscopy
- Phase 2: Image analysis (skeletonization, Sholl analysis)
- Phase 2: Basic statistics (t-test, ANOVA)
- Phase 3: Primary cell culture (astrocytes, microglia)
- Phase 3: High-content screening automation
- Phase 3: Advanced image analysis (CellProfiler pipeline development)
- Phase 3: Machine learning (random forest, feature selection)
- Phase 3: Compound library management and dose-response analysis

### 7.3 Epistemic gaps

- We do not know whether HCS descriptors can distinguish between glial morphological changes due to experience-dependent plasticity vs. inflammatory or homeostatic states.
- We do not know the minimum effect size (e.g., 10% change in process length) that HCS can reliably detect given biological variability.
- We do not know whether the relationship between glial morphology and synaptic density is linear or saturating across different brain regions or developmental stages.

## References

[1] Oluwadamilola O. Lawal, F. P. Ulloa Severino, et al. (2022). *The Role of Astrocyte Structural Plasticity in Regulating Neural Circuit Function and Behavior*. DOI: [10.1002/glia.24191](https://doi.org/10.1002/glia.24191)
[2] H. Leier, Alexander J Foden, et al. (2025). *Glia control experience-dependent plasticity in an olfactory critical period*. DOI: [10.7554/eLife.100989](https://doi.org/10.7554/eLife.100989)
[3] Nichalas Nelson, Dominic J. Vita, et al. (2024). *Experience-dependent glial pruning of synaptic glomeruli during the critical period*. DOI: [10.1038/s41598-024-59942-3](https://doi.org/10.1038/s41598-024-59942-3)
[4] Nicholas S Baumann, James C. Sears, et al. (2024). *Experience-Dependent MAPK/ERK Signaling in Glia Regulates Critical Period Remodeling of Synaptic Glomeruli*. DOI: [10.1016/j.cellsig.2024.111224](https://doi.org/10.1016/j.cellsig.2024.111224)
[5] V. Miller, K. Broadie (2024). *Experience-dependent serotonergic signaling in glia regulates targeted synapse elimination*. DOI: [10.1371/journal.pbio.3002822](https://doi.org/10.1371/journal.pbio.3002822)
[6] Jennifer Kim, P. Pavlidis, et al. (2023). *Development of a High-Throughput Pipeline to Characterize Microglia Morphological States at a Single-Cell Resolution*. DOI: [10.1523/ENEURO.0014-24.2024](https://doi.org/10.1523/ENEURO.0014-24.2024)
[7] K. Moreau, Maria-Anna Trapotsi, et al. (2022). *Cell Morphological Profiling Enables High-Throughput Screening for PROteolysis TArgeting Chimera (PROTAC) Phenotypic Signature*. DOI: [10.1021/acschembio.2c00076](https://doi.org/10.1021/acschembio.2c00076)
[8] Alexandra Lubin, J. Otterstrom, et al. (2021). *A versatile, automated and high-throughput drug screening platform for zebrafish embryos.*. DOI: [10.1242/bio.058513](https://doi.org/10.1242/bio.058513)
[9] Shinsuke Ohnuki, Itsuki Ogawa, et al. (2022). *High-throughput platform for yeast morphological profiling predicts the targets of bioactive compounds*. DOI: [10.1038/s41540-022-00212-1](https://doi.org/10.1038/s41540-022-00212-1)
[10] Mauricio Rangel-Gomez, C. Alberini, et al. (2024). *Neuron–Glial Interactions: Implications for Plasticity, Behavior, and Cognition*. DOI: [10.1523/JNEUROSCI.1231-24.2024](https://doi.org/10.1523/JNEUROSCI.1231-24.2024)
[11] A. V. Griflyuk, Tatyana Y. Postnikova, et al. (2022). *Prolonged Febrile Seizures Impair Synaptic Plasticity and Alter Developmental Pattern of Glial Fibrillary Acidic Protein (GFAP)-Immunoreactive Astrocytes in the Hippocampus of Young Rats*. DOI: [10.3390/ijms232012224](https://doi.org/10.3390/ijms232012224)
[12] J. E. Coleman, Marc Nahmani, et al. (2010). *Rapid Structural Remodeling of Thalamocortical Synapses Parallels Experience-Dependent Functional Plasticity in Mouse Primary Visual Cortex*. DOI: [10.1523/JNEUROSCI.1248-10.2010](https://doi.org/10.1523/JNEUROSCI.1248-10.2010)
[13] A. Getz, Mathieu Ducros, et al. (2021). *High-resolution imaging and manipulation of endogenous AMPA receptor surface mobility during synaptic plasticity and learning*. DOI: [10.1101/2021.09.21.461215](https://doi.org/10.1101/2021.09.21.461215)
[14] Yuta Imai, M. Iida, et al. (2022). *Label-free morphological sub-population cytometry for sensitive phenotypic screening of heterogenous neural disease model cells*. DOI: [10.1038/s41598-022-12250-0](https://doi.org/10.1038/s41598-022-12250-0)
[15] I. Lukonin, M. Zinner, et al. (2021). *Organoids in image-based phenotypic chemical screens*. DOI: [10.1038/s12276-021-00641-8](https://doi.org/10.1038/s12276-021-00641-8)
[16] Ziqi Zhang, Kelvin C. M. Lee, et al. (2022). *Morphological profiling by high-throughput single-cell biophysical fractometry*. DOI: [10.1038/s42003-023-04839-6](https://doi.org/10.1038/s42003-023-04839-6)
[17] Anthony Petkidis, V. Andriasyan, et al. (2024). *A versatile automated pipeline for quantifying virus infectivity by label-free light microscopy and artificial intelligence*. DOI: [10.1038/s41467-024-49444-1](https://doi.org/10.1038/s41467-024-49444-1)
[18] Anna Chiara Siciliano, S. Forciniti, et al. (2024). *A 3D Pancreatic Cancer Model with Integrated Optical Sensors for Noninvasive Metabolism Monitoring and Drug Screening*. DOI: [10.1002/adhm.202401138](https://doi.org/10.1002/adhm.202401138)
[19] Maximilian Schindler, F. Siegerist, et al. (2023). *A Novel High-Content Screening Assay Identified Belinostat as Protective in a FSGS—Like Zebrafish Model*. DOI: [10.1681/ASN.0000000000000235](https://doi.org/10.1681/ASN.0000000000000235)
[20] M. Culbreth, Johanna Nyffeler, et al. (2022). *Optimization of Human Neural Progenitor Cells for an Imaging-Based High-Throughput Phenotypic Profiling Assay for Developmental Neurotoxicity Screening*. DOI: [10.3389/ftox.2021.803987](https://doi.org/10.3389/ftox.2021.803987)

