Thèse (M.Sc.) -- Université Laval, 1997. / Bibliogr.: f. [57]-64. Publié aussi en version électronique.

La connaissance du fonctionnement hydrodynamique des karsts représente un enjeu planétaire pour la ressource en eau car ils alimentent en eau potable près de 25% de la population mondiale. Néanmoins, la complexité, l'anisotropie, l'hétérogénéité, la non-linéarité et l'éventuelle non-stationnarité de ces aquifères en font des objets encore largement sous-exploités du fait de la difficulté de caractériser leur morphologie et leur fonctionnement hydrodynamique. Dans ce contexte, le paradigme systémique permet d'apporter de nouvelles méthodes en étudiant ces hydrosystèmes au travers de la relation entre leurs signaux d'entrée (pluie) et de sortie (débit). Ainsi ce travail porte sur l'utilisation : i) d'analyses corrélatoires et spectrales pour caractériser la réponse des hydrosystèmes karstiques, ii) des réseaux de neurones pour étudier les relations linéaires et non-linéaires de ces hydrosystèmes. Pour ce faire, différents types de configuration de modèles par réseau de neurones sont explorés afin de comparer le comportement et les performances de ces modèles. On cherche à contraindre ces modèles pour les rendre interprétables en terme de processus hydrodynamiques en rapprochant le fonctionnement du modèle à celui du système naturel afin d'obtenir une bonne représentation et d'extraire des connaissances à partir des paramètres du modèle.Les résultats obtenus par les analyses corrélatoires et spectrales permettent d'orienter la configuration des modèles de réseaux de neurones. Appliqués à l'hydrosystème du Lez sur la période 1950-1967, les résultats montrent que les réseaux de neurones sont à même de modéliser les hydrosystèmes au fonctionnement non-linéaires. L'utilisation de deux hydrosystèmes variant dans le temps (la Durance en France et Fernow aux USA) tend à souligner la capacité des réseaux de neurones à modéliser efficacement les systèmes non stationnaires. Des méthodes d'ajustement en temps réel (adaptativité et assimilation de données) permettent d'accroître les performances des modèles par apprentissage statistique face à des modifications des entrées ou du système lui-même.Finalement, ces différentes méthodes d'analyse et de modélisation permettent d'améliorer la connaissance de la relation pluie-débit. Les outils méthodologiques réalisés dans cette thèse ont pu être développés à partir de l'application à l'hydrosystème du Lez dont le fonctionnement est étudié depuis des décennies. Cette méthodologie d'étude et de modélisation présente l'avantage d'être transposable à d'autres systèmes. / Improving knowledge of karst hydrodynamics represents a global challenge for water resource because karst aquifers provide approximately 25% of the world population in fresh water. Nevertheless, complexity, anisotropy, heterogeneity, non-linearity and possible non-stationarity of these aquifers makes them underexploited objects due to the difficulty to characterize their morphology and hydrodynamics. In this context, the systemic paradigm proposes others methods by studying these hydrosystems through input-output (rainfall-runoff) relations.This work covers the use of: i) correlation and spectral analysis to characterize response of karst aquifers, ii) neural networks to study and model linear and non-linear relations of these hydrosystems. In order to achieve this, different types of neural networks model configurations are explored to compare behavior and performances of these models. We are looking to constrain these models to make them interpretable in terms of hydrodynamic processes by making the operation of the model closer to the natural system in order to obtain a good representation and extract knowledge from the model parameters.The results obtained by correlation and spectral analysis are used to manage the configuration of neural networks models. Applied on the Lez hydrosystem over the period 1950-1967, results show that neural networks models are capable to model non-linear operation of the karst.Application of neural modelling on two non stationary hydrosystems (Durance in France and Fernow in the the USA) proved the ability of neural networks to model satisfactorily non-stationary conditions. Moreover, two real-time adjustment methods (adaptativity and data assimilation) enhanced the performance of neural network models face to changing conditions of the inputs or of the system itself.Finally, these various methods to analyze and model allow improving knowledge of the rainfall-runoff relationship. Methodological tools developed in this thesis were developed thanks to the application on Lez hydrosystem which has been studied for decades. This study and modeling methodology have the advantage of being applicable to other systems provided the availability of a sufficient database.

