Modèles probabilistes pour l'étude de la variabilité dans l'activité de neurones individuels et d'ensembles de neurones

Probabilistic models for studying variability in single-neuron and neuronal ensemble activity

• Auteur / Autrice : Adrián Ponce Alvarez
• Direction : Alexa Riehle, Ranulfo Romo
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences
• Date : Soutenance le 13/12/2010
• Etablissement(s) : Aix-Marseille 2
• Ecole(s) doctorale(s) : Ecole Doctorale Sciences de la Vie et de la Santé (Marseille)
• Jury : Président / Présidente : André Nieoullon
• Jury : Examinateurs / Examinatrices : Alexa Riehle, Ranulfo Romo, André Nieoullon, Moshe Abeles, Martin Nawrot, Carl Van Vreeswijk, Emmanuel Procyk
• Jury : Rapporteurs / Rapporteuses : Moshe Abeles, Martin Nawrot

Mots clés

Mots clés contrôlés

Cortex moteur

Potentiels d'action

Neurones

Réseaux neuronaux (physiologie)

Modèles mathématiques

Cortex cérébral

Markov, Processus de

Probabilités

Mots clés libres

Activité corticale

Variabilité

Préparation motrice

Perception

Prise de décision

Activité spontanée

Cortical activity

Variability

Spontaneous activity

Résumé

Une des caractéristiques les plus singulières de l’activité corticale est son degré élevé de variabilité. Ma thèse dedoctorat s’est focalisée sur l’étude de (i) l’irrégularité des intervalles entre potentiels d’action (PAs)successivement émis par un neurone, et (ii) la variabilité dans l’évolution temporelle de l’activité d’un ensemblede neurones. Premièrement, j’ai étudié l’irrégularité des neurones enregistrés dans le cortex moteur de singesmacaques performant une tâche d’estimation du temps et de préparation à l’action. J’ai montré que l’irrégularitén’est pas un paramètre libre de l’activité neuronale, contrairement au taux de PAs, mais est déterminée par lescontraintes structurelles des réseaux neuronaux. Deuxièmement, j’ai utilisé le modèle de Markov caché (MMC)pour analyser l’activité d’ensembles de neurones enregistrés dans plusieurs aires corticales, sensorielles etmotrices, de singes exécutant une tâche de discrimination tactile. J’ai montré que les processus sensoriels etdécisionnels sont distribués dans plusieurs aires corticales. Les résultats suggèrent que l’action et la décision surlaquelle elle est basée sont reliées par une cascade d’évènements non stationnaires et stochastiques. Finalement,j’ai utilisé le MMC pour caractériser l’activité spontanée d’un ensemble de neurones du cortex préfrontal d’unrat. Les résultats montrèrent que l’alternance entre les états UP et DOWN est un processus stochastique etdynamique. La variabilité apparaît donc aussi bien pendant l’activité spontanée que pendant le comportementactif et semble être contrainte par des facteurs structurels qui, à leur tour, contraignent le mode d’opération desréseaux neuronaux.

A hallmark of cortical activity is its high degree of variability. The present work focused on (i) the variability ofintervals between spikes that single neurons emit, called spike time irregularity (STI), and (ii) the variability inthe temporal evolution of the collective neuronal activity. First, I studied the STI of macaque motor corticalneurons during time estimation and movement preparation. I found that although the firing rate of the neuronstransmitted information about these processes, the STI of a neuron is not flexible and is determined by thebalance of excitatory and inhibitory inputs. These results were obtained by means of an irregularity measure thatI compared to other existing measures. Second, I analyzed the neuronal ensemble activity of severalsomatosensory and motor cortical areas of macaques during tactile discrimination. I showed that ensembleactivity can be effectively described by the Hidden Markov Model (HMM). Both sensory and decision-makingprocesses were distributed across many areas. Moreover, I showed that decision-related changes in neuronalactivity rely on a noise-driven mechanism and that the maintenance of the decision relies on transient dynamics,subtending the conversion of a decision into an action. Third, I characterized the statistics of spontaneous UP andDOWN states in the prefrontal cortex of a rat, using the HMM. I showed that state alternation is stochastic andthe activity during UP states is dynamic. Hence, variability is prominent both during active behavior andspontaneous activity and is determined by structural factors, thus rending it inherent to cortical organization andshaping the function of neural networks.