Analyse de modèles de population de neurones : cas des neurones à réponse postsynaptique par saut de potentiel

Abstract

Ce travail de thèse concerne la modélisation mathématique et l’étude du comportement d’une population de neurones. Dans tout ce travail on s’arrêtera principalement sur une population de neurones auto-excitateurs où chaque cellule du réseau est supposée suivre la loi de l’intègre et tire. Néanmoins nous aborderons au détour d’un chapitre la modélisation d’une population de neurones inhibiteurs, et dans une dernière partie, nous discuterons la modélisation d’une population de neurones obéissant au modèle Ermentrout-Kopell aussi appelé le théta-neurone. L’angle de vue adopté dans cette thèse est donné par l’approche densité de population. Cette approche, dont nous rappellerons en détail les hypothèses et la construction, a été introduite il ya maintenant plus d’une dizaine d’années afin de faciliter la simulation d’une grande population de neurones. Dit plus précisément, une telle approche donne une équation aux dérivées partielles sur la densité de population de neurones dans l’espace d’état formé des potentiels admissibles du neurone. Nous ferons de plus l’hypothèse que la réponse d’un neurone à l’arrivée d’une impulsion est une dépolarisation instantanée, autrement dit un saut de potentiel. Comme nous le verrons,cette équation aux dérivées partielles est non linéaire (à cause du couplage de la population) et non locale (à cause du saut de potentiel). Si cette idée est compliquée et abstraite, elle anéanmoins prouvé tout au long de ces dix dernières années son importance dans la simulation numérique des grands réseaux.Il s’agit avant tout dans ce travail de thèse de donner un cadre mathématique adéquat aux équations aux dérivées partielles qui surgissent d’une telle approche. Ainsi nous discuterons,selon les différents choix de modélisation, du caractère bien posé du modèle par densité de populationet de sa possible explosion en temps fini. Nous discuterons comment la prise en compte d’hypothèses réalistes supplémentaires dans la modélisation, comme le retard entre l’émission d’un potentiel d’action et sa réception ou encore la période réfractaire peut stopper l’explosionen temps fini et garantir l’existence d’une solution globale. Un autre aspect abordé dans ce travail concerne les explications et la prédiction de la synchronisation des neurones. Deux définitions de la synchronisation seront explicitées selon encoreune fois les choix de modélisation. Nous verrons qu’en interprétant l’explosion en temps fini dela solution comme l’arrivée d’une masse de Dirac dans le taux de décharge de la populationon peut relier l’explosion à la synchronisation. Toutefois, avec des hypothèses de modélisation plus réalistes, comme les retards et la période réfractaire, ce phénomène est exclu. Nous verrons néanmoins qu’avec ces paramètres physiques supplémentaires des solutions périodiques apparaissent offrant différents rythmes de décharge de la population. Encore une fois, l’apparition de ces oscillations sera perçue comme la synchronisation de la population.