thesis

Recommendations

Info

16 Anatomie et physiologie du système nerveux Figure 1.3 – Dessins de neurones réalisés par Santiago Ramón y Cajal. Images du domaine public obtenues sur http://blogs.law.harvard.edu/kammer/ramon-y-cajal/ et http://banquete.org/banquete08/-project-08-. Ribosomes Appareil de Golgi Noyau Membrane Microtubules Synapses Dendrites REG REL Terminaison axonale Oligodendrocyte Gaine de myéline Cône axonique Mitochondrie Dendrites Noeuds de Ranvier Figure 1.4 – Anatomie du neurone. Figure adaptée d’une image du domaine public, obtenue sur http://commons.wikimedia.org/wiki/File:Complete_neuron_cell_diagram_en.svg.
1.3 Anatomie du neurone 17 électriques appelés potentiels d’action. Le potentiel d’action est transmis le long de l’axone, long prolongement cylindrique du corps cellulaire. L’axone réalise des connexions synaptiques avec les neurones efférents, ce qui permet la transmission du signal nerveux. Il existe de nombreux types de neurones différents, que ce soit par leur morphologie, leur connectivité (nombre de synapses), leur comportement électrophysiologique ou synaptique, etc. Citons comme exemple le neurone pyramidal, particulièrement présent dans le cortex chez le mammifère. Il est caractérisé par un soma de forme pyramidale, la présence d’un seul axone et des dendrites de taille importante. Nous présentons maintenant les détails anatomiques des trois parties principales du neurone dans l’ordre de la propagation du signal : les dendrites, le soma, et l’axone. Les phénomènes physiologiques à l’œuvre dans le neurone ne sont mentionnés que brièvement ici et seront exposés en détail dans les sections suivantes de ce chapitre. Nous terminerons cette section par la description de la membrane cellulaire qui a une importance capitale dans le fonctionnement du neurone. Les dendrites En partant du corps cellulaire, les dendrites se ramifient progressivement en une structure arborescente. Les dendrites contiennent souvent des épines dendritiques, petites excroissances allongées d’environ un micron de long se terminant par un renflement, la tête de l’épine. Cette dernière constitue le côté postsynaptique d’une connexion synaptique avec l’axone d’un neurone afférent. Il peut y avoir le long d’un micron de dendrite jusqu’à 5 épines dendritiques, tandis qu’un seul neurone peut contenir des dizaines de milliers d’épines dendritiques. Lors de la transmission du signal nerveux au niveau d’une synapse, des courants postsynaptiques (courants ioniques transmembranaires) sont générés dans l’épine dendritique et sont conduits par l’arbre dendritique jusqu’au corps cellulaire pour y être sommés (intégration spatiotemporelle). Le soma Le soma est le corps cellulaire. Il mesure entre 10 et 20 microns en moyenne. Les courants postsynaptiques provenant des dendrites y sont sommés algébriquement. Les courants transmembranaires au niveau de la membrane du corps cellulaire sont responsables des fluctuations du potentiel de membrane (différence de potentiel électrique entre l’intérieur et l’extérieur de la membrane). Lorsque le potentiel de membrane dépasse un certain seuil, un potentiel d’action est généré au niveau de la base de l’axone appelé cône axonique. Ce potentiel d’action se propage alors le long de l’axone.
Page 1: THÈSE DE DOCTORAT DE L’UNIVERSIT
Page 5: Computational role of correlations
Page 8 and 9: viii différent, indispensable. Je
Page 10 and 11: x 3.4 Fiabilité de la décharge ne
Page 12 and 13: xii
Page 14 and 15: xiv 3.8 Fiabilité neuronale in vit
Page 16 and 17: xvi 9.5 Quality and stability of el
Page 18 and 19: 2 entrée sens (perception) périph
Page 20 and 21: 4 3. L’étude de la sensibilité
Page 23: Contexte scientifique 7
Page 26 and 27: 10 Sommaire 1.1 Introduction . . .
Page 28 and 29: 12 Anatomie et physiologie du syst
Page 62 and 63: 46 Modélisation impulsionnelle de
Page 82 and 83:
66 Modélisation impulsionnelle de
