UPThèses

• Français
• English

Français

Modélisation stochastique et analyse statistique de la pulsatilité en neuroendocrinologie

L’objectif de cette thèse est de proposer plusieurs modèles probabilistes pour représenter l’activité calcique des neurones et comprendre son implication dans la sécrétion d’hormone GnRH. Ce travail s’appuie sur des expériences réalisées à l’INRA Centre Val-de-Loire. Le Chapitre 1 propose une modélisation continue, où nous étudions un processus markovien de type shot-noise. Le Chapitre 2 étudie un modèle discret de type AR(1) basé sur la discrétisation du modèle du Chapitre 1 et propose une première estimation des paramètres. Le Chapitre 3 propose un autre modèle discret de type AR(1) où les innovations sont la somme d’une variable de Bernouilli et d’une variable gaussienne représentant un bruit, avec prise en compte d’une tendance linéaire. Des estimations des paramètres sont proposées dans le but d’une détection des sauts dans les trajectoires des neurones. Le Chapitre 4 étudie une expérience biologique comportant 33 neurones. Avec la modélisation du Chapitre 3, nous détectons des instants de synchronisation (saut simultané d’une grande proportion des neurones de l’expérience) puis à l’aide de simulations, nous testons la qualité de la méthode utilisée et la comparons à une méthode expérimentale.

Mots-clés libres : Processus shot-noise, processus de Markov, processus auto-régressif, séries temporelles, détection de pics, estimation, activité neuronale.

Rameau (langage normalisé) :
• Markov, Processus de
  
• Autorégression (statistique)
  
• Poisson, Processus de
  
• Séries chronologiques
  
• Réseaux neuronaux (physiologie)