De nos jours, les opérations chirurgicales sont impossibles à imaginer sans anesthésie générale, qui implique la perte de conscience, l'immobilité, l'amnésie et l'analgésie. La compréhension des mécanismes sous-jacents de chacun de ces effets garantit un traitement médical bien contrôlé. Cette thèse se concentre sur l'effet analgésique de l'anesthésie générale, précisément, sur la réaction du patient aux stimuli nociceptifs. Nous étudions également les différences des réactions entre différents médicaments anesthésiques. L'étude a été effectuée sur un ensemble de données constituées de 230 signaux EEG : enregistrements pré- et post-incision obtenus sur 115 patients qui ont reçu du desflurane et du propofol. La première phase de l'étude comprend l'analyse spectrale de puissance, qui est une méthode très répandue dans le traitement du signal. L'information spectrale a été décrite en ajustant l'activité de fond, qui exhibe un comportement $1/f$, aux estimations de la densité spectrale de puissance des signaux d'EEG et en mesurant la puissance contenue dans des bandes delta et alpha par rapport à la puissance de l'activité de fond. Une autre amélioration a été réalisée par l'expansion des spectres avec des informations de temps en raison de la nature non stationnaire observée dans les signaux EEG. Pour obtenir les représentations temps-fréquence des signaux nous appliquons trois méthodes différentes: scalogramme (basé sur la transformée en ondelettes continue), spectrogramme classique, et réaffectation de spectrogramme. Celle-ci permet d'améliorer la lisibilité d'une représentation temps-fréquence en réaffectant l'énergie contenue dans le spectrogramme à des positions plus précises. Par la suite, les spectrogrammes obtenus ont été utilisés pour la reconstruction de l'espace de phase, pour l'analyse récurrence et pour sa quantification par une mesure de complexité. L'analyse de récurrence permet de décrire et visualiser les dynamiques récurrentes d'un système et de découvrir des motifs structurels contenus dans les données. Ici, les diagrammes de récurrence ont été utilisés comme réécriture de grammaire pour transformer le signal original en une séquence symbolique, où chaque symbole représente un certain état du système. Trois mesures de complexité différentes sont alors calculées à partir de ces séquences symboliques afin de les utiliser comme éléments de classification. Enfin, en combinant les caractéristiques obtenues avec l'analyse spectrale de puissance et avec l'analyse symbolique de récurrence, nous effectuons la classification des données en utilisant deux méthodes de classification~: l'analyse discriminante linéaire et les machines à vecteurs de support. La classification a été effectuée sur des problèmes à deux classes, la distinction entre les signaux EEG pré- / post-incision, ainsi qu'entre les deux différents médicaments anesthésiques, desflurane et propofol. / Nowadays, surgical operations are impossible to imagine without general anesthesia, which involves loss of consciousness, immobility, amnesia and analgesia. Understanding mechanisms underlying each of these effects guarantees well-controlled medical treatment. This thesis focuses on analgesia effect of general anesthesia, more specifically, on patients reaction to nociceptive stimuli. We also study differences in the reaction between different anesthetic drugs. The study was conducted on dataset consisting of 230 EEG signals: pre- and post-incision recordings obtained form 115 patients, who received desflurane and propofol. The first stage of the study comprise power spectral analysis, which is a widespread approach in signal processing. Spectral information was described by fitting the background activity, that exposes $1/f$ behavior, to power spectral density estimates of the EEG signals and measuring power contained in delta and alpha bands relatively to the power of background activity. A further improvement was done by expanding spectra with time information due to observed non-stationary nature of EEG signals. To obtain time-frequency representations of the signals we apply three different methods: scalogram (based on continuous wavelet transform), conventional spectrogram, and spectrogram reassignment. The latter allows to ameliorate readability of a time-frequency representation by reassigning energy contained in spectrogram to more precise positions. Subsequently, obtained spectrograms were used as phase space reconstruction in recurrence analysis and its quantification by complexity measure. Recurrence analysis allows to describe and visualize recurrent dynamics of a system and discover structural patterns contained in the data. Here, recurrence plots were used as rewriting grammar to turn an original signal into a symbolic sequence, where each symbol represents a certain state of the system. After computing three different complexity measures of resulting symbolic sequences they are used as features for classification. Finally, combining features obtained with power spectral analysis and recurrence symbolic analysis, we perform classification of the data using two classification methods: linear discriminant analysis and support vector machines. Classification was carried out on two-class problem, distinguishing between pre-/post-incision EEG signals, as well as between two different anesthetic drugs, desflurane and propofol.