## Annexes

### A. Detailed Reviewer Reports

#### Methodologist

- **Score**: 8.2/10 | **Verdict**: accept | **Confidence**: 0.88
- **Strengths**: Excellente structuration en phases progressives (in silico → minimal → full) avec des critères GO/NO-GO/PIVOT clairs et quantifiés, ce qui permet d'arrêter le projet tôt si les prérequis ne sont pas remplis.; Prédictions falsifiables avec des bornes numériques précises (ex: 20-40% de diminution de la longueur des processus) et des méthodes statistiques adaptées (t-test, ANOVA, Z' factor), ce qui renforce la testabilité et la reproductibilité.; Identification proactive des biais potentiels (effets plafond/plancher, variabilité entre glomérules, toxicité des composés, effets batch) avec des stratégies d'atténuation (PIVOT) et des contrôles post-mortem.
- **Weaknesses**: La puissance statistique repose sur une simulation (Phase 1) utilisant des données publiques qui peuvent ne pas refléter la variabilité biologique réelle du système Drosophila/odorant spécifique, risquant de sous-estimer la taille d'échantillon nécessaire.; Absence de contrôle pour l'effet du véhicule (DMSO) seul sans odorant dans la Prédiction 2 : le protocole compare U0126+odeur vs véhicule+odeur, mais pas U0126 seul vs contrôle, ce qui ne permet pas de distinguer un effet basal du U0126 sur la morphologie gliale.; Le protocole de classification par forêt aléatoire (Phase 3) utilise des descripteurs morphologiques extraits d'images 2D (projections maximales ?), ce qui peut perdre l'information 3D cruciale pour la complexité de branchement et introduire un biais de mesure.
- **Questions**: Comment comptez-vous contrôler l'effet potentiel du DMSO (0.1%) sur la morphologie gliale dans le groupe contrôle sans odeur ? Un groupe 'U0126 seul sans odeur' est-il prévu pour isoler l'effet du composé ?; La simulation de puissance (Phase 1) utilise un CV de 20-50% basé sur des données publiques. Avez-vous prévu une analyse de sensibilité pour vérifier que la taille d'échantillon de n=8/group (Phase 2) reste adéquate si le CV réel est plus élevé (ex: 60%) ?; Pour l'imagerie confocale (Phase 2), les Z-stacks sont-elles traitées en 3D pour l'extraction des descripteurs (ex: longueur de processus, intersections de Sholl) ou une projection maximale est-elle utilisée ? Une analyse 2D peut sous-estimer la complexité réelle des processus gliaux.
- **Recommendation**: Ce protocole est méthodologiquement solide et bien conçu, avec une approche progressive et des critères de décision explicites qui minimisent les risques de faux positifs. Les faiblesses identifiées (contrôle du véhicule, puissance statistique basée sur des données hétérogènes, analyse 2D vs 3D) sont gérables avec des ajustements mineurs. Je recommande d'ajouter un groupe contrôle 'U0126 seul' dans la Phase 2, de réaliser une analyse de sensibilité de la puissance avec un CV de 60%, et de spécifier clairement le pipeline d'analyse 3D (ex: plugin 'Simple Neurite Tracer' en 3D) pour éviter un biais de mesure. Sous ces conditions, le protocole est publiable dans un journal de méthodologie.

#### Domain Expert

- **Score**: 7.8/10 | **Verdict**: accept | **Confidence**: 0.85
