Mathematical modeling in neuroscience : collective behavior of neuronal networks & the role of local homeoproteins diffusion in morphogenesis

Source abstract

Modélisation mathématique en neuroscience : comportement collectif des réseaux neuronaux & rôle de la diffusion locale des homéoprotéines dans la morphogenèse Ce travail est consacré à l’étude de quelques questions issues de la modélisation des systèmes biologiques en combinant des outils analytiques et probabilistes. Dans la première partie, nous nous intéressons à la dérivation des équations de champ moyen associées aux réseaux de neurones, ainsi qu’à l’étude de la convergence vers l’équilibre des solutions. Dans le Chapitre 2, nous utilisons la méthode de couplage pour démontrer la propagation du chaos pour un réseau neuronal avec délais et avec une architecture aléatoire. Dans le Chapitre 3, nous considérons une équation cinétique du type FitzHugh-Nagumo. Nous analysons l'existence de solutions et prouvons la convergence exponentielle dans les régimes de faible connectivité. Dans la deuxième partie, nous étudions le rôle des homéoprotéines (HPs) sur la robustesse des bords des aires fonctionnelles. Dans le Chapitre 4, nous proposons un modèle général du développement neuronal. Nous prouvons qu'en l'absence de diffusion, les HPs sont exprimées dans des régions irrégulières. Mais en présence de diffusion, même arbitrairement faible, des frontières bien définies émergent. Dans le Chapitre 5, nous considérons le modèle général dans le cas unidimensionnel et prouvons l'existence de solutions stationnaires monotones définissant un point d'intersection unique aussi faible que soit le coefficient de diffusion. Enfin, dans la troisième partie, nous étudions une équation de Keller-Segel sous-critique. Nous démontrons la propagation du chaos sans aucune restriction sur le noyau de force. En outre, nous démontrons que la propagation du chaos a lieu dans le sens de l’entropie.