L’hippocampe est une structure de substance grise du lobe temporal qui joue un rôle fondamental dans les processus de mémoire ainsi que dans de nombreuses pathologies (maladie d’Alzheimer, épilepsie, dépression...).Le développement de modèles morphométriques est essentiel pour étudier l’anatomie fonctionnelle de cette structure et les altérations associées à différentes pathologies. L’objectif de cette thèse est de développer et de valider des méthodes de morphométrie de l’hippocampe dans deux contextes distincts : l’étude de la forme externe de l’hippocampe à partir d’IRM conventionnelles (1.5T ou 3T) à résolution millimétrique, l’étude de sa structure interne à partir d’IRM 7T à très haute résolution spatiale. Ces deux contextes correspondent aux deux parties principales de la thèse.Dans une première partie, nous proposons une méthode pour la classification automatique de patients à partir de descripteurs morphométriques. Cette méthode repose sur une décomposition en harmoniques sphériques qui est combinée à un classifieur de type support vectormachine (SVM). La méthode est évaluée dans le contexte de la classification automatique de patients avec une maladie d’Alzheimer (MA), de patients mild cognitive impairment (MCI) et de sujets sains âgés. Elle est également comparée à d’autres approches et une validation plus exhaustive est proposée dans une population de 509 sujets issus de la base ADNI. Nous présentons enfin une autre application de la morphométrie pour l’étude des altérations structurelles associées au syndrome de Gilles de la Tourette.La seconde partie de la thèse est consacrée à la morphométrie de la structure interne de l’hippocampe à partir d’IRM à 7 Tesla. En effet, la structure interne de l’hippocampe est riche et complexe mais inaccessible à l’IRM conventionnelle. Nous proposons tout d’abord un atlas de la structure interne de l’hippocampe à partir de données postmortem acquises à 9.4T. Ensuite, nous proposons de modéliser la corne d’Ammon et le subiculum sous la forme d’un squelette et d’une mesure locale d’épaisseur. Pour ce faire, nous introduisons une méthode variationnelle originale utilisant des espaces de Hilbert à noyaux reproduisants. La méthode est ensuite validée sur l’atlas postmortem et évaluée sur des données in vivo de sujets sains et de patients avec épilepsie acquises à 7T. / The hippocampus is a gray matter structure in the temporal lobe that plays a key role in memory processes and in many diseases (Alzheimer's disease, epilepsy, depression ...).The development of morphometric models is essential for the study of the functional anatomy and structure alterations associated with different pathologies. The objective of this thesis is to develop and validate methods for morphometry of the hippocampus in two contexts: the study of the external shape of the hippocampus from conventional MRI (1.5T or 3T) with millimeter resolution, and the study of its internal structure from 7T MRI with high spatial resolution. These two settings correspond to the two main parts of the thesis.In the first part, we propose a method for the automatic classification of patients from shape descriptors. This method is based on a spherical harmonic decomposition which is combined with a support vector machine classifier (SVM). The method is evaluated in the context of automatic classification of patients with Alzheimer's disease (AD) patients, mild cognitive impairment (MCI) patients and healthy elderly subjects. It is also compared to other approaches and a more comprehensive validation is available in a population of 509 subjects from the ADNI database. Finally, we present another application of morphometry to study structural alterations associated with the syndrome of Gilles de la Tourette.The second part of the thesis is devoted to the morphometry of the internal structure of the hippocampus from MRI at 7 Tesla. Indeed, the internal structure of the hippocampus is rich and complex but inaccessible to conventional MRI. We first propose an atlas of the internal structure of the hippocampus from postmortem data acquired at 9.4T. Then, we propose to model the Ammon’s horn and the subiculum as a skeleton and a local measure thickness. To do this, we introduce a variational method using original Hilbert spaces reproducing kernels. The method is validated on the postmortem atlas and evaluated on in vivo data from healthy subjects and patients with epilepsy acquired at 7T.