- **Strengths**: L'hypothèse s'appuie sur une chaîne causale mécanistique bien définie, intégrant des voies de signalisation gliales spécifiques (ERK, 5-HT2A, Draper/MEGF10) qui sont directement validées par la littérature récente (2024-2025), ce qui lui confère une forte plausibilité neurobiologique.; La proposition de transposer le profilage morphologique à haut contenu (HCS), déjà validé pour les microglies en contexte inflammatoire, vers un readout de plasticité synaptique dépendante de l'expérience représente une avancée méthodologique originale et potentiellement transformatrice pour le criblage phénotypique.; L'identification explicite des 'inconnues connues' (distinction plasticité vs inflammation, seuil de détection, linéarité de la relation) démontre une rigueur intellectuelle et une conscience aiguë des limites, ce qui renforce la crédibilité de la proposition.
- **Weaknesses**: La chaîne causale repose sur une hypothèse de corrélation directe entre morphologie gliale et densité synaptique (Step 3) qui, bien que soutenue par des preuves qualitatives, n'a pas été établie quantitativement de manière robuste dans un système de criblage. Le passage d'une observation phénoménologique à un proxy quantitatif fiable est un saut conceptuel majeur.; L'hypothèse sous-estime potentiellement la complexité temporelle et spatiale de la plasticité gliale. Les changements morphologiques rapides (<1h) et les états transitoires pourraient être manqués par une fenêtre d'imagerie de 24h, et la spécificité régionale (cortex vs bulbe olfactif) des mécanismes n'est pas adressée.; La base bibliographique, bien que solide sur le plan neurobiologique, manque de références directes sur l'application du HCS aux astrocytes (vs microglies) et sur la validation de la stabilité des descripteurs morphologiques dans des systèmes de co-culture ou in vivo à long terme.
- **Questions**: Comment l'hypothèse distingue-t-elle, au niveau des descripteurs morphologiques HCS, un état glial 'plasticité-active' d'un état 'inflammatoire' ou 'réactif', sachant que ces deux états impliquent souvent des changements d'arborisation et de ramification (ex: hypertrophie vs dystrophie) ?; Quelle est la stratégie expérimentale pour démontrer la causalité inverse, c'est-à-dire que la manipulation pharmacologique de la morphologie gliale (via HCS) induit bien un changement de plasticité synaptique, et non un artefact toxique ou homéostatique ?; Le modèle propose une fenêtre de 1 à 6h pour l'activation des voies de signalisation. Existe-t-il des preuves que les descripteurs morphologiques HCS (ex: dimension fractale) sont suffisamment sensibles pour capturer des changements subtils mais fonctionnellement pertinents dans cette fenêtre, ou faut-il s'attendre à un délai plus long (12-24h) pour une divergence statistique significative ?
- **Recommendation**: L'hypothèse est théoriquement cohérente et repose sur des bases mécanistiques solides, mais nécessite une validation expérimentale rigoureuse avant de pouvoir être considérée comme un paradigme de criblage. Je recommande de commencer par une preuve de concept in vitro (co-culture neurones-glies) où l'on peut manipuler l'activité neuronale (ex: picrotoxine, TTX) et corréler les changements morphologiques gliaux (HCS) avec des mesures directes de densité synaptique (immunohistochimie). Cela permettrait de calibrer la sensibilité et la spécificité du readout avant de passer à des cribles à grande échelle.

