Circuits et systemes de modelisation analogique de neurones ...
Circuits et systemes de modelisation analogique de neurones ...
Circuits et systemes de modelisation analogique de neurones ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Chapitre I : éléments <strong>de</strong> neurobiologie <strong>et</strong> <strong>de</strong> modélisation neurophysiologiqueDans ces conditions les vecteurs <strong>de</strong>s taux r ij (t) forment <strong>de</strong>s obj<strong>et</strong>s mathématiques appeléschaînes <strong>de</strong> Markov <strong>et</strong> <strong>de</strong> ce fait ce type <strong>de</strong> modèle est souvent qualifié <strong>de</strong> markovien.Nous pouvons revenir un instant sur le formalisme <strong>de</strong> Hodgkin <strong>et</strong> Huxley tel que nous l'avonsprésenté au paragraphe 4.2.1. En eff<strong>et</strong> ces auteurs avaient utilisé un modèle qui apparaîtcomme une sous-classe <strong>de</strong>s chaînes <strong>de</strong> Markov pour donner une justification physique à leurmodèle. Ils n'avaient cependant à l'époque aucune preuve <strong>de</strong> l'existence <strong>de</strong>s canaux ioniques<strong>et</strong> raisonnaient en terme <strong>de</strong> variation <strong>de</strong> conductivité <strong>de</strong> la membrane. La <strong>de</strong>scription qui suitest donc fondamentalement différente du mécanisme stochastique que nous venons <strong>de</strong>présenter en ce qu'elle s'applique au courant macroscopique <strong>et</strong> a été utilisée comme unehypothèse <strong>de</strong>stinée à justifier <strong>de</strong>s résultats expérimentaux.Les fonctions m, h <strong>et</strong> n peuvent être interprétées comme <strong>de</strong>s probabilités d'ouverture <strong>de</strong>sfamilles <strong>de</strong> canaux. Pour une <strong>de</strong> ces variables, n par exemple, la transition d'un état passant àun état bloqué se fait avec les probabilitésn <strong>et</strong> :nn (1.15)n 1-n nL'évolution <strong>de</strong> n correspond à une équation du premier ordre :30dndtV1 n Vn (1.16)nmemEn réorganisant les termes <strong>de</strong> la façon suivante :Et en donnant ànnnnn1 nnmemn(1.17)n n <strong>et</strong> <strong>de</strong>s expressions exponentielles du type <strong>de</strong> (1.14) nous r<strong>et</strong>rouvons leséquations du formalisme <strong>de</strong> Hodgkin Huxley dans la forme que nous avons présentée auparagraphe 4.2.1.4.3.A propos <strong>de</strong>s métho<strong>de</strong>s d'extraction <strong>de</strong>s paramètres <strong>de</strong> modèles.Nous décrivons maintenant les métho<strong>de</strong>s expérimentales qui ont permis le développement <strong>de</strong>smodèles que nous avons décrits <strong>et</strong> servent maintenant à l'extraction <strong>de</strong> paramètres pour cesmodèles appliqués à <strong>de</strong> nouvelles cellules.