L'objectif de cette thèse est d’étudier différentes méthodes de prévision de la défaillance d'entreprises aussi bien en statique qu'en dynamique. Plus précisément, dans l'approche statique, nous avons recouru aux méthodes de sélection des variables discriminantes en utilisant les réseaux de neurones. Nous avons ainsi proposé deux nouvelles procédures relevant de ces méthodes.La première, fondée sur le critère HVS, intitulée HVS-AUC, nous a permis i) de construire un modèle plus parcimonieux par rapport à l’ADL ; ii) de dégager un ensemble de variables stables à la fois non conjoncturelles et avec un fort pouvoir explicatif. A l'inverse, la seconde technique est basée sur la procédure forward ou plus exactement sur forward-AUC. Cette méthode fait apparaître des résultats comparables à l'ADL mais avec moins de variables explicatives. Elle permet notamment de détecter les ratios jugés les plus pertinents selon ADL et HVS-AUC.Nous avons de plus utilisé des méthodes d'apprentissage de structure de réseaux bayésiens pour essayer d'améliorer la performance de classification des entreprises. Nous avons mobilisé une technique intitulée "Max-Min Hill-Climbing" ou MMHC. Nous avons analysé les performances de classification d'un algorithme combiné entre MMHC et le modèle de base d'un réseau bayésien naïf (BN). Cette nouvelle méthode a été nommée BN-MMHC (Bayes naïf augmentée par MMHC). Les résultats obtenus confirment néanmoins l'opinion dominante : pour ce qui est du pouvoir discriminant, aucune structure ne semble à même de concurrencer BN de manière significative.Dans la deuxième approche dynamique, nous avons mis plus l'accent sur les facteurs non mesurables a priori et sur des facteurs explicatifs impossibles à appréhender dans un cadre statique. Nous avons mobilisé dans un premier volet les variables macroéconomiques pour mieux estimer le risque de défaut. Dans un second volet, nous avons utilisé une modélisation alternative permettant d'appréhender correctement les chocs que peuvent subir les entreprises au cours du temps. De ce fait, nous avons évalué ainsi l'effet de la propagation de ces chocs. / The objective of this thesis is to study bankruptcy prediction models from both static and dynamic viewpoints. More precisely, in the static approach, we used the methods of selecting discriminating variables using the neural networks. We thus proposed two new procedures relating to these methods. The first one is based on the criterion HVS called HVS-AUC and allowed to 1) build a more parsimonious model compared to the LDA, 2) identify a set of variables both static and non-cyclical with a strong explanatory power. Conversely, the second technique is based on the forward procedure, more precisely on forward-AUC. This method shows results comparable to the LDA but with fewer variables. It allows the detection of ratios considered as the most relevant according to LDA and HVS-AUC. We have also used methods of structure learning of Bayesian networks to improve the performance of classification of firms. We have mobilized a technique called "Max-Min Hill-Climbing" or MMHC. Specifically, we plan to analyze the performance of classification of an algorithm that mixes both MMHC and the canonical model of a naive Bayes network (NB). This new method could be called NB-MMHC (naive Bayes augmented by MMH C). The results confirm the prevailing view: as for the discriminatory power, no structure seems to be able to significantly compete with NB. In the second dynamic approach, we put more emphasis on factors not measurable a priori and also on explanatory factors impossible to capture within a static framework. In the first phase, we used the macroeconomic variables to better estimate the risk of default. In the second part, we used an alternative model to better estimate the shocks that firms could undergo over time. We therefore evaluate the propagation effects of theses shocks

Cette thèse s’inscrit dans le domaine de la navigation robotique bio-inspirée en environnement réel et implique la capacité pour un robot mobile à se déplacer de manière autonome dans un monde a priori dynamique et inconnu. Les travaux décrits au cours de ce manuscrit s’attacheront à montrer comment, en partant des travaux académiques réalisés par l’équipe Neurocybernétique du laboratoire ETIS, il a été possible de concevoir le robot mobile Diya One capable de naviguer de manière autonome dans de grands environnements intérieurs. Depuis une vingtaine d’année, l’équipe Neurocybernétique élabore des modèles de navigation bio-inspirée. De précédents travaux ont montré qu’un modèle de cellules de lieu, enregistrées chez le rat, permet à un robot mobile d’apprendre des comportements de navigation robustes, tels qu’une ronde ou un retour au nid, à partir d’associations entre lieu et action. L’apprentissage et la reconnaissance d’un lieu ne reposent alors que sur des informations visuelles. Cependant, trois problèmes critiques ne permettent pas de naviguer dans de grands environnements : 1- l’ambiguïté de certaines situations visuelles (ou alias perceptif), 2- l’apprentissage sur le long terme et 3- la sensibilité aux conditions environnementales. L’ajout d’autres modalités constitue une solution efficace pour augmenter la robustesse de la localisation. L’équipe a développé plusieurs modèles basés sur la proprioception du robot afin desuppléer, dans