Etude de l'activité neuronale : optimisation du temps de simulation et stabilité des modèles

Les neurosciences computationnelles consistent en l’etude du systeme nerveux par la modelisation et la simulation. Plus le modele sera proche de la realite et plus les ressources calculatoires exigees seront importantes. La question de la complexite et de la precision est un probleme bien connu dans la simulation. Les travaux de recherche menes dans le cadre de cette these visent a ameliorer la simulation de modeles mathematiques representant le comportement physique et chimique de recepteurs synaptiques. Les modeles sont decrits par des equations differentielles ordinaires (EDO), et leur resolution passe par des methodes numeriques. Dans le but d’optimiser la simulation, j’ai implemente differentes methodes de resolution numerique des EDO. Afin de faciliter la selection du meilleur algorithme de resolution numerique, une methode necessitant un minimum d’information a ete proposee. Cette methode permet de choisir l’algorithme qui optimise la simulation. La methode a permis de demontrer que la dynamique d’un modele de recepteur synaptique influence plus les performances des algorithmes de resolution que la structure cinetique du modele lui-meme. De plus, afin de caracteriser des comportements pathogenes, une phase d’optimisation est realisee. Cependant, certaines valeurs de parametres rendent le modele instable. Une etude de stabilite a permis de determiner la stabilite du modele pour des parametres fournis par la litterature, mais egalement de remonter a des contraintes de stabilite sur les parametres. Le respect de ces contraintes permet de garantir la stabilite des modeles etudies, et donc de garantir le succes de la procedure permettant de rendre un modele pathogene.