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91:
Page 92 and 93:
76 Codage neuronal et computation S
Page 94 and 95:
78 Codage neuronal et computation c
Page 96 and 97:
80 Codage neuronal et computation N
Page 98 and 99:
82 Codage neuronal et computation F
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
92 Codage neuronal et computation d
Page 110 and 111:
94 Codage neuronal et computation n
Page 112 and 113:
Page 114 and 115:
98 Codage neuronal et computation 3
Page 116 and 117:
100 Codage neuronal et computation
Page 118 and 119:
102 Codage neuronal et computation
Page 120 and 121:
104 Oscillations, corrélations et
Page 122 and 123:
Page 124 and 125:
Page 126 and 127:
Page 128 and 129:
Page 130 and 131:
Page 132 and 133:
Page 134 and 135:
Page 136 and 137:
Page 138 and 139:
Page 140 and 141:
Page 142 and 143:
Page 144 and 145:
Page 146 and 147:
Page 148 and 149:
Page 150 and 151:
Page 152 and 153:
Page 154 and 155:
Page 156 and 157:
Page 158 and 159:
Page 160 and 161:
Page 162 and 163:
Page 164 and 165:
148
Page 166 and 167:
150
Page 168 and 169:
152 Adaptation automatique de modè
Page 170 and 171:
Page 172 and 173:
Page 174 and 175:
Page 176 and 177:
Page 178 and 179:
Page 180 and 181:
Page 182 and 183:
Page 184 and 185:
Page 186 and 187:
Page 188 and 189:
172 Calibrage de modèles impulsion
Page 190 and 191:
Page 192 and 193:
Page 194 and 195:
Page 196 and 197:
Page 198 and 199:
Page 200 and 201:
184 Playdoh : une librairie de calc
Page 202 and 203:
Page 204 and 205:
Page 206 and 207:
Page 208 and 209:
192 Playdoh: une librairie de calcu
Page 210 and 211:
Page 212 and 213:
Page 214 and 215:
Page 216 and 217:
Page 218 and 219:
202 Détection de coïncidences dan
Page 220 and 221:
Page 222 and 223:
Page 224 and 225:
Page 226 and 227:
Page 228 and 229:
Page 230 and 231:
Page 232 and 233:
Page 234 and 235:
Page 236 and 237:
Page 238 and 239:
Page 240 and 241:
Page 242 and 243:
Page 244 and 245:
Page 246 and 247:
Page 248 and 249:
232 Compensation d’électrode san
Page 250 and 251:
Page 252 and 253:
Page 254 and 255:
Page 256 and 257:
Page 258 and 259:
Page 260 and 261:
244 A B 20 mV 100 ms C EPSP spike D
Page 262 and 263:
246 A B Neuron resistance (MΩ) El
Page 264 and 265:
248 A 20 mV B C D -15 mV threshold
Page 266 and 267:
250 Discussion
Page 268 and 269:
252 Discussion de haute conductance
Page 270 and 271:
254 Discussion Implications sur la
Page 272 and 273:
256 Discussion des neurones aux co
Page 274 and 275:
258 exemples incluent un modèle r
Page 276 and 277:
260
Page 278 and 279:
262 Réponse à London et al. Somma
Page 280 and 281:
264 Réponse à London et al. a b 2
Page 282 and 283:
266 Réponse à London et al. spike
Page 284 and 285:
268 Publications 2. Rossant, C. & B
Page 286 and 287:
270 Bibliographie Allen, P., Fish,
Page 288 and 289:
272 Bibliographie Bar-Gad, I., Rito
Page 290 and 291:
274 Bibliographie Brette, R. (2003)
Page 292 and 293:
276 Bibliographie Buzsáki, G. (200
Page 294 and 295:
278 Bibliographie Dan, Y. et Poo, M
Page 296 and 297:
280 Bibliographie El Boustani, S. e
Page 298 and 299:
282 Bibliographie Fusi, S. et Matti
Page 300 and 301:
284 Bibliographie Graupner, M. et B
Page 302 and 303:
286 Bibliographie Henze, D. et Buzs
Page 304 and 305:
288 Bibliographie Jolivet, R., Rauc
Page 306 and 307:
290 Bibliographie Krumin, M. et Sho
Page 308 and 309:
292 Bibliographie Lim, D., Ong, Y.,
Page 310 and 311:
294 Bibliographie McCulloch, W. et
Page 312 and 313:
296 Bibliographie Nickolls, J., Buc
Page 314 and 315:
298 Bibliographie Peyrache, A., Kha
Page 316 and 317:
300 Bibliographie Robbe, D. et Buzs
Page 318 and 319:
302 Bibliographie Schneidman, E., B
Page 320 and 321:
304 Bibliographie Smith, P. (1995).
Page 322 and 323:
306 Bibliographie Takeda, K. et Fun
Page 324 and 325:
308 Bibliographie Uhlhaas, P., Pipa
Page 326 and 327:
310 Bibliographie Weliky, M. et Kat
show all

thesis

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?