les cas limites, les modèles purement visuels. La principale limitation des approches proprioceptives est qu’elles sont soumisesà l’accumulation d’erreurs. Il est donc nécessaire de recalibrer périodiquement les modèles. Fusionner des modalités allothétiques et idiothétiques semblent être une bonne stratégie pour obtenir une estimation fiable de la localisation du robot. Les champs de neurones dynamiques (DNF) ou continous attractor neural network (CANN) constituent un puissant candidat pour mettre en œuvre le type de mémoire requis pour la construction de cellules de lieu. Nous présenterons un premier modèle de fusion utilisant les champs de neurones dynamiques pour maintenir l’orientation du robot puis un second généralisant le principe du modèle de fusion pour la construction de cellules de lieux multimodales.Être capable de produire et commercialiser rapidement un produit est un enjeu majeur pour la survie de Partnering. En plus des capacités de navigation et de localisation, un robot commercialisable requiert un ensemble de comportements indispensables à la mobilité, à la sécurité (loi de contrôle, évitement des obstacles et des trous) et à son autonomie (gestion d’énergie et retour à la station de recharge). Pour aboutir à cette première solution, nous avons suivit une démarche ascendante (bottom-up) défendue par la robotique comportementale. Nous avons développé progressivement la complexité du robot au travers de comportements élémentaires intégrés dans une architecture de contrôle régissant à chaque instant l’expression de ces comportements et la sélection des actions à exécuter.Ce mémoire est découpée en deux parties. Une première partie industrielle relevant d’objectifs à court terme, consistant à mettre en place, à partir des modèles existants développés par l’équipe Neurocybernétique, l’architecture comportementale de la première version du robot Diya One. Puis, une seconde partie plus fondamentale dans laquelle nous traiterons de la réalisation demodèles de fusion multimodale. Ces modèles seront ajoutés incrémentalement au robot afin d’améliorer progressivement ses capacités de navigation. / This thesis falls into the field of navigation in bio-inspired robotics in real environment and implies the ability for a mobile robot to move autonomously in a world a priori dynamic and unknown. The work described in this manuscript will show how, starting from the academic work carried out by the Neurocybernetics team of the ETIS laboratory, it was possible to design the mobile robot Diya One able to navigate autonomously in large indoor environments. For the past 20 years, the Neurocybernetics team has been developing bio-inspired navigation models. Previous work has shown that a model of place cells, recorded in the rat, allows a mobile robot to learn robust navigation behaviors, such as a round or a homing, from associations between place and action. Learning and the recognition of a place are based only on visual information. However, three critical problems do not allow to navigate in large environments: 1- the ambiguity of certain visual situations (or perceptual alia), 2- long-term learning, and 3-sensitivity to environmental conditions. The addition of other modalities is an effective solution for increasing the robustness of the location. The team has developed several models based on the proprioception of the robot in order to compensate, in limiting cases, for purely visual models. The main limitation of proprioceptive approaches is that, based on the proprioception of the robot, they are subject to the accumulation of errors. It is therefore necessary to periodically recalibrate the models. Merging allothetic and idiothetic modalities seems to be a good strategy for obtaining a reliable estimate of the robot’s location. Dynamic neural network (DNF) or continous attractor neural network (CANN) constitute a powerful candidate to implement the type of memory required for the construction of place cells. We present a first fusion model using dynamic neuron fields to maintain the orientation of the robot and then a second one generalizing the principle of fusion model for the construction of cells of multimodal places. Being able to produce and market quickly a product is a major challenge for Partnering’s survival. In addition to navigation and location capabilities, a marketable robot requires a set of behaviors that are essential to mobility, security (control law, avoidance of obstacles and holes) and its autonomy (energy management and return to the charging station). To arrive at this first solution, we followed a bottom-up approach defended by behavioral robotics. We have progressively developed the complexity of the robot through elementary behaviors integratedin a control architecture governing at each moment the expression of these behaviors and the selection of the actions to be executed. This manuscript is divided into two parts. A first industrial part with short-term objectives, consisting of implementing the behavioral architecture of the first version of the Diya One robot, based on the existing models developed by the Neurocybernetics team. Then, a second more theoretical part in which we will deal with the realization of multimodal fusion models. These models will be added incrementally to the robot in order to gradually improve its navigationcapabilities.

