Séminaire du CIMMUL – Nicolas Doyon

La modélisation mathématique des neurones :
un outil indispensable pour comprendre les maladies du cerveau

Nicolas Doyon

Professeur agrégé
Département de mathématiques et de statistique
Chercheur au centre de recherche CERVO et au CIMMUL
Université Laval

Résumé

En simplifiant au maximum, un neurone compte trois parties : Des dendrites qui reçoivent l’information, un corps cellulaire qui intègre l’information et un axone qui transmet un message si la somme de l’information reçue dépasse un certain seuil.   Cette version schématique a donné naissance aux réseaux de neurones artificiels.  Malgré la simplicité des neurones artificiels, le choix d’une fonction pertinente pour l’intégrateur et d’une bonne structure de réseaux permet d’effectuer des calculs impressionnants!

Si des neurones simples peuvent tout faire, pourquoi chercher à développer des modèles complexes?  Bien que s’en inspirant, les réseaux de neurones artificiels n’ont que peu de chose en commun avec un cerveau humain.  Pour comprendre le cerveau et ses maladies, il est nécessaires de construire des modèles plus réalistes des neurones qui décrivent les neurotransmetteurs, les différents canaux transmembranaires et la structure des réseaux. Dans cet exposé, nous verrons différentes techniques pour modéliser les neurones. Nous présenterons des modèles qui permettent de mieux comprendre la douleur chronique et d’identifier la meilleure manière de traiter cette condition.

Summary
To simplify as much as possible, a neuron has three parts: Dendrites that receive information, a cell body that integrates the information, and an axon that transmits a message if the sum of the information received exceeds a certain threshold.   This schematic version gave birth to artificial neural networks.  Despite the simplicity of artificial neurons, the choice of a relevant function for the integrator and a good network structure allows to perform impressive calculations!

If simple neurons can do everything, why try to develop complex models?  Although inspired by them, artificial neural networks have little in common with a human brain. To understand the brain and its diseases, it is necessary to build more realistic models of neurons that describe the neurotransmitters, the different transmembrane channels and the network structure. In this talk, we will see different techniques to model neurons. We will present models that allow us to better understand chronic pain and identify the best way to treat this condition.