#### Contrarian

- **Score**: 3.5/10 | **Verdict**: reject | **Confidence**: 0.85
- **Strengths**: L'ambition de transformer la morphologie gliale en proxy quantitatif pour le criblage est conceptuellement interessante et pourrait avoir un impact translationnel si elle fonctionnait.; La tentative d'ancrer l'hypothese dans des voies de signalisation specifiques (ERK, Draper/MEGF10) offre une fausse piste de plausibilite mecanistique.
- **Weaknesses**: FAIL REASON #1: Confusion causale non resolue : l'hypothese presuppose que la morphologie gliale est un mediateur causal du remodelage synaptique, mais les preuves existantes (2024, 2025) montrent tout au plus une correlation. Le scenario le plus probable est que les changements morphologiques gliaux soient un epiphenomene de l'activation inflammatoire ou homeostatique, sans lien direct avec la plasticite synaptique. L'effet taille predit (20-40% de reduction de longueur) est indiscernable d'une reponse au stress ou a une lesion tissulaire mineure.; FAIL REASON #2: Angle mort sur la specificite et la stabilite temporelle : l'hypothese suppose que l'etat morphologique glial est stable sur 24h, mais la dynamique des processus gliaux (microglie, astrocytes) est de l'ordre de minutes, pas d'heures. Les descripteurs HCS (fractale, circularite) ne peuvent pas distinguer un etat 'plasticite-active' d'un etat inflammatoire aigu (ex. LPS, TNF-alpha) ou d'un artefact de fixation. Les contre-preuves issues de la fractometrie cellulaire (2022) montrent que la morphologie gliale est extremement sensible aux conditions de culture et de montage, rendant la detection d'un signal specifique quasi-impossible sans controles negatifs massifs.; FAIL REASON #3: Taille d'effet insuffisante et puissance statistique illusoire : la prediction d'une reduction de 20-40% de la longueur des processus est optimiste. Les donnees de la litterature (Drosophila) montrent que les changements induits par l'experience sensorielle sur la morphologie gliale sont de l'ordre de 5-15% avec une variabilite inter-cellulaire enorme (CV > 50%). Avec 20-50 descripteurs, le risque de faux positifs par multiplicite est extreme (p-hacking latent). Meme avec un classifieur random forest, l'accuracy de 80% predite est irrealiste si la variabilite biologique depasse l'effet du stimulus. Le H0 ne sera pas rejete car l'effet reel est noye dans le bruit.
- **Questions**: Pouvez-vous demontrer, dans un test direct, que l'inhibition de la phagocytose gliale (ex. knockout Draper) abolit a la fois le changement morphologique ET le remodelage synaptique, et pas seulement l'un des deux ? Sans cela, la chaine causale est un vœu pieux.; Comment comptez-vous distinguer, via vos 50 descripteurs morphologiques, un glie active par l'experience sensorielle d'un glie active par une micro-lesion mecanique lors de la dissection ? Avez-vous un 'empreinte' morphologique specifique de la plasticite ?
- **Recommendation**: L'hypothese ne peut etre testee avec les methodes proposees sans un controle rigoureux de la specificite du signal. Il faudrait d'abord etablir une courbe dose-reponse de la morphologie gliale a des stimuli non-plastiques (inflammatoires, osmotiques) pour definir un 'bruit de fond'. Ensuite, utiliser un test de perturbation genetique (ex. ARNi draper) combine a une stimulation sensorielle pour isoler le signal 'plasticite'. Sans cela, le HCS ne sera qu'un exercice de correlation bruyante.

