Titre de l'écran-titre (visionné le 7 août 2023) / L'objet de cette thèse est l'étude de différents modèles mathématiques décrivant le vieillissement du cerveau et l'évolution de la maladie d'Alzheimer. Je porte un regard critique sur les différents modèles publiés et j'en développe un nouveau qui corrige les lacunes des modèles existant. Il n'existe pour l'instant aucun traitement efficace pour les patients atteints de la maladie d'Alzheimer. De plus, étant donné le vieillissement de la population et la perte d'autonomie des personnes atteintes, les coûts humains et sociaux de cette maladie sont dramatiques et ne cessent d'augmenter. Les causes et les mécanismes biologiques impliqués dans le développement de cette maladie sont nombreux et semblent interagir de manière non linéaire. Les recherches se concentrant sur une cause ou un facteur unique n'ont pas donné les résultats escomptés. Pour ces raisons, les modèles mathématiques peuvent nous aider à comprendre l'impact des différents facteurs impliqués et de tester in silico l'impact de différentes stratégies thérapeutiques. Dans un premier temps, j'ai effectué une revue systématique des différents articles publiés contenant des modèles mathématiques décrivant le développement de la maladie d'Alzheimer, ce qui constitue le chapitre 1 de cette thèse. Les modèles utilisent pour la plupart des systèmes d'équations différentielles ordinaires(EDOs) et/ou des systèmes d'équations aux dérivées partielles (EDPs). Dans le chapitre 2, je présente les outils mathématiques nécessaires pour résoudre ces modèles. Il existe de nombreuses recettes numériques pour résoudre des systèmes d'EDOs ou d'EDPs. Étant donné les différentes échelles de temps impliquées dans la développement de la maladie d'Azheimer, le système résultant d'ÉDOs peut être délicat à résoudre numériquement. Je discute des méthodes adaptées à la résolution de notre problème. Au chapitre 3, je donne une introduction à l'analyse de sensibilité. L'analyse de sensibilité est importante pour plusieurs raisons que ce soit pour quantifier l'incertitude ou pour l'identification de paramètres critiques. Du point de de vue mathématique, il existe plusieurs outils pour calculer les sensibilités et le choix de la méthode dépend du contexte. Dans ce chapitre, je discute de l'importance d'effectuer des analyses de sensibilité et je présente les méthodes les plus appropriées pour notre cas. Au chapitre 4, je présente en détail le modèle développé par Hao et Friedman. Ce modèle comporte un système de 18 EDOs. Je discute des forces et des faiblesses de ce modèle et en particulier des facteurs qui rendent les résultats impossibles à reproduire. Je développe finalement une version améliorée de ce modèle avec une description plus réaliste des différents facteurs impliqués dans le développement de la maladie d'Alzheimer. / The main objective of this thesis is to study different mathematical models describing brain aging and the progression of Alzheimer's disease (AD). I critically review different published papers with mathematical models of AD and I develop a new one improving upon existing works. There exists no efficient treatment to help patients suffering from AD. Given the worldwide population aging and the loss of autonomy caused by AD, the human and social economical costs of AD are staggering and keep increasing. The causes and mechanisms involved in the development of AD are numerous and seem to interact in a nonlinear fashion. Research focusing on a single factor has not yielded the expected results. Given all this, mathematical modeling can be a useful tool to help us understand how the different elements of interest interact with each other and play a role in AD progression. Mathematical models can also be used to test in silico different potential therapeutic strategies. I first performed a scoping review of different published papers describing mathematical models of AD on set and progression. This corresponds to chapter 1 of this thesis. For the most part, mathematical models use either systems of ordinary differential equations (ODEs) or systems of partial differential equations (PDEs). In chapter 2, I present and discuss the different mathematical tools needed to solve these models. There exist numerous numerical recipes to solve systems of ODEs or PDEs. Given the different temporal scales implied in AD, the resulting ODE system can be delicate to handle numerically. I discuss numerical methods which are well-suited to the resolution of our particular problem. In chapter 3, I give an introduction to sensitivity analysis and present different methods with which one can assess which parameters or factors have a significant impact on the prediction of the models. Sensitivity analysis is important for many reasons, be it to quantify uncertainty or to identify critical parameters. From a mathematical point of view, several tools exist to compute sensitivities and the choice of a particular technique depends on the context and objectives. I discuss the importance of sensitivity analysis and present different algorithms with which one can perform this analysis. I discuss which methods are the most appropriate for our specific problem. In chapter 4, I present in detail the model developed by Hao and Friedman. This model has 18 ODEs. I discuss the strengths and weaknesses of this model and in particular the reasons making the results of Hao and Friedman impossible to reproduce. Finally, I develop an improved version of this model with a more realistic description of the different factors involved in the onset and progression of AD.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/122805 |
| Date | 25 March 2024 |
| Creators | Moravveji, Seyedadel |
| Contributors | Doyon, Nicolas, Duchesne, Simon |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | COAR1_1::Texte::Thèse::Thèse de doctorat |
| Format | 1 ressource en ligne (xiii, 107 pages), application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0178 seconds