Le potentiel des nanoparticules d'or (AuNPs) pour améliorer l’efficacité de la radiothérapie est démontré par de nombreuses études expérimentales in vivo et in vitro. Ces particules métalliques augmentent significativement l’effet de la radiosensibilisation. La réaction en jeu est la radiolyse de l’eau: une fois excitées par un rayon X, elles génèrent des espèces réactives oxygénées qui amplifient les dégâts d’ADN et mènent à une plus grande destruction des cellules cancéreuses. Cependant, pour une efficacité thérapeutique plus optimale, plusieurs propriétés des AuNPs doivent être prises en compte lors de la synthèse comme leur taille, leur forme et leur surface qui sont suspectibles d’influencer ses effets catalytiques dans l’environnement biologique (majoritairement de liquide d’eau). Ces aspects structuraux ne sont pas encore examinés dans l’état de l’art, ni expérimentalement ni théoriquement. Ce travail de thèse a pour but de rationaliser la stabilité de AuNPs dans un environnement chimique ou biologique avant l’irradiation par des outils de modélisation théorique. Dans un premier temps, nous nous sommes intéressés à la stabilité des AuNPs dans la gamme de 1- 3.4 nm. Nous étudions ensuite le comportement de ces nanoparticules dans un environnement biologique (hydratation) et chimique modèle (PEGylation), et la combinaison des deux environnements. Quand les nanoclusters de 0.9-1.8 nm sont en interaction avec une couche de molécules d’eau à saturation, nous avons montré qu’il y a une transformation de NPs métastables (dans le vide) telles que l'ino-décaèdre en NPs métastables plus favorables telles que l'icosaèdre. Alors qu’en présence d’une couche de ligands PEG, la liaison forte Au-S et les liaisons hydrogène entre les ligands entraînent une déformation significative de la morphologie de la nanoparticule, à savoir une stellation du décaèdre Au54. Par ailleurs, nous avons montré que les ligands PEG promeuvent le confinement de quelques molécules d’eau à proximité des AuNPs. Nos conclusions ouvrent des perspectives intéressantes pour la modélisation théorique de la radiolyse de l’eau. Parallèlement à ces études, nous nous sommes intéressés à la caractérisation de différents types de lésions d’ADN. Deux projets ont été menés: premièrement, nous démontrons l’interaction d’un peptide trilysine avec un oligonucléotide qui pourrait conduire à la formation de pontage d’ADN-polyamine. Ensuite, le deuxième projet porte sur la rationalisation de différents taux de réparation de dimères de cyclobutanemathide iochella pyrimidine en présence de l’enzyme de reconnaissance DDB2 à l’échelle atomique. / The potential of gold nanoparticles (AuNPs) to improve the performance of radiotherapy is demonstrated by numerous in vivo and in vitro experimental studies. These metallic particles increase significantly the radiosensitization effect. Upon water radiolysis, AuNPs generate reactive oxygen species that amplify DNA damage and lead to a greater destruction of cancerous cells. Nevertheless, for a more optimal therapeutic efficacy, several properties of AuNPs must be taken into account during the synthesis, such as their size, shape and surface which can tune their catalytic effects in the biological environment (mainly liquid water). These structural aspects are not yet examined in the state-of-the-art, either experimentally or theoretically. This thesis aims to rationalize the stability of AuNPs in the presence of chemical or biological environment before irradiation by using theoretical approaches. Firstly, we have modeled the stability of AuNPs in the range 1- 3.4 nm. We have then studied the behavior of these nanoparticles in a biological (hydration) and chemical (PEGylation) model environment, and the combination of the two environments. When 0.9-1.8 nm nanoclusters interact with a complete shell of water molecules, we have shown that metastable ino-decahedrons (in vacuum) are transformed into more favourable metastable icosahedrons. While in the presence of monoshell of PEG ligands, the strong Au-S bond and the hydrogen bonds between the ligands induce a significant deformation on the nanoparticle morphology, i.e. stellation of the Au54 decahedron. In addition, we have shown that PEG ligands promote the confinement of a few water molecules in the vicinity of AuNPs. Our conclusions open interesting perspectives for the theoretical modeling of water radiolysis. In parallel with these studies, we have focused on the characterization of different types of DNA lesions. Two projects have been performed: firstly, we have studied the interaction of a trilysine peptide with an oligonucleotide which could lead to the formation of DNA-polyamine cross link. Then, the second project focuses on rationalizing different repair rates of cyclobutane pyrimidine dimers in the presence of the DDB2 recognition enzyme at the atomic scale.

L'objectif de cette thèse est d'étudier la fragilité financière, c.à.d. la sensibilité du système financier par rapport aux perturbations. La difficulté principale concernant la fragilité financière dans le contexte actuel est la complexité croissante du système financier. piur remédier à ce problème, cette thèse s'inspire des deux courants relativement récents de la recherche économique : l'analyse des réseaux et l'économie comportementale. Les principaux concepts mobilisés sont les mécanismes de diffusion, de cascade et la rationalité limitée. Chapitre 1 étudie les effets des structures locales ds liens, spécifiquement la longueur des cycles transitifs sur la magnitude de la contagion financière. Chapitre 2 propose un modèle dynamique des paniques bancaires, dans lequel les paniques émergent par un mécanisme de cascade des retraits. Le but est de mieux comprendre comment les paniques se forment. Chapitre 3 étudie les paniques bancaires dans un contexte à la fois dynamique et comportemental, avec la présence du mimétisme et l'hétérogénéité des déposants. / This thesis studies financial fragility, i.e. the sensitivity of the financial system with respect to shocks. the main issue of financial fragility in the current context is the increased financial complexity. To address this problem, this study draws inspiration from two relatively recent streams of literature : econopmics of networks and behavioral economics. The main concepts in use are diffusion, cascade and bounded rationality. Chapter 1 studies how petterns of links, specifically, the length of transitive cycles affect the extent of financial contagion. Chapter 2 proposes a dynamic model in which bank runs arise as cascades of withdrawals. The aim is to better understand how bank runs occur. Chapter 3 studies bank runs in a dynamic and behavioral setting, with herding and heterogeneity of depositors.

Le travail a porté sur le développement d'une méthode de décomposition de domaine pour le calcul de structures électroniques avec les modèles de Hartree-Fock ou DFT (Density Functional Theory). La simulation de ces modèles passe traditionnellement par la résolution d'un problème aux valeurs propres généralisé, dont la complexité cubique est un verrou pour pouvoir traiter un grand nombre d'atomes. La méthode MDD (Multilevel Domain Decomposition), introduite au cours de la thèse de Maxime Barrault (2005), est une alternative à cette étape bloquante. Elle consiste à se ramener à un problème de minimisation sous contraintes où on peut exploiter les propriétés de localisation de la solution. Les résultats acquis au cours de la présente thèse sont :* l'analyse numérique de la méthode : on a montré, sur un problème simplifié présentant les mêmes difficultés mathématiques, un résultat de convergence locale de l'algorithme ; * l'augmentation de la vitesse de calcul et de la précision, pour les répartitions "1D" des sous-domaines, ainsi que la démonstration de la scalabilité jusqu'à $1000$ processeurs; * l'extension de l'algorithme et de l'implémentation aux cas où les sous-domaines sont répartis en "2D/3D".

Cette thèse aborde le problème de la structuration de bases lexicales multilingues (BDLM) en lexies et axies, à partir de ressources existantes. Ce travail est motivé par l'inadéquation des techniques existantes utilisées isolément, pour la structuration de BDLM.<br />Pour résoudre ce problème, la stratégie proposée est de composer des techniques existantes de désambiguïsation pour structurer semi-automatiquement des bases lexicales multilingues à lexies et acceptions interlingues. De plus, cette thèse propose une catégorisation des critères d'évaluation de la qualité des BDLM, ainsi que les mesures correspondantes.<br />Cette stratégie a été implémentée dans Jeminie, un système logiciel adaptable qui permet d'implémenter à la fois des méthodes de structuration de BDLM et des mesures de qualité, sous la forme de modules logiciels réutilisables.<br />Des compositions arbitraires de ces modules peuvent être définies par un lexicologue dans un langage de haut niveau d'abstraction, ce qui permet d'adapter facilement la structuration et l'évaluation de qualité en fonction des objectifs du lexicologue et des ressources disponibles sans nécessiter de connaissances en programmation.<br />L'intérêt de cette approche a été validé expérimentalement : la qualité des BDLM obtenues est meilleure par combinaison de techniques qu'avec chaque technique antérieure utilisée seule.

L'analyse automatique de différences anatomiques en neuroimagerie a de nombreuses applications pour la compréhension et l'aide au diagnostic de pathologies neurologiques. Récemment, il y a eu un intérêt croissant pour les méthodes de classification telles que les machines à vecteurs supports pour dépasser les limites des méthodes univariées traditionnelles. Cette thèse a pour thème l'apprentissage automatique pour l'analyse de populations et la classification de patients en neuroimagerie. Nous avons tout d'abord comparé les performances de différentes stratégies de classification, dans le cadre de la maladie d'Alzheimer à partir d'images IRM anatomiques de 509 sujets de la base de données ADNI. Ces différentes stratégies prennent insuffisamment en compte la distribution spatiale des \textit{features}. C'est pourquoi nous proposons un cadre original de régularisation spatiale et anatomique des machines à vecteurs supports pour des données de neuroimagerie volumiques ou surfaciques, dans le formalisme de la régularisation laplacienne. Cette méthode a été appliquée à deux problématiques cliniques: la maladie d'Alzheimer et les accidents vasculaires cérébraux. L'évaluation montre que la méthode permet d'obtenir des résultats cohérents anatomiquement et donc plus facilement interprétables, tout en maintenant des taux de classification élevés.

