Modélisation par modèles de densité de population de la stimulation cérébrale profonde pour le traitement de la maladie de Parkinson J. Henry INRIA Bordeaux A. Beuter, J. Modolo Institut de Cognitique Université Bordeaux 2 1 Plan 1. 2. 3. 4. 5. Introduction Approche de modélisation par densité de population Simulation du tremblement dans la maladie de Parkinson et SCP Modélisation simplifiée pour l’étude de la synchronisation Conclusion 2 1. Introduction 3 Maladie de Parkinson 2ème maladie neurodégénérative (6 millions patients dans le monde) Due à la destruction de neurones dopaminergiques Symptomes : tremblement, akinésie… Traité par L-DOPA : précurseur de la dopamine Autrement : stimulation haute fréquence des ganglions de la base 1. Stimulation cérébrale profonde (SCP) et maladie de Parkinson (MP) SCP:procédure standard: améliore les symptômes efficacement pour fréquences suffisamment élevées Structures cibles: surtout NST (Noyau SousThalamique), mais aussi Vim, GPi Mécanismes inconnus: ablation du NST était pratiquée avec bénéfice mais risque élévé 5 Ganglions de la base 6 Stimulation Cérébrale Profonde (SCP) 7 Noyau Sous Thalamique : NST Levesque et Parent (2005) Parent et al. (1995) 8 Interactions entre structures Connectivité ganglions de la base-thalamus-cortex d’après Montgomery (2005) 2. Approche de modélisation par densité de population 10 Modèle de neurone 2D d’Izhikevich Izhikevich, 2003 11 Modélisation d’un réseau de neurones par une approche densité de population La population de neurones identiques est structurée par les variables d’état u et v modèle d’Izhikevich L’entrée synaptique reçue par chaque neurone est moyennée sur toute la population. Modèles précédents basés sur le modèle « intègre et tire » (Nykamp et Tranchina, 2000; Omurtag et al., 2000 par exemple) 12 Equation du modèle densité de population Etat Loi de conservation : Densité de population par rapport à l’état Flux dans l’espace d’état Taux de réception moyen Dynamique d’Izhikevich Interaction synaptique 13 Modèle densité de population Taux de décharge Taux moyen de réception Conditions aux limites Equations pour plusieurs populations Chaque population est décrite par sa densité de population Le taux de réception pour la population i de la population j est Pour la résolution numérique on utilise une méthode de volumes finis; Elle préserve la conservation de chaque population. Modolo J., Garenne A., Henry J., Beuter A., J Integr Neurosci, 2007 Approche multi-échelles • Grand nombre de neurones • Mêmes caractéristiques individuelles. Modolo J., Mosekilde E., Beuter A., J Physiol Paris, 2007 17 Approche multi-échelles Modolo J., Mosekilde E., Beuter A., J Physiol Paris, 2007 18 Validation du modèle Modolo J., Garenne A., Henry J., Beuter A., J Integr Neurosci, 2007 3. Simulation du tremblement dans la maladie de Parkinson et SCP 20 Précédents travaux de modélisation Modèles de Terman et Rubin (2002, sophistiqué, mais petit nombre de neurones), Gillies and Willshaw (2004, plus simple : modèle global de Wilson et Cowan) Le complexe STN-GPe change d’activité (modélisation de la MP) si: L’inhibition StriatumGPe augmente. Les synapses intra-GPe deviennent plus faibles. 21 Rôle du complexe NST-GPe (activateurinhibiteur) NST et GPe (Noyau SousThalamique et Globus Pallidus externe): noyaux hautement connectés NST : activateur principal: excite les autres noyaux et auto activateur GPe : inhibe NST et auto inhibiteur NST : observations : faible activité dans l’état sain, haute activité synchrone autour 5 Hz dans MP (lié au tremblement ?) L’activité du NST dans MP pourrait être due à des oscillations spontanées du complexe NST-GPe 22 Modélisation des neurones du NST Activité spontanée entre 3 et 20 Hz. (fig. de Bevan et Wilson, 1999; Bevan et al, 2000) 23 Modélisation des neurones du NST Taux de décharge augmenté du à une entrée excitatrice. (fig. de Bevan et Wilson, 1999; Bevan et al, 2000) 24 Modélisation des neurones du NST Bouffées post-inhibition. (fig. from Bevan and Wilson, 1999; Bevan et al, 2000) 25 Modélisation des neurones du NST Neurones du NST avec nouveaux paramètres pour le modèle d’Izhikevich 1) Activité de décharge spontanée 26 Modélisation des neurones du NST Neurones du NST avec nouveaux paramètres pour le modèle d’Izhikevich 2) Fréquence de décharge augmentée due à une entrée excitatrice 27 Modélisation des neurones du NST Neurones du NST avec nouveaux paramètres pour le modèle d’Izhikevich 3) Bouffées postinhibition 28 Modèle mathématique du complexe NST-GPe EDP couplées décrivant la dynamique du complexe NST- GPe Dynamique intra-population Couplage entre populations 29 Résultats: état sain Faible activité du réseau 30 Résultats: comportement oscillatoire (pathologique) Inhibition augmentée du striatum sur le GPe (modélisant la MP) activité synchrone basse fréquence, 31 Effet de la SCP sur le NST SCP fréquence 20 Hz SCP fréquence 100 Hz 4. Modèle simplifié pour l’étude de la synchronisation Modèle simplifié pour l’étude de la synchronisation d’une population de neurones identiques Approche réseau faiblement couplé 5. Conclusions 39 Conclusions Nouvelle approche de modélisation pour comprendre les mécanismes du traitement par SCP Restriction : hypothèse forte sur identité des neurones Avantages : Temps de calcul indépendant du nombre de neurones Possibilité de tester diverses hypothèses sur le complexe NST-GPe Modèle multi-niveau Adapté pour décrire la synchronisation 40