Les méthodes d'homogénéisation numériques permettent de lever les limitations associées aux approches analytiques ou semi-analytiques pour prédire le comportement des matériaux hétérogènes dont les phases sont décrites par un comportement non linéaire, en particulier pour des morphologies de géométries complexes, ou des comportements dépendant de l'histoire, ou en grandes déformations. Dans ce travail, plusieurs contributions aux méthodes d'homogénéisation numériques pour traiter les problèmes non linéaires sont proposées. Dans une première partie, nous introduisons une méthode permettant de réaliser l'homogénéisation des matériaux dont les phases sont élastoplastiques parfaites. La technique est une extension de la méthode Non Uniform Transformation Field Analysis (NTFA) dans laquelle un algorithme de type prédiction-correction est introduit pour actualiser les variables internes. Dans une seconde partie, une méthode pour réaliser l'homogénéisation des composites non linéaires élastiques en petites et grandes déformations est proposée. Celle-ci se base sur la construction de potentiels associés au comportement effectif sous forme d'une base de données composée de valeurs discrètes interpolées à partir de valeurs discrètes obtenus par calculs éléments finis réalisés sur un Volume Élémentaire Représentatif (VER). Un schéma original d'interpolation est introduit, utilisant la notion de réseaux de neurones artificiels pour limiter le nombre de valeurs pré-calculées et choisir les points aléatoirement dans l'espace du chargement et des paramètres. Il est possible d'introduire des paramètres associés à la microstructure dans le comportement tels que la fraction volumique ou des paramètres de comportement des phases, en vue de possible optimisation de la réponse associée des structures non linéaires / Computational homogenization methods allow circumventing issues associated to analytical or semi-analytical approaches, for predicting the effective behavior of heterogeneous materials whose phase are described by a nonlinear behavior, more precisely when microstructures have complex morphologies or a history-depedendent behavior, or when considering finite strains. In this work, several contributions to computational homogenization methods for modeling nonlinear heterogeneous materials are proposed. In a first part, we introduce a method for homogenizing meterials whose phases are perfectly elastoplastic. The technique extends the Non Uniform Transformation Field Analysis (NTFA) method by développing a return-mapping algorithm to update macroscopic internal variables. In a second part, a method is introduced for the homogenization of nonlinear composites whose phases are nonlinearly elastic, at both small and finite strains. The approach is based on the construction of potentials associated to the effective behavior in the form of a database whose discrete values are computed through Finite Element Computations realized on a Representative Volume Element (RVE). An original interpolation scheme is introduced, which is based on artificial Neural Networks to reduce the number of computed values which can be distributed randomly in the parameter space. It is then possible to introduce parameters associated to the microstructure in the constitutive law, such as volume fraction or constitutive parameters of local phases, for optimization of the related non linear structure response

Les maladies neurodégénératives se caractérisent par une déconnexion synaptique et une dégénérescence des axones (DA) précoces, menant à la mort spécifique d’une population neuronale. Les niveaux intracellulaires de NAD+, co-facteur essentiel dans le maintien de l’intégrité axonale, sont fortement diminués lors de ces pathologies. L’augmentation des taux de NAD+ est ainsi une stratégie thérapeutique dans la prévention de ces maladies. La capacité du nicotinamide riboside (NR) à retarder la DA dans le système nerveux périphérique (SNP) ainsi que la récente mise en évidence d'une conversion extracellulaire du NAD+ en NR dans des lignées cellulaires et dans le SNP soulignent l'intérêt de ce précurseur du NAD+. Mon projet de thèse repose sur la caractérisation des effets du NAD+ et du NR lors de la DA dans des neurones du système nerveux central (SNC). A partir d'un modèle d'excitotoxicité mis au point en dispositifs microfluidiques, nous montrons pour la première fois que le NR protège de la DA dans des neurones corticaux de manière plus efficace que le NAD+. Cet effet différentiel a également été validé dans un modèle ischémique in vivo. De manière surprenante, lors d'une neurodégénérescence induite par une déplétion aigüe en NAD+, un effet protecteur total à la fois du NAD+ et du NR a été mis en évidence. L'analyse de la voie de conversion extracellulaire a ainsi révélée une adaptation du métabolisme du NAD+ et de sa conversion en NR en fonction du paradigme neurotoxique. En conclusion, ce travail démontre un fort effet protecteur du NR dans le SNC et ouvre de nouvelles voies thérapeutiques dans la prévention des processus neurodégénératifs. / Synaptic and axonal degeneration (AxD) are major events in neurodegenerative diseases. Levels of NAD+, an important coenzyme for axonal integrity, are strongly reduced in different degeneration models so enhancing cellular NAD+ is one of the numerous therapeutic strategies against neuronal pathologies. Nicotinamide riboside (NR) is a good NAD+ precursor as it has already been shown to delay AxD in peripheral nervous system (PNS) and extracellular NAD+ conversion to NR was previously described in cell lines and in PNS. During my thesis project, we analyzed the role of NR metabolism to prevent degeneration processes in cortical neurons. Using an excitotoxicity model developed in microfluidic devices, we showed for the first time that both NAD+ and NR delay AxD in cortical neurons, with a more potent effect for NR. We confirm this differential effect in an in vivo ischemic model. Moreover, NR effect is mainly restricted to the axonal compartment and intracellular NAD+ depletion is reverted after NR application, suggesting that axonal integrity is totally dependent on NAD+ local metabolism. Furthermore, in a complete NAD+ depletion paradigm, NAD+ and NR have surprisingly the same strong effect, protecting equally neuronal death and AxD. Examination of the extracellular pathway suggest that NAD+ conversion to NR is limited in excitotoxicity but effective in the NAD+ depletion model. These results reveal that NR and NAD+ metabolism depend on the neurotoxic paradigm. Our results demonstrate that NR has a strong and local neuroprotective effect on AxD in several neurotoxic processes. These findings open new therapeutic strategies to prevent neurodegenerative diseases.