Cette thèse présente une modélisation des principaux aspects syntaxiques de la coordination dans les grammaires d'interaction de Guy Perrier . Les grammaires d'interaction permettent d'expliciter la valence des groupes conjoints. C'est précisément sur cette notion qu'est fondée notre modélisation.<br />Nous présentons également tous les travaux autour de cette modélisation qui nous ont permis d'aboutir à une implantation réaliste: le développement du logiciel XMG et son utilisation pour l'écriture de grammaires lexicalisées, le filtrage lexical par intersection d'automates et l'analyse syntaxique.

La nature stochastique de l'expression génique est maintenant clairement établie expérimentalement et apparaît comme une composante à part entière de la dynamique cellulaire. Une source importante de cette variabilité est liée au caractère dynamique des diverses structures multiprotéiques impliquées dans le processus d'expression génique. Nous étudions ici, par la modélisation, comment les interactions entre des molécules au comportement individuel probabiliste sont susceptibles de faire naître des dynamiques globales pouvant influencer l'expression génique. Nous nous concentrons plus particulièrement sur deux aspects du processus d'expression : d'une part, son caractère spatialisé au sein d'un noyau cellulaire structuré et dynamique et, d'autre part, la combinatoire des événements moléculaires stochastiques au niveau du promoteur d'un gène. Pour l'étude des phénomènes d'organisation mésoscopique au sein du noyau cellulaire, nous proposons un modèle de simulation "4D" (intégrant l'espace et le temps). Il emprunte différentes techniques aux formalismes des échelles inférieures (moléculaires) et supérieures (cellulaires), en gardant les aspects essentiels à notre étude (individualité de certaines molécules, exclusion stérique, interactions électromagnétiques, réactions chimiques . . .). Afin d'étudier spécifiquement la dynamique stochastique de la régulation transcriptionnelle, nous proposons un second modèle décrivant les événements d'association/dissociation et de modification de la chromatine en se basant sur l'affinité coopérative/compétitive des molécules et leur potentielle activité enzymatique ou de remodelage. Par des techniques analytiques et computationnelles, nous caractérisons alors l'activité du promoteur à l'aide d'outils de théorie du signal, mais aussi en reproduisant les mesures obtenues par diverses techniques expérimentales (cinétique de ChIP, FRAP, FRET, cytométrie de flux . . .). L'analyse de ce modèle démontre que l'activité spontanée du promoteur peut être complexe et structurée, présentant en particulier des dynamiques multi-échelles similaires à celles observées expérimentalement (turnover rapide des molécules, comportements cycliques lents, hétérogénéités transcriptionnelles . . .). Nous montrons enfin comment la confrontation de mesures expérimentales de diverses natures peut renseigner sur la structure du système sous-jacent. Ce modèle apparaît alors comme un cadre théorique général pour l'étude de la dynamique des promoteurs et pour l'interprétation intégrée de données expérimentales.

L'ARN (acide ribonucléique) est une molécule ubiquitaire qui joue plusieurs rôles fondamentaux au sein de la cellule: synthèse des protéines avec les ARN messagers, activité catalytique ou implicationdans la régulation, les ARN non-codants. Les nouvelles technologies de séquençage à haut-débit permettent de produire des milliards de séquences à moindre coût, posant de manière cruciale la question de l'analyse de ces données. L'objectif de cette thèse est de définir de nouvelles méthodes computationnelles pour aider à l'analyse de ces séquences dans le cas des ARN non-codants. Dans cette perspective, la "structure secondaire" d'un ARN, formée par l'ensemble des appariements entrebases, délivre des informations utiles pour étudier la fonction de l'ARN. Notre travail se concentre plus particulièrement sur l'ensemble des structures potentielles que peut adopter une séquence d'ARN donnée, ensemble que nous appelons "multi-structure". Nous apportons deux contributions: un algorithme pour générer systématiquement toutes les structures localement optimales composantune multi-structure, et un algorithme basé sur la recherche d'unemulti-structure pour identifier un ARN non-codant dans une séquence génomique. Ces résultats ont été mis en oeuvre dans deux logiciels, Alterna et Regliss, appliqués avec succès à des ensembles de test.