Caractérisation en ligne du réseau rétinien

Online characterization of the retinal network

• Auteur / Autrice : Baptiste Lefebvre
• Direction : Thierry Mora, Olivier Marre
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences
• Date : Soutenance le 11/12/2020
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Cerveau, cognition, comportement (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de physique de l'ENS (Paris ; 2019-....)
• Partenaire(s) de recherche : Établissement de préparation de la thèse : École normale supérieure (Paris ; 1985-....)
• Partenaire(s) de recherche : Equipe de recherche : Équipe de recherche Physique statistique et inférence pour la biologie (Paris)
• Jury : Président / Présidente : Alexandre Gramfort
• Jury : Examinateurs / Examinatrices : Thierry Mora, Olivier Marre, Alexandre Gramfort, Tim Gollisch, Felix Franke, Wei Wei
• Jury : Rapporteurs / Rapporteuses : Tim Gollisch, Felix Franke

Mots clés

Mots clés contrôlés

Neurosciences

Mots clés libres

Neurosciences computationnelles

Électrophysiologie

Tri de potentiels d'action

Rétine

Extraction de caractéristique

Dépendance au context

Computational neuroscience

Electrophysiology

Spike sorting

Retina

Feature extraction

Context dependency

Résumé

Les neurones sont les unités de calcul fondamentales du système nerveux central. De récentes avancées technologiques permettent d'enregistrer simultanément l'activité de milliers de cellules. Le développement de réseaux de microélectrodes qui possèdent des milliers d’électrodes groupées densément en est un exemple typique. Il renouvelle le défi du tri des potentiels d’actions des signaux enregistrés. Je passe d'abord en revue les problèmes associés aux méthodes de tri, et je compare les algorithmes qui ont été proposés. Je présente ensuite un nouvel algorithme permettant de trier les potentiels d’action en ligne pour des enregistrements à grande échelle. Le partitionnement en ligne basé sur la densité et l'appariement de motifs sont essentiels pour obtenir de bonnes performances. Le logiciel a été validé sur des enregistrements synthétiques et des données réelles de vérification. Finalement, je présente une application spécifique sur la rétine où le tri des potentiels d’action en ligne pourrait être utile. Classiquement, les cellules ganglionnaires, la sortie de la rétine, sont supposées extraire des caractéristiques spécifiques de la scène visuelle telles que des augmentations ou des diminutions de luminance (cellules ON ou OFF). Cependant, le traitement de la rétine dépend du contexte visuel. En utilisant une nouvelle approche perturbative, je montre que la même cellule peut être alternativement ON ou OFF en fonction du contexte naturel. Je montre qu'un modèle de réseau neuronal convolutif ajusté aux données peut récapituler cette dépendance au contexte. Les perturbations en ligne sont donc un outil prometteur pour sonder les calculs neuronaux des systèmes sensoriels.

Neurons are the fundamental computing units of the central nervous system. Recent technological advances have made it possible to simultaneously record the activity of thousands of cells. A typical example is the development of microelectrode arrays with thousands of electrodes packed with a high density. A renewed challenge is to spike sort their recorded signals, by extracting the spiking activity of each neuron. I first review the issues associated with spike sorting methods, and compare the algorithms that have been proposed. I then present a new algorithm to sort spikes online from large-scale recordings. Online density-based clustering and template matching are key to reach good performances. The software has been validated on both synthetic and real ground-truth recordings. Finally, I present a specific application on the retina where online spike sorting might be useful. Classically, ganglion cells, the retinal output, are supposed to extract specific features from the visual scene such as increases or decreases of luminance (ON vs OFF cells). However, retinal processing depends on the visual context. Using a novel perturbative approach, I show that the same cell can turn ON or OFF depending on the natural context. I found that a convolutional neural network model fitted to the data can recapitulate context-dependence. Online perturbations are thus a promising tool to probe computations in sensory systems.