Le concept de "cognition incarnée" considère que le schéma classique Perception-Cognition-Action proposant un flux séquentiel de traitement de l’information n'est pas approprié pour comprendre l'effet comportemental des troubles neurodégénératifs et trouver des solutions thérapeutiques innovantes. La découverte des neurones miroirs (NM) a donné un substrat biologique à cette théorie: on pense maintenant que les NM relient les connaissances sur les actions et les perceptions non seulement pour intégrer la perception dans la planification et l'exécution, mais aussi pour soutenir un large éventail de fonctions cognitives, par ex. empathie et langage. En même temps, il est maintenant clair que dans chaque maladie neurodégénérative les symptômes cognitifs et moteurs sont représentés le long d'un continuum. Les maladies neurodégénératives liées au vieillissement, comme la maladie d'Alzheimer (MA), la forme la plus courante de démence, sont devenues un enjeu social très important. Comme il n'y a pas de remède pour la MA, les études se concentrent sur la prévention. Une catégorie qui représente maintenant une cible privilégiée est le trouble cognitif léger (TCL), considéré comme une étape intermédiaire entre le vieillissement normal et la MA. Même si MA et TCL ont été caractérisées comme des maladies «cognitives» jusqu'à présent, un lien entre la fonction motrice et le risque de développer la MA a été reconnu.Le but principal de cette recherche est d'étudier l'intégrité du réseau NM dans la MA, le TCL et le vieillissement normal. La caractérisation de son fonctionnement dans les maladies neurodégénératives serait utile pour une meilleure compréhension de leurs mécanismes fonctionnels et manifestations cliniques. Cela permettrait également d’exploiter le NM dans la réhabilitation des symptômes.La thèse comprend deux parties : la première inclue une vaste recherche bibliographique destinée à décrire le cadre scientifique qui justifie une telle recherche.Nous avons d'abord passé en revue les preuves sur l'existence d'un système NM chez les singes et les humains, et ses multiples rôles possibles et après brièvement décrit le tableau clinique des principaux troubles neurodégénératifs, en montrant comment les symptômes cognitifs et moteurs s’entrecroisent. Ensuite, nous avons détaillé les résultats de la recherche documentaire sur les maladies neurodégénératives, NM et cognition incarnée, en les commentant à la lumière de cette théorie.La deuxième partie de la thèse décrit la procédure expérimentale qui a été réalisée dans le but de la recherche.Trois groupes appariés de 16 sujets chacun (CA-contrôles âgées, TCL amnésique avec atrophie hippocampique et MA) ont été évalués avec une batterie neuropsychologique centrée sur les fonctions liées au système NM, et une tâche IRMf spécifiquement créée pour tester les NM: celle- ci était constituée d'une tache d’observation, où aux sujets ont été montrés des vidéos d'une main droite saisissant différents objets, et d'une tache motrice où les sujets ont observé des images d'objets orientés pour être saisis avec la main droite, et ont fait le geste correspondant.Chez les CA, l'analyse de conjonction (comparant l'activation de l'IRMf pendant l'observation et l'exécution) a indiqué l'activation d'un réseau bilatéral fronto-pariétal dans les zones NM « classiques» et du gyrus temporal supérieur (STG), entrée visuelle corticale aux NM. Le groupe TCL a montré une activation similaire, cependant, les zones pariétales ont été moins activées et le STG n'a pas été activé, tandis que l'inverse était vrai pour la zone de Broca droite. Nous n'avons observé aucune activation du réseau fronto-pariétal chez le groupe MA. Dans tous les tests neuropsychologiques (y compris les tests de fonctions attribuées à NM), les sujets MA ont été plus mauvais que les CA, alors que les sujets TCL montraient seulement des