Margaux CALICE : soutenance de thèse

Margaux CALICE

Une étude théorique multi-échelle de l'attention visuelle spatiale dans le cortex cérébral chez la souris

Un des enjeux principaux en neurosciences est de comprendre comment les fonctions cérébrales émergent de l’interaction entre les propriétés cellulaires et celles des réseaux neuronaux. Les études théoriques portant sur le sujet se sont surtout appuyées sur des niveaux de description abstraits, négligeant les détails biophysiques ou ne les intégrant pas au travers des différentes échelles. Pour étudier les mécanismes des fonctions cognitives telles que l’attention visuelle spatiale (AVS), il est aujourd'hui essentiel de développer des approches de modélisation intégrant des contraintes biologiques à chaque niveau d’organisation neuronale : subcellulaire, cellulaire, population, et réseau de neurones entre différentes structures corticales.

Dans la thèse, nous adaptons la théorie “Synchronous Matching Adaptive Resonance Theory” (SMART; Grossberg & Versace, 2008) selon laquelle les processus attentionnels résultent de comparaisons spatiales entre les entrées sensorielles ascendantes et les signaux attentionels descendants au niveau de boucles thalamocorticales. Nous prédisons que l’aire visuelle primaire (V1) est le site où la concordance ou discordance entre les signaux se produit. La concordance renforcerait l'activité tonique du modèle dans la bande de fréquence gamma. A l'inverse, la discordance spatiale entre les signaux induirait la réinitialisation de l’activité en cours via des patterns de décharges neuronales en bouffées (bursts) dans une bande de basse fréquence, permettant ainsi de tester de nouvelles comparaisons. Pour explorer cette hypothèse, nous commençons par développer un modèle conceptuel de V1 et de ses signaux descendants et ascendants. Ensuite, nous développons une approche de modélisation axée sur les données afin de construire un modèle de réseau de neurones représentés en point, à grande échelle, et mimant la biophysique du cortex de la souris. Ce modèle a été conçu spécifiquement pour l’étude de l’AVS. Il repose sur une architecture de réseau inspirée de SMART et dont l’organisation topographique permet la comparaison spatiale entre signaux descendants et ascendants. Nous contribuons également à l’écosystème en expansion des outils de modélisation des réseaux cérébraux. Pour cela nous développons des méthodes qui facilitent l’intégration de bases de données biophysiques et de connectivité en constante évolution. Elles permettent aussi la construction et l'évaluation efficace de réseaux de neurones à grande échelle, offrant la possibilité d’avoir des réseaux hybrides avec des niveaux différents de détail explicite. Cette thèse apporte de nouvelles perspectives sur les défis à relever dans la mise en place d’un modèle multi-échelle fondé sur l’intégration rigoureuse de données en vue de vérifier une théorie. Elle pose également les bases pour optimiser les stratégies d’implémentation futures et orienter les travaux expérimentaux sur l’AVS.

Direction

• Lyle J. Graham, Docteur, Directeur de Thèse

Jury 

• Laurent Perrinet, Docteur, Rapporteur
• Boris Gutkin, Docteur, Rapporteur
• Lorenzo Fontolan, Docteur, Examinateur
• María Victoria Sánchez-Vives, Professeur, Examinatrice