Usage de la connectivité pour étudier les (dys)fonctions cérébrales

Using connectivity to investigate brain (dys)function

• Auteur / Autrice : Jakub Kopal
• Direction : Emmanuel Barbeau, Oldrich Vysata
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences
• Date : Soutenance le 09/04/2021
• Etablissement(s) : Toulouse 3 en cotutelle avec University of Chemistry and Technology (Prague)
• Ecole(s) doctorale(s) : École doctorale Comportement, Langage, Éducation, Socialisation, Cognition (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Centre de recherche Cerveau et Cognition (Toulouse ; 1993-....)

Mots clés

Mots clés contrôlés

Imagerie médicale

Connectivité fonctionnelle

Réseaux cérébraux

Mots clés libres

Neuroimagerie

Connectivité

Neurosciences de réseau

Fonction cérébrale

Épilepsie

Neuroimaging

Connectivity

Network neuroscience

Brain function

Epilepsy

Résumé

Nous nous représentons le cerveau comme un réseau complexe de régions structurellement connectées et fonctionnellement couplées. Les fonctions cognitives découlent de l'activité coordonnée de régions corticales distantes. La connectivité est utilisée pour représenter la coopération de régions cérébrales ségréguées et fonctionnellement spécialisées. Qu'il s'agisse de l'analyse des liens anatomiques, des dépendances statistiques ou des interactions causales, la connectivité révèle des aspects fondamentaux du fonctionnement (dys)cérébral. Cependant, l'estimation et l'application de la connectivité posent encore des problèmes. C'est pourquoi cette thèse est consacrée à surmonter ces défis. Le premier défi provient de l'effet néfaste du bruit systématique (comme les mouvements de la tête) sur les estimations de la connectivité. Nous avons proposé un indice qui décrit la qualité de la connectivité et qui peut refléter différents types d'artefacts, d'erreurs de traitement et de pathologie cérébrale, permettant son utilisation étendue dans le suivi de la qualité des données et les investigations méthodologiques. En outre, les altérations de la connectivité jouent un rôle inestimable dans la compréhension des dysfonctionnements cérébraux. En étudiant certains mécanismes de l'épilepsie, nous montrons que la connectivité peut suivre les changements progressifs de la susceptibilité aux crises et identifier les facteurs déterminants de la génération des crises. L'identification des moments critiques de modification de la connectivité pourrait aider à prédire avec succès les crises. Enfin, on ne comprend pas bien comment le cerveau s'adapte aux exigences des tâches cognitives à une échelle de temps rapide. Nous présentons une combinaison d'EEG intracrâniens et de mesures de pointe épileptiques pour étudier la dynamique des réseaux pendant la mémoire de reconnaissance. Il est essentiel de comprendre comment le cerveau fait face dynamiquement aux changements rapides des demandes cognitives pour comprendre les bases neurales de la cognition. En conclusion, l'objectif modeste de cette thèse est de répondre au moins partiellement à certains des nombreux défis auxquels les neurosciences actuelles sont confrontées.

We picture the brain as a complex network of structurally connected regions that are functionally coupled. Brain functions arise from the coordinated activity of distant cortical regions. Connectivity is used to represent the cooperation of segregated and functionally specialized brain regions. Whether it is the analysis of anatomical links, statistical dependencies, or causal interactions, connectivity reveals fundamental aspects of brain (dys)function. However, estimating and applying connectivity still faces many challenges; therefore, this work is devoted to tackling them. The first challenge stems from the detrimental effect of systematic noise (such as head movements) on connectivity estimates. We proposed an index that depicts connectivity quality and can reflect various artifacts, processing errors, and brain pathology, allowing extensive use in data quality screening and methodological investigations. Furthermore, connectivity alterations play an invaluable role in understanding brain dysfunction. Investigating the mechanisms of epilepsy, we show that connectivity can track gradual changes of seizure susceptibility and identify driving factors of seizure generation. Identifying critical times of connectivity changes could help in successful seizure prediction. Finally, how the brain adapts to task demands on fast timescales is not well understood. We present a combination of intracranial EEG and state-of-art measures to investigate network dynamics during recognition memory. Understanding how the brain dynamically faces rapid changes in cognitive demands is vital to our comprehension of the neural basis of cognition. In conclusion, the modest goal of this thesis is to at least partially answer some of the many challenges that current neuroscience is facing.