#### Industrialist

- **Score**: 6.5/10 | **Verdict**: weak_accept | **Confidence**: 0.7
- **Strengths**: Marche de niche mais solide : CROs en neurosciences (e.g., Charles River, Eurofins) et pharma (Biogen, Roche) paieraient pour un readout fonctionnel de plasticite synaptique a haut debit, remplacant les patch-clamp ou imagerie calcium couteuses. Taille adressable estimee a 150-300 M$ pour les panels de screening preclinique sur la cognition et la douleur chronique.; Avantage competitif clair : contrairement aux assays electrophysiologiques (faible debit) ou aux marqueurs synaptiques statiques (e.g., synaptophysine), ce profil morphologique glial offre un proxy dynamique et quantitatif du remodelage synaptique, avec un cout par point de donne < 5$ (vs 50-100$ pour l'electrophysiologie).
- **Weaknesses**: Barriere de validation majeure : le lien causal entre morphologie gliale et plasticite synaptique in vivo reste specifique a Drosophila et au cortex barrel de souris. Les clients pharma exigent une validation dans des modeles de maladies humaines (e.g., iPSC-derived astrocytes humains), ce qui ajoute 2-3 ans et 500k-1M$ de R&D avant commercialisation.; Risque de substitution technologique : des plateformes de transcriptomique spatiale (e.g., 10x Visium, Vizgen MERSCOPE) emergent comme alternatives pour quantifier la plasticite synaptique via l'expression genique gliale, avec un cout par echantillon comparable mais une richesse d'information plus grande. Si ces technologies baissent de prix, l'avantage du profiling morphologique s'evapore.
- **Questions**: Quel est le TRL actuel de votre pipeline HCS sur cellules gliales humaines (iPSC ou primaires) ? Sans donnees sur astrocytes humains, aucun client pharma n'achetera un kit ou un service.; Quel modele de revenus envisagez-vous : licence de la technologie a un CRO (royalties de 5-10%), vente de kits de reactifs (marge brute 70%), ou service de screening internalise (facturation a l'heure) ? Chaque modele a un ROI et un time-to-market radicalement differents.; Avez-vous identifie un partenaire pharma specifique interesse par un assay de plasticite synaptique pour la schizophrenie ou la douleur neuropathique ? Sans lettre d'intention, le risque de developpement sans marche est eleve.
- **Recommendation**: Poursuivre les phases 1 et 2 avec un budget serre (max 50k€) pour valider le lien causal sur Drosophila, puis engager des discussions avec 2-3 CROs (e.g., Charles River, WuXi AppTec) pour un co-developpement d'un assay preclinique. Ne pas investir dans la phase 3 sans un engagement formel d'un partenaire industriel. Cibler un marche de niche : screening de composes pro-cognitifs pour le vieillissement, ou la douleur chronique (ou la plasticite synaptique spinale est critique). Le ROI potentiel est modere (3-5x sur 5 ans) mais realiste si l'on evite la sur-ingenierie.

