Prise de décision dans un environnement volatil et incertain, dynamique de l'inférence stratégique dans le cortex préfrontal.

Decision-making in volatil and uncertain environment, dynamic of the strategic inference in the prefrontal cortex.

• Auteur / Autrice : Charles Verstraete
• Direction : Philippe Domenech, Céline Amiez
• Type : Projet de thèse
• Discipline(s) : Neurosciences
• Date : Inscription en doctorat le 03/10/2022
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Cerveau, cognition, comportement (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Institut du cerveau et de la moelle épinière
• Partenaire(s) de recherche : Equipe de recherche : Neurophysiology of Repetitive Behaviors

Mots clés

Mots clés libres

EEG intracrânien

Voltametrie

Cortex préfrontal

Inférence stratégique

Modélisation

Comparaison inter-espèce

Intracranial EEG

Voltammetry

Prefrontal cortex

Strategic inference

Modelisation

Cross-species comparison

Résumé

Le cortex préfrontal médian humain (mPFC) est une région essentielle pour les fonctions exécutives et participe à l'adaptation comportementale lors de changements environnementaux. Cependant, les opérations qui y sont implémentées restent très débattues. Notre hypothèse de travail est que le mPFC est l'épine dorsale d'un réseau préfrontