Cette thèse traite de modèles mésoscopiques de cortex appelés champs neuronaux. Les équations des champs neuronaux décrivent l'activité corticale de populations de neurones, ayant des propriétés anatomiques/fonctionnelles communes. Elles ont été introduites dans les années 1950 et portent le nom d'équations de Wilson et Cowan. Mathématiquement, elles consistent en des équations intégro-différentielles avec retards, les retards modélisant les délais de propagation des signaux ainsi que le passage des signaux à travers les synapses et l'arbre dendritique. Dans la première partie, nous rappelons la biologie nécessaire à la compréhension de cette thèse et dérivons les équations principales. Puis, nous étudions ces équations du point de vue des systèmes dynamiques en caractérisant leurs points d'équilibres et la dynamique dans la seconde partie. Dans la troisième partie, nous étudions de façon générale ces équations à retards en donnant des formules pour les diagrammes de bifurcation, en prouvant un théorème de la variété centrale et en calculant les principales formes normales. Nous appliquons tout d'abord ces résultats à des champs neuronaux simples mono-dimensionnels qui permettent une étude détaillée de la dynamique. Enfin, dans la dernière partie, nous appliquons ces différents résultats à trois modèles de cortex visuel. Les deux premiers modèles sont issus de la littérature et décrivent respectivement une hypercolonne, /i.e./ l'élément de base de la première aire visuelle (V1) et un réseau de telles hypercolonnes. Le dernier modèle est un nouveau modèle de V1 qui généralise les deux modèles précédents tout en permettant une étude poussée des effets spécifiques des retards / This thesis deals with mesoscopic models of cortex called neural fields. The neural field equations describe the activity of neuronal populations, with common anatomical / functional properties. They were introduced in the 1950s and are called the equations of Wilson and Cowan. Mathematically, they consist of integro-differential equations with delays, the delays modeling the signal propagation and the passage of signals across synapses and the dendritic tree. In the first part, we recall the biology necessary to understand this thesis and derive the main equations. Then, we study these equations with the theory of dynamical systems by characterizing their equilibrium points and dynamics in the second part. In the third part, we study these delayed equations in general by giving formulas for the bifurcation diagrams, by proving a center manifold theorem, and by calculating the principal normal forms. We apply these results to one-dimensional neural fields which allows a detailed study of the dynamics. Finally, in the last part, we study three models of visual cortex. The first two models are from the literature and describe respectively a hypercolumn, i.e. the basic element of the first visual area (V1) and a network of such hypercolumns. The latest model is a new model of V1 which generalizes the two previous models while allowing a detailed study of specific effects of delays

No description available.

Le travail de cette thèse s’est articulé autour de l’étude de CRMP5 au cours du développement du système nerveux central. Nous avons mis en évidence une interaction directe entre CRMP5 et la tubuline, conduisant à une inhibition de la pousse neuritique dans différentes lignées cellulaires, ainsi qu’à une inhibition d’élongation uniquement au niveau des dendrites et non de l’axone, dans des cultures primaires de neurones de l’hippocampe. De plus, nous avons montré que CRMP5 pouvait annuler l’action de CRMP2, connue pour promouvoir la pousse neuritique, de façon dominante mais dépendante de la présence sur CRMP5 du site de fixation à la tubuline. Contrairement à CRMP2, l’expression de CRMP5 étant transitoire pendant la différentiation neuronale, elle permettrait de restreindre de façon spatio-temporelle l’effet de CRMP2 sur la pousse neuritique, régulant ainsi la polarité neuronale. D’autre part, nous avons également rapporté la présence de CRMP5 au niveau mitochondrial où elle pourrait jouer un rôle dans le processus d’autophagie des mitochondries. Enfin, nous nous sommes intéressés à l’étude de la CRMP5 exprimée en conditions pathologiques, et nous avons observé une nouvelle localisation nucléaire de la protéine dans certaines cellules cancéreuses. Etant localisée dans plusieurs compartiments subcellulaires et impliquée dans différents mécanismes moléculaires, l’ensemble de ce travail décrit donc la protéine CRMP5 comme une protéine « multi-fonctionnelle ». / The purpose of this work is to focus on the study of CRMP5 during development of the central nervous system. We have demonstrated a direct interaction between CRMP5 and tubulin, leading to inhibition of neurite outgrowth in different cell lines, and inhibition of growth only at dendritic but not axonal level, in hippocampal neurons. Furthermore, we showed that CRMP5 could counteract the previously described CRMP2 effect on neurite outgrowth. The CRMP5 acted as a dominant signal to counteract CRMP2 outgrowth promotion and this function is also dependent on the tubulin-binding capacity of CRMP5.Unlike CRMP2, the CRMP5 expression being transient during neuronal differentiation, it would imply in the spatiotemporal regulation of the CRMP2 effect on neurite outgrowth, thereby regulating neuronal polarity. In another part, we also reported the presence of CRMP5 at mitochondrial level in vivo where it could play a role in mitochondrial autophagic process.Finally, we were interested in the study of CRMP5 expressed in pathological conditions, and we discovered a new nuclear localization of the protein in some cancer cells. Being localizedin several subcellular compartments and involved in different molecular mechanisms, this work describes CRMP5 as a "multi-functional" protein.

La maladie de Parkinson (MP) est caractérisée par une dégénérescence des neurones dopaminergiques de la substance noire (SN) en lien avec l’agrégation de l’α-synucléine (α-Syn) sous la forme d’inclusions intraneuronales. De nombreux travaux supportent l’idée que des interactions neuro-immunes, favorisées par des altérations du système vasculaire cérébral, sont impliquées dans les mécanismes pathologiques de la MP. Au cours de ce travail, nous nous sommes intéressés à une population myéloïde particulière qui borde les vaisseaux: les macrophages périvasculaires (MPVs). Nous mettons en évidence chez des patients parkinsoniens et des souris développant une synucléinopathie dégénérative, une augmentation proliférative des MPVs. Leur ablation entraîne une aggravation du phénotype dégénératif chez les souris synucléinopathiques, suggérant un rôle protecteur qui ne serait toutefois pas lié à une régulation de la microgliose. Nous observons néanmoins que l’absence de MPVs s’associe à une augmentation vasculaire de VCAM-1 et de l’infiltrat T CD4+ et CD8+. Par ailleurs, leur absence entraîne une accélération de la diffusion de la synucléinopathie suite à l’injection de fibrilles d’α-Syn. Nous faisons l’hypothèse que les MPVs sont essentiels dans la clairance des assemblages extracellulaires d’α-Syn en raison de leur activité de phagocytose mais aussi de leur importance dans la régulation des flux paravasculaires et lymphatiques, comme le montrent nos expériences d’infusion de traceurs fluorescents. Au total, nos travaux soulignent l’importance des MPVs dans la régulation de la toxicité et la diffusion de la synucléinopathie et en font une cible thérapeutique potentielle pour la MP. / Parkinson’s disease (PD) is characterized by the progressive loss of dopaminergic neurons in the substantia nigra (SN) associated to the aggregation of α-synuclein (α-Syn) that forms intraneuronal inclusions. In addition, mounting evidence suggest that neuro-immune interactions, favoured by cerebrovascular alterations, are involved in the pathomechanisms of PD. In this work, we focus on a myeloid population that surrounds blood vessels: perivascular macrophages (PVMs). We show that both in PD patients and in a mouse model of degenerative synucleinopathy, there is an increased proliferative recruitment of PVMs within the SN. We also found that specific ablation of PVMs aggravates the degenerative phenotype in synucleinopathic mice. PVMs-mediated neuroprotection is not likely linked to regulatory mechanisms of microglial cell response. Interestingly, the absence of PVMs is associated with higher vascular expression of VCAM-1 and enhanced infiltration of CD4+ and CD8+ T-cells, whose pathogenic role remains to be determined. We also observe that PVMs deficiency leads to an increased spreading of α-Syn pathology following striatal injections of α-Syn fibrils. We hypothesize that PVMs might be essential for the clearance of toxic α-Syn species due to their phagocytic activity, but also to their importance in regulating interstitial and cerebrospinal fluid (CSF) circulation, as shown by analysing CSF movement via the infusion of fluorescent tracers in PVMs-deficient conditions. Overall, our data highlight the importance of PVMs in regulating the toxicity and propagation of synucleinopathy and provide a rationale for therapeutic strategies aimed at boosting PVMs functions in PD.