troubles de mémoire épisodique et fluidité sémantique (...). / The concept of “embodied cognition” considers that the classical Perception-Cognition-Action architecture proposing a sequential flow of processing with clean cuts between all modules is not appropriate to understand the behavioral effect of neurodegenerative disorders and to find innovative therapeutic solutions. In the last decades, the discovery of the mirror neurons (MN) has given a biological substrate to this theoretical perspective: the MN are now thought linking together knowledge about actions and perceptions not only to integrate perception in action planning and execution but also as a neural mechanism supporting a wide range of cognitive functions, e.g. empathy and language. At the same time, it is now clear that in each neurodegenerative disease both cognitive and motor symptoms are represented along a continuum. In the current demographic context, neurodegenerative diseases linked to aging have become a very important social issue. Alzheimer Disease (AD), the most common form of dementia, is a neurodegenerative disease strictly linked to aging. As actually there is no cure, several studies are focusing on prevention. A category which now represents a preferential target of intervention is Mild Cognitive Impairment (MCI), considered as an intermediate stage between normal aging and AD. Even if AD and MCI have been characterized as “cognitive” diseases until now, a link between motor function and the risk of developing AD has been recognized.The main purpose of this research is to investigate the integrity of the MN network in AD, MCI and normal aging. Characterizing the functioning of the MN network in neurodegenerative diseases would be useful to better understand functional mechanisms and their clinical manifestations. It would also allow to capitalize on these kinds of neurons in the rehabilitation of motor and cognitive symptoms.The thesis consists of two parts: the first part includes an extensive bibliographic research intended to describe the scientific frame which justifies such a research.We first reviewed the evidence about the existence of a MN system in monkeys and humans, and its multiple possible roles in humans.We then briefly reviewed the clinical picture of the main neurodegenerative disorders, showing how cognitive and motor symptoms intersect in all of them.Next, we detailed the results of literature searching on neurodegenerative diseases, MN, and embodied cognition, commenting them at the light of this hypothesis.The second part of the thesis describe the experimental procedure which has been performed to evaluate the integrity of the MN network in normal elderly and people with AD and MCI, and its results.Three matched groups of 16 subjects each (normal elderly-NE, amnesic MCI with hippocampal atrophy and AD) were evaluated with a neuropsychological battery centered on functions thought to be linked to the MN system, and a fMRI task specifically created to test MN: that comprised of an observation run, where subjects were shown videos of a right hand grasping different objects, and of a motor run, where subjects observed visual pictures of objects oriented to be grasped with the right hand, and made the corresponding gesture.In NE subjects, the conjunction analysis (comparing fMRI activation during observation and execution), indicated the activation of a bilateral fronto-parietal network in “classical” MN areas, and of the superior temporal gyrus (STG), an area thought to provide the cortical visual input to the MN. The MCI group showed the activation of areas belonging to the same network, however, parietal areas were activated to a lesser extent and the STG was not activated, while the opposite was true for the right Broca’s area. We did not observe any activation of the fronto-parietal network in AD participants (...).