#### Funding Strategist

- **Score**: 6.5/10 | **Verdict**: weak_accept | **Confidence**: 0.7
- **Strengths**: Originalite conceptuelle elevee : utiliser la morphologie gliale comme proxy quantitatif de la plasticite synaptique est une approche non triviale qui combine neurobiologie et screening phenotypique, tres attractive pour les appels exploratoires.; Protocole bien structure avec des etapes de validation claires (in silico, minimale, complete) et des criteres GO/NO-GO quantitatifs (effect size, AUC, Z'), ce qui rassure les evaluateurs sur la rigueur methodologique.; Potentiel de decouverte therapeutique : si valide, le pipeline HCS permettrait de cribler des milliers de composes modulant le remodelage synaptique via les cellules gliales, ouvrant des voies pour les maladies neurodegenratives ou psychiatriques.
- **Weaknesses**: TRL actuel tres faible (1-2) : l'hypothese n'a pas encore ete validee experimentalement. Le protocole propose est un pre-projet de preuve de concept, ce qui exclut les appels exigeant des donnees preliminaires solides (ERC Consolidator, ANR PRC classique).; Consortium non defini et potentiellement trop etroit : l'hypothese repose sur deux modeles (Drosophila, souris) et deux techniques (HCS, imagerie). Un consortium ideal necessite au moins un partenaire specialiste en criblage haut-debit et un en imagerie in vivo, ce qui n'est pas inclus dans le budget propose (€20k-80k).; Budget sous-estime pour un projet multi-especes et multi-techniques : €80k est insuffisant pour couvrir les couts de maintenance des colonies de souris, les reactifs HCS, et le personnel. Les evaluateurs noteront un decalage entre l'ambition et les moyens demandes.
- **Questions**: Quel est le plan precis pour passer du modele Drosophile (Phase 2) au modele murin (Phase 3) sans financement intermediaire ? Un saut direct est risque et pourrait necessiter un budget 10x superieur.; Avez-vous identifie un partenaire industriel ou une plateforme HCS (ex. Phenotypic Screening Facility, EMBL) pour la Phase 3 ? Sans cela, la faisabilite du criblage haut-debit est faible.; Comment comptez-vous gerer la variabilite inter-laboratoire pour la quantification morphologique gliale ? Un standard d'analyse d'image (ex. CellProfiler, Imaris) doit etre defini des la Phase 1 pour assurer la reproductibilite.
- **Recommendation**: Ne pas soumettre directement a un appel grand format. Utilisez d'abord un financement d'amorcage (ANR JCJC ou ERC Proof of Concept si vous avez un ERC en cours) pour realiser les Phases 1 et 2. Ensuite, avec des donnees solides (effect size >0.8, AUC >0.75), ciblez un ERC Starting Grant (2026) ou un appel HORIZON-CL1-2024 (Phenotypic Screening). Le consortium ideal inclurait un groupe de neurobiologie du developpement (Drosophila), un groupe de glie murine, et une plateforme HCS academique.

### B. Semantic Scholar Search Queries

- [novelty] `high-content screening glial morphology plasticity` — Directly checks if HCS has been applied to glial morphology as a readout of plasticity, testing the core methodological transfer.
- [novelty] `glial morphological state synaptic plasticity readout` — Searches for the specific concept of using glial shape as a phenotypic proxy for circuit-level synaptic changes.
- [novelty] `repurposing high-content screening experience-dependent plasticity` — Targets the exact repurposing angle: using HCS beyond drug screening to detect experience-driven structural changes in glia.
- [evidence] `astrocyte microglia morphological profiling high-throughput` — Finds evidence for automated quantification of glial morphology in high-throughput settings, supporting the feasibility of HCS adaptation.
- [evidence] `experience-dependent glial structural remodeling synapses` — Seeks neurobiology literature proving that glial cells change shape in response to sensory experience and that this correlates with synaptic remodeling.
- [evidence] `glial process branching complexity plasticity` — Targets specific morphological descriptors (branching, process length) as measurable correlates of plasticity, validating HCS descriptor extraction.
- [evidence] `high-content screening morphological descriptors cell area` — Confirms that HCS pipelines can extract the specific descriptors (area, perimeter, etc.) needed to quantify glial states.
- [cross_domain] `image-based phenotypic screening neural plasticity glia` — Bridges HCS image analysis with neural plasticity, looking for interdisciplinary precedents where cell morphology screens inform circuit function.
- [cross_domain] `automated microscopy glial morphology drug screening` — Explores if HCS has been used in glial biology for drug discovery, providing a foundation for repurposing to plasticity readouts.
- [cross_domain] `morphological profiling synaptic remodeling high-throughput` — Searches for any cross-domain work linking morphological profiling (common in cell biology) to synaptic remodeling (neurobiology).

---

*Generated by SPORE (Systeme de Production d'Opportunites de Recherche par Exploration) on 2026-07-20*