Un modèle informatique biologiquement réaliste des oscillations neuronales pathologiques observées dans la maladie de Parkinson

My thesis is based on three axes: to develop a biophysical model, to propose a simulation tool, and exploit the model in simulation.We develop a biophysical model of the neuronal structure involved in Parkinson's disease, the basal ganglia. We simulate physiologically realistic neurons using the Hodgkin-Huxley formalism to incorporate specific ion channels present in different populations of GB neurons, including arkipallidal and proptotypic GPe, as well as dopaminergic D1 and D2 neurons in the striatum, whose cellular properties and connectivity appear to be prominent factors in the oscillatory behavior of the network. Our model is validated by experimental data in healthy conditions of the rat, collected by our biologist collaborators.We propose a simulation tool for impulse neural networks allowing realistic simulations on a large scale, > 1 million neurons, on a parallel machine i.e. Grid'5000, Explor, etc... SiReNe is a neural network simulator developed in the C language. This software is based on a hybrid simulation approach. It combines a numerical integration, Runge-Kutta 2, of the neuronal dynamics and an event-driven generation of the network connectivity during action potentials emissions. This approach, developed during the thesis, allows the simulation of large and very detailedneural networks of the Hodgkin-Huxley type.In the future, our model could be used in simulation to test some hypotheses on the pathological synchronization observed in Parkinson's disease. Like the role of GABAergic synaptic connections and the intrinsic neuronal properties of SK channels which control the precision of neuronal discharge. The simulation of large-scale models could be used to limit pathological synchronization and motor disorders through new neurostimulation methods, such as deep brain stimulation.Ma thèse s'articule autour de trois axes : développer un modèle biophysique, proposer un outil de simulation et exploiter le modèle en simulation. Développer un modèle biophysique de la structure neuronale impliquée dans la maladie de Parkinson, les ganglions de la base. Nous simulons des neurones physiologiquement réalistes à l'aide du formalisme d'Hodgkin-Huxley permettant d'intégrer des canaux ioniques spécifiques. Dans les différentes populations de neurones des GB, dont les arkipallidaux et les proptotypiques du GPe, ainsi que les neurones dopaminergiques D1 et D2 du striatum, les propriétés cellulaires et la connectivité semblent être des facteurs prépondérants dans le comportement oscillatoire du réseau. Notre modèle est validé par des données expérimentales en condition saine, recueillies par nos collaborateurs biologistes, chez le rat. Proposer un outil de simulation de réseaux de neurones impulsionnels permettant des simulations réalistes à grande échelle, > 1 million de neurones, sur machine parallèle i.e plateformes Grid'5000, Explor, etc... SiReNe est un simulateur de réseaux de neurones développé en langage C. Ce logiciel s'appuie sur une approche de simulation combinant une intégration numérique, Runge-Kutta 2, de la dynamique neuronale, et d'une génération événementielle de la connectivité du réseau lors des émissions des potentiels d'action. Cette approche hybride, développée pendant la thèse, permet de simuler des grands réseaux de neurones très détaillés du type Hodgkin-Huxley. Dans le futur, notre modèle pourra être exploité en simulation pour tester certaines hypothèses sur la synchronisation pathologique observée dans la maladie de Parkinson. Les hypothèses que nous envisageons d'étudier portent, principalement, sur le rôle des connexions synaptiques GABAergiques, et des propriétés neuronales, intrinsèques, des canaux SK qui contrôlent la précision de la décharge neuronale. La simulation de modèles à grande échelle pourra, notamment, être utilisée pour limiter la synchronisation pathologique, et les troubles moteurs, par le biais de nouvelles méthodes de neurostimulation, comme la stimulation cérébrale profonde