Résumé Le manganèse (Mn2+) est un élément essentiel du corps humain. Ses propriétés paramagnétiques permettent son utilisation comme agent de contraste pour l'IRM (Mn-MRI ou MEMRI). Analogue du calcium (Ca2+), il pénètre les neurones essentiellement par les canaux calciques. Il est ensuite transporté le long des microtubules jusqu'aux synapses où il est libéré, puis capturé par les autres neurones. Ainsi, il peut rendre compte du transport axonal antérograde et rétrograde. L'approche MEMRI peut ainsi apporter des informations uniques sur la connectivité fonctionnelle cérébrale. Toutefois, deux problèmes limitent l'emploi de ce puissant outil d'imagerie in vivo : (i) A doses élevées, le Mn2+ est toxique pour l'organisme et peut provoquer une atteinte grave du système nerveux central, appelé manganisme. Les niveaux et les mécanismes de toxicité sont mal connus. (ii) Le mode de transport du manganèse dans l'approche MEMRI est mal connu. Afin d'apporter des éléments de réponse à ces deux problèmes, nous avons entrepris une étude couplant IRM et microscopie synchrotron pour mieux comprendre le comportement du Mn2+ in vivo. Nous avons précisé les distributions cellulaire et sub-cellulaire du Mn et d'autres métaux pour un modèle de cellules de type neuronal (lignée de neuroblastome N2A), pour des cultures primaires de neurones hippocampiques, mais aussi au niveau de coupes d'hippocampe de rats. En parallèle, nous avons étudié les effets du Mn sur le métabolisme cérébral par une technique de RMN-HRMAS du proton. Pour compléter ce travail, nous avons mis en œuvre l'imagerie MEMRI chez les souris KO MAP6 présentant un déficit d'une protéine stabilisatrice des microtubules pour évaluer la connectivité fonctionnelle du tract thalamo-cortical. Mots clés Hippocampe, MAP6, manganèse, métabolisme, métal, neurone, MRI, rongeurs, synchrotron. / Abstract Manganese (Mn2+) is an essential element for human body. The paramagnetic properties of Mn2+ permit it use as a contrast agent for MRI (Mn-MRI or MEMRI). Analogue of calcium (Ca2+), it enters neurons primarily by calcium channels. It is then transported along microtubules to the synapse where it is released and then captured by other neurons. Thus, it can account for the anterograde and retrograde axonal transport. The MEMRI approach can provide unique information about cerebral functional connectivity. Two problems limit the use of this powerful tool for in vivo imaging: (i) At high doses, Mn2+ is toxic to the body and can cause serious problem of the central nervous system, called manganism. The level and the mechanisms of toxicity are poorly understood. (ii) The mode of manganese transport in the MEMRI approach is unclear. To address these two issues, we undertook a study coupling MRI and synchrotron microscopy to study the Mn 2+ behavior in vivo. We characterized the cellular and subcellular distributions of Mn and other metals in "pseudo neurons" cell line N2A, primary cultures of hippocampal neurons, andin hippocampal slices from rats. In parallel, we studied the effects of Mn on brain metabolism by proton-HRMAS NMR . In parallel, weevaluated MEMRI in MAP6 KO mice which exhibit a deficit in microtubule stabilizing protein, to assess the functional connectivity of the thalamocortical tract. Key words hippocampus, MAP6, manganese, metabolism, metal, neuron, MRI, rodent, synchrotron.

Chez les bilatériens, les connexions permettant de relier la partie droite et gauche du système nerveux central (SNC) sont appelées commissures cérébrales. Comprendre les mécanismes moléculaires permettant la mise en place de ces circuits constituent un enjeu majeur en neurobiologie du développement. Le guidage des commissures cérébrales repose sur des paires de ligands-récepteurs telles que Netrine-1/DCC et Slits/Robos. Nétrine et Slits sont exprimés au niveau de la plaque du plancher tandis que leurs récepteurs respectifs, DCC et Robo1/2, sont exprimés dans les neurones et axones commissuraux de la moelle épinière et du tronc cérébral au cours du développement. L'étude des souris déficientes pour ces gènes a permis d'établir un modèle : Nétrine-1, agirait à distance afin d'attirer les axones commissuraux par gradient vers la ligne médiane ventrale, puis, les Slits permettraient de repousser les axones en dehors de la plaque du plancher. Au cours de ma thèse, j'ai utilisé des modèles génétiques murins afin d'étudier in vivo la mise en place des commissures et la migration des neurones précérébelleux. Nous avons inactivé de façon spécifique l'expression des molécules Nétrine-1, Slits et Robo1/2 dans différentes régions du SNC. Nous avons montré que la présence de Nétrine-1 dans la plaque du plancher n'était pas nécessaire à l'attraction des axones commissuraux mais que la source principale de Nétrine-1 était la glie radiaire. Nous avons aussi montré que le couple Slit/Robo n'était pas essentiel à la migration des neurones précérébelleux. Ces données remettent en cause le modèle classiquement proposé et suggèrent l'existence de d'autres mécanismes moléculaires de guidage. / In all bilaterians, the connections linking the left and the right part of the central nervous system (CNS) are called the commissures. Understanding molecular mechanisms involved in the formation of these circuits is a major issue in developmental neurobiology. The guidance of commissural projections lay on two major couples of ligand- receptors: Netrin-1/DCC and Slits/Robos. Netrin-1 and Slits are expressed in the floor plate whereas their respective receptors, DCC and Robo1/2, are present in the neurons and commissural axons of the spinal cord and the hindbrain during the development. Analysis of mice deficient for these genes lead to establish a model: a Netrin-1 gradient would act through long distances in order to attract commissural axons to the ventral midline, then Slits would repulse axons outside the floor plate. During my thesis, I used genetic mouse models to study the setting of commissural axons and the migration of precerebellar neurons in vivo. We have specifically inactivated the expression of Netrin-1 Slits and Robo1/2 genes in different region of the CNS. We showed that floor plate-derived Netrin-1 was not necessary for the attraction of commissural axons and that the principal source of Netrin-1 was the radial glia. We also showed that the Slit/Robo couple was not essential for the migration of precerebellar neurons. These results reassess the model firstly provided and suggest the presence of other molecular mechanisms involved in commissural axon guidance.

