L’externalisation chez les tout-petits : lien avec le risque pychosocial, la sensibilité maternelle et la sécurité d’attachement

Méthodologie: Analyse en composantes principales

Étude du génome chloroplastique des algues vertes de la classe Chlorophyceae

Les algues unicellulaires de la classe Chlorophyceae sont particulièrement étudiées pour leur potentiel économique dans la production de biocarburant. La première taxonomie de cette classe a été faite avec l’avènement de la microscopie électronique et par la suite avec des phylogénies moléculaires. Cette lignée se divise en deux groupes : OCC (Oedogoniales + Chaetophorales + Chaetopeltidales) et CS (Chlamydomonadales + Sphaeropleales). Il existe de profondes incertitudes sur les positions phylogénétiques des organismes à la base du groupe CS. Afin de renforcer la phylogénie de ces organismes, les génomes chloroplastiques de cinq algues basales ont été séquencés à l’aide de la technologie de nouvelle génération 454 et assemblés de novo. Une analyse phylogénétique de 69 séquences de protéines a permis de montrer que trois des cinq organismes classés dans l’ordre Chlamydomonadales par la littérature actuelle sont en fait basaux dans l’ordre Sphaeropleales. Ce reclassement phylogénétique implique de nouvelles hypothèses sur l’évolution des corps flagellaires.

Étude des systèmes complexes - Des réseaux au connectome du cerveau

La connectomique est l’étude des cartes de connectivité du cerveau (animal ou humain), qu’on nomme connectomes. À l’aide des outils développés par la science des réseaux complexes, la connectomique tente de décrire la complexité fonctionnelle et structurelle du cerveau. L’organisation des connexions du connectome, particulièrement la hiérarchie sous-jacente, joue un rôle majeur. Jusqu’à présent, les modèles hiérarchiques utilisés en connectomique sont pauvres en propriétés émergentes et présentent des structures régulières. Or, la complexité et la richesse hiérarchique du connectome et de réseaux réels ne sont pas saisies par ces modèles. Nous introduisons un nouveau modèle de croissance de réseaux hiérarchiques basé sur l’attachement préférentiel (HPA - Hierarchical preferential attachment). La calibration du modèle sur les propriétés structurelles de réseaux hiérarchiques réels permet de reproduire plusieurs propriétés émergentes telles que la navigabilité, la fractalité et l’agrégation. Le modèle permet entre autres de contrôler la structure hiérarchique et apporte un support supplémentaire quant à l’influence de la structure sur les propriétés émergentes. Puisque le cerveau est continuellement en activité, nous nous intéressons également aux propriétés dynamiques sur des structures hiérarchiques produites par HPA. L’existence d’états dynamiques d’activité soutenue, analogues à l’état minimal de l’activité cérébrale, est étudiée en imposant une dynamique neuronale binaire. Bien que l’organisation hiérarchique favorise la présence d’un état d’activité minimal, l’activité persistante émerge du contrôle de la propagation par la structure du réseau.