Les travaux présentés dans cette Habilitation à Diriger des Recherches visent le développement de nouvelles stratégies neuromimétiques destinées à l'identification et à la commande de systèmes physiques complexes, non linéaires et non stationnaires. Les réseaux de neurones artificiels, également appelés modèles connexionnistes, sont abordés d'un point de vue du traitement du signal et du contrôle. Insérés dans des schémas d'identification et de commande, leurs capacités d'apprentissage rendent ces tâches plus robustes et plus autonomes. Nos études cherchent à développer de nouvelles approches neuromimétiques en prenant en compte de manière explicite des connaissances a priori afin de les rendre plus fidèles au système considéré et d'en améliorer l'identification ou la commande. De nombreux développements sont présentés, ils touchent le neurone formel, l'architecture des réseaux de neurones et la stratégie neuromimétique. Un neurone formel est optimisé. Différentes approches neuronales modulaires basées sur plusieurs réseaux de neurones sont proposées. Des schémas neuronaux issus d'une formalisation théorique d'un système sont étudiés. Cette formalisation repose sur l'expression des signaux internes du système et utilise des signaux synthétisés représentatifs de son évolution. Des associations entre des réseaux neuromimétiques et des techniques telles que la logique floue, des modèles statistiques, ou des modèles paramétriques sont développées. Les techniques neuronales proposées ont été validées expérimentalement. Nous avons montré que les modèles connexionnistes permettent incontestablement de développer des commandes avancées et efficaces à travers une démarche réfléchie.

L'objectif de cette thèse est de décrire le réseau cérébral et la dynamique neuronale qui pourraient servir de support aux aversions alimentaires de type olfactives. Nous avons réalisé des enregistrements multisites de potentiel de champ locaux chez le rat vigile engagé dans cet apprentissage, en proposant deux modes de présentation de l'indice olfactif : à proximité de l'eau de boisson (distal) ou ingéré (distal-proximal). Après apprentissage, la présentation du seul indice distal induit l'émergence d'une activité oscillatoire de forte amplitude dans la bande de fréquence beta (15-40 Hz). Finement corrélée au comportement d'aversion de l'animal, cette activité est proposée comme la signature du réseau de structures fonctionnellement impliquées dans la reconnaissance de l'odeur en tant que signal. Nous montrons que ce réseau peut être plus ou moins étendu selon la façon dont le stimulus a été perçu lors du conditionnement: dans certaines aires (bulbe olfactif, cortex piriforme, amygdale basolatérale, cortex orbitofrontal) la modulation en puissance de l'activité beta se fait indépendamment du mode de conditionnement; dans d'autres aires (cortex insulaire, cortex infralimbique) ces changements ont lieu si et seulement si l'odeur a été ingérée. Complétés par l'étude des interactions fonctionnelles entre ces différentes structures dans la bande de fréquence considérée, ces résultats nous permettent de mieux comprendre comment un stimulus peut être représenté en mémoire dans un réseau cérébral en fonction de l'expérience que l'animal en a fait.

In the present dissertation paper an approach which ensures an efficient control of such diverse systems as noisy or chaotic oscillators and neural ensembles is developed. This approach is implemented by a simple linear feedback loop. The dissertation paper consists of two main parts. One part of the work is dedicated to the application of the suggested technique to a population of neurons with a goal to suppress their synchronous collective dynamics. The other part is aimed at investigating linear feedback control of coherence of a noisy or chaotic self-sustained oscillator. First we start with a problem of suppressing synchronization in a large population of interacting neurons. The importance of this task is based on the hypothesis that emergence of pathological brain activity in the case of Parkinson's disease and other neurological disorders is caused by synchrony of many thousands of neurons. The established therapy for the patients with such disorders is a permanent high-frequency electrical stimulation via the depth microelectrodes, called Deep Brain Stimulation (DBS). In spite of efficiency of such stimulation, it has several side effects and mechanisms underlying DBS remain unclear. In the present work an efficient and simple control technique is suggested. It is designed to ensure suppression of synchrony in a neural ensemble by a minimized stimulation that vanishes as soon as the tremor is suppressed. This vanishing-stimulation technique would be a useful tool of experimental neuroscience; on the other hand, control of collective dynamics in a large population of units represents an interesting physical problem. The main idea of suggested approach is related to the classical problem of oscillation theory, namely the interaction between a self-sustained (active) oscillator and a passive load (resonator). It is known that under certain conditions the passive oscillator can suppress the oscillations of an active one. In this thesis a much more complicated case of active medium, which itself consists of thousands of oscillators is considered. Coupling this medium to a specially designed passive oscillator, one can control the collective motion of the ensemble, specifically can enhance or suppress it. Having in mind a possible application in neuroscience, the problem of suppression is concentrated upon. Second, the efficiency of suggested suppression scheme is illustrated by considering more complex case, i.e. when the population of neurons generating the undesired rhythm consists of two non-overlapping subpopulations: the first one is affected by the stimulation, while the collective activity is registered from the second one. Generally speaking, the second population can be by itself both active and passive; both cases are considered here. The possible applications of suggested technique are discussed. Third, the influence of the external linear feedback on coherence of a noisy or chaotic self-sustained oscillator is considered. Coherence is one of the main properties of self-oscillating systems and plays a key role in the construction of clocks, electronic generators, lasers, etc. The coherence of a noisy limit cycle oscillator in the context of phase dynamics is evaluated by the phase diffusion constant, which is in its turn proportional to the width of the spectral peak of oscillations. Many chaotic oscillators can be described within the framework of phase dynamics, and, therefore, their coherence can be also quantified by the way of the phase diffusion constant. The analytical theory for a general linear feedback, considering noisy systems in the linear and Gaussian approximation is developed and validated by numerical results. / In der vorliegenden Dissertation wird eine Näherung entwickelt, die eine effiziente Kontrolle verschiedener Systeme wie verrauschten oder chaotischen Oszillatoren und Neuronenensembles ermöglicht. Diese Näherung wird durch eine einfache lineare Rückkopplungsschleife implementiert. Die Dissertation besteht aus zwei Teilen. Ein Teil der Arbeit ist der Anwendung der vorgeschlagenen Technik auf eine Population von Neuronen gewidmet, mit dem Ziel ihre synchrone Dynamik zu unterdrücken. Der zweite Teil ist auf die Untersuchung der linearen Feedback-Kontrolle der Kohärenz eines verrauschten oder chaotischen, selbst erregenden Oszillators gerichtet. Zunächst widmen wir uns dem Problem, die Synchronisation in einer großen Population von aufeinander wirkenden Neuronen zu unterdrücken. Da angenommen wird, dass das Auftreten pathologischer Gehirntätigkeit, wie im Falle der Parkinsonschen Krankheit oder bei Epilepsie, auf die Synchronisation großer Neuronenpopulation zurück zu führen ist, ist das Verständnis dieser Prozesse von tragender Bedeutung. Die Standardtherapie bei derartigen Erkrankungen besteht in einer dauerhaften, hochfrequenten, intrakraniellen Hirnstimulation mittels implantierter Elektroden (Deep Brain Stimulation, DBS). Trotz der Wirksamkeit solcher Stimulationen können verschiedene Nebenwirkungen auftreten, und die Mechanismen, die der DBS zu Grunde liegen sind nicht klar. In meiner Arbeit schlage ich eine effiziente und einfache Kontrolltechnik vor, die die Synchronisation in einem Neuronenensemble durch eine minimierte Anregung unterdrückt und minimalinvasiv ist, da die Anregung stoppt, sobald der Tremor erfolgreich unterdrückt wurde. Diese Technik der "schwindenden Anregung" wäre ein nützliches Werkzeug der experimentellen Neurowissenschaft. Desweiteren stellt die Kontrolle der kollektiven Dynamik in einer großen Population von Einheiten ein interessantes physikalisches Problem dar. Der Grundansatz der Näherung ist eng mit dem klassischen Problem der Schwingungstheorie verwandt - der Interaktion eines selbst erregenden (aktiven) Oszillators und einer passiven Last, dem Resonator. Ich betrachte den deutlich komplexeren Fall eines aktiven Mediums, welches aus vielen tausenden Oszillatoren besteht. Durch Kopplung dieses Mediums an einen speziell hierür konzipierten, passiven Oszillator kann man die kollektive Bewegung des Ensembles kontrollieren, um diese zu erhöhen oder zu unterdrücken. Mit Hinblick auf eine möglichen Anwendung im Bereich der Neurowissenschaften, konzentriere ich mich hierbei auf das Problem der Unterdrückung. Im zweiten Teil wird die Wirksamkeit dieses Unterdrückungsschemas im Rahmen eines komplexeren Falles, bei dem die Population von Neuronen, die einen unerwünschten Rhythmus erzeugen, aus zwei nicht überlappenden Subpopulationen besteht, dargestellt. Zunächst wird eine der beiden Subpopulationen durch Stimulation beeinflusst und die kollektive Aktivität an der zweiten Subpopulation gemessen. Im Allgemeinen kann sich die zweite Subpopulation sowohl aktiv als auch passiv verhalten. Beide Fälle werden eingehend betrachtet. Anschließend werden die möglichen Anwendungen der vorgeschlagenen Technik besprochen. Danach werden verschiedene Betrachtungen über den Einfluss des externen linearen Feedbacks auf die Kohärenz eines verrauschten oder chaotischen selbst erregenden Oszillators angestellt. Kohärenz ist eine Grundeigenschaft schwingender Systeme und spielt ein tragende Rolle bei der Konstruktion von Uhren, Generatoren oder Lasern. Die Kohärenz eines verrauschten Grenzzyklus Oszillators im Sinne der Phasendynamik wird durch die Phasendiffusionskonstante bewertet, die ihrerseits zur Breite der spektralen Spitze von Schwingungen proportional ist. Viele chaotische Oszillatoren können im Rahmen der Phasendynamik beschrieben werden, weshalb ihre Kohärenz auch über die Phasendiffusionskonstante gemessen werden kann. Die analytische Theorie eines allgemeinen linearen Feedbacks in der Gaußschen, als auch in der linearen, Näherung wird entwickelt und durch numerische Ergebnisse gestützt.

The discovery of resetting human somatic cells via introduction of four transcription factors into an embryonic stem cell-like state that enables the generation of any cell type of the human body has revolutionized the field of medical science. The generation of patient-derived iPSCs and the subsequent differentiation into the cells of interest has been, nowadays, widely used as model system for various inherited diseases. The aim of this thesis was to generate iPSCs and to subsequently derive NPCs which can be differentiated into neurons in order to model the two most common forms of the NCLs: LINCL which is caused by mutations within the TPP1 gene, encoding a lysosomal enzyme, and JNCL which is caused by mutations within the CLN3 gene, affecting a lysosomal transmembrane protein. It was shown that patient-derived fibroblasts can be successfully reprogrammed into iPSCs by using retroviral vectors that introduced the four transcription factors POU5F1, SOX2, KLF4 and MYC. The generated iPSCs were subsequently differentiated into expandable NPCs and finally into mature neurons. Phenotype analysis during the different stages, namely pluripotent iPSCs, multipotent NPCs and finally differentiated neurons, revealed a genotype-specific progression of the disease. The earliest events were observed in organelle disruption such as mitochondria, Golgi and ER which preceded the accumulation of subunit c of the mitochondrial ATPase complex that was only apparent in neurons. However, none of these events led to neurodegeneration in vitro. The established disease models recapitulate phenotypes reported in other NCL disease models such as mouse, dog and sheep model systems. More importantly, the hallmark of the NCLs, accumulation of subunit c in neurons, could be reproduced during the course of disease modeling which demonstrates the suitability of the established system. Moreover, the derived expandable NPC populations can be used for further applications in drug screenings. Their robust phenotypes such as low levels of TPP1 activity in LINCL patient-derived NPCs or cytoplasmic vacuoles, containing storage material, observed in CLN3 mutant NPCs, should serve as possible phenotypic read-outs.

A detailed and comprehensive description of the state of the art in the field of flood forecasting opens this work. Advantages and shortcomings of currently available methods are identified and discussed. Amongst others, one important aspect considers the most exigent weak point of today’s forecasting systems: The representation of all the fundamentally different event specific patterns of flood formation with one single set of model parameters. The study exemplarily proposes an alternative for overcoming this restriction by taking into account the different process characteristics of flood events via a dynamic parameterisation strategy. Other fundamental shortcomings in current approaches especially restrict the potential for real time flash flood forecasting, namely the considerable computational requirements together with the rather cumbersome operation of reliable physically based hydrologic models. The new PAI-OFF methodology (Process Modelling and Artificial Intelligence for Online Flood Forecasting) considers these problems and offers a way out of the general dilemma. It combines the reliability and predictive power of physically based, hydrologic models with the operational advantages of artificial intelligence. These operational advantages feature extremely low computation times, absolute robustness and straightforward operation. Such qualities easily allow for predicting flash floods in small catchments taking into account precipitation forecasts, whilst extremely basic computational requirements open the way for online Monte Carlo analysis of the forecast uncertainty. The study encompasses a detailed analysis of hydrological modeling and a problem specific artificial intelligence approach in the form of artificial neural networks, which build the PAI-OFF methodology. Herein, the synthesis of process modelling and artificial neural networks is achieved by a special training procedure. It optimizes the network according to the patterns of possible catchment reaction to rainstorms. This information is provided by means of a physically based catchment model, thus freeing the artificial neural network from its constriction to the range of observed data – the classical reason for unsatisfactory predictive power of netbased approaches. Instead, the PAI-OFF-net learns to portray the dominant process controls of flood formation in the considered catchment, allowing for a reliable predictive performance. The work ends with an exemplary forecasting of the 2002 flood in a 1700 km² East German watershed.

Verschiedene Typen von Dnnschichtsystemen, die aufgrund der starken Wirkung optischer Verlustmechanismen wie Absorption oder diffuser Streuung nur schwer der optischen Analyse mittels Spektralphotometrie zugnglich sind, werden in dieser Arbeit mittels einer einheitlichen Methode spektralphotometrisch analysiert. Dabei werden Schichtparameter wie der Spektralverlauf von Brechzahl und Absorptionskoeffizient, die Schichtdicke und ggf. weitere geometrische Schichtparameter wie der RMS-Wert der Oberflchenrauhigkeit aus Messungen des gerichteten Transmissions- und Reflexionsvermgens der Schichtsysteme ber den zu untersuchenden Wellenzahlbereich (NIR/VIS/UV) bestimmt. Zu den untersuchten Schichtsystemen gehren polykristalline Diamantschichten auf Silizium, die starke Streuverluste an der rauhen Diamantoberflche aufweisen, sowie organische Mehrschichtsysteme auf Glsern, die durch hohe Absorptionskoeffizienten sowie komplizierte Absorptionsverlufe gekennzeichnet sind. Als Hilfsmittel zur Bestimmung der Schichtparameter werden neuartige Modelle fr die Wirkung von rauhen Oberflchen auf Dnnschichtspektren, weiterentwickelte Gradientenmethoden zur spektralen Rckrechnung sowie vllig neuartige knstlich intelligente Systeme auf der Basis neuronaler Netze eingesetzt. Anhand unabhngiger Messungen an den Schichtsystemen wie Massendichtemessungen, SEM- Profilometrie, Ramanspektroskopie knnen die gefundenen Schichtparameter besttigt werden.