Le pourtour du bassin méditerranéen subit fréquemment des épisodes de pluie diluvienne à l’origine de crues rapides pouvant provoquer de nombreuses victimes et des dégâts considérables. Afin de faire face à ce phénomène, la prévision hydrologiques, permettant au Service Central d’Hydrométéorologie et d’Appui à la Prévision des Inondations de produire des vigilances crues, tient une place centrale. Durant les dernières décennies l’efficacité des réseaux de neurones formels pour la prévision des crues rapides a été montrée sur différents bassins versant. Les travaux menés au cours de cette thèse visent à développer une méthodologie générique de mise en œuvre de réseaux de neurones, testée sur les bassins versants du Gardon d’Anduze et du Lez à Lavalette, dont le comportement hydrodynamique est particulièrement non-linéaire. Afin de limiter l’incertitude des performances en prévision en fonction de l’initialisation du modèle, nous avons, dans un premier temps, proposé un modèle d’ensemble, basé sur la médiane à chaque pas de temps des sorties d’un nombre adéquat de modèles variant uniquement par leur initialisation. D’autre part, sur le bassin du Gardon d’Anduze, afin d’améliorer les performances des réseaux de neurones récurrents par l’introduction d’informations sur l’état du bassin versant avant et pendant l’épisode de crue, différentes variables susceptibles de représenter l’état du système ont été introduites successivement afin de sélectionner celles fournissant les modèles les plus performants. Sur le bassin karstique du Lez, dont la structure est très hétérogène, nous avons appliqué la méthode KnoX permettant d’estimer les contributions au débit à l’exutoire de quatre zones aux comportements hydrologique et hydrogéologique considérés comme homogènes. Ainsi les zones les plus contributives ont été identifiées ; ceci permettra dans un second temps de rechercher les variables les mieux à même de représenter l’humidité dans ces zones. Les performances des modèles développés montrent que la méthodologie générale de conception d’un modèle pluie-débit par réseaux de neurones s’adapte de manière satisfaisante aux deux bassins cibles dont les fonctionnements hydrologiques et hydrogéologiques sont pourtant très différents. Certaines pistes de progrès restent à investiguer parmi lesquelles l’amélioration de l’information d’état est prépondérante. / The Mediterranean region is frequently subjected to intense rainfalls leading to flash floods. This phenomenon can cause casualties and huge material damages. Facing to this phenomenon, hydrologic forecasting is a major tool used by Service Central d’Hydrométéorologie et d’Appui à la Prévision des Inondations to produce flood warning.During past decades, artificial neural networks showed their efficiency for flash flood forecasting on different type of watershed. The present thesis aims thus to contribute to the development of a generic methodology to design artificial neural networks, that is tested on Gardon d’Anduze and Lez at Lavalette watersheds, both displaying non-linear hydrodynamic behavior. To reduce uncertainties on forecasts, ensemble models, based on the median of forecasts calculated at each time step for an adequate number of models varying only by their initialization, have been proposed. In addition, in order to improve forecasting performances on Gardon d’Anduze, with artificial neural networks, we tried to introduce knowledge about the state of the watersheds before and during the flood. Several variables have thus been tested each one its turn, to select the one given the best performances. On the Lez karst system, that has a strongly heterogeneous structure, the KnoX method have been applicated in order to estimate the contribution to outflow from four geographical zones displaying hydrologic and hydrogeologic behavior considered as homogeneous. Thus, the most contributive zones to the discharge zones have been identified. This will help the investigation of representing humidity variables in these zones.The performances of models underlined that the general methodology of rainfall-runoff model conception could be applied on both basins, even though their hydrological and hydrogeological behavior are very different.The contribution of each zone, estimated from the KnoX methodology, improved comprehension of Lez karst system during flash floods. Selection of relevant variables representing the state of the Lez hydrosystem will be possible thanks to this new knowledge. Performances of models developed in this study underlined the difficulty to find satisfactory models, and showed the interest of the generic methodology used to design neural network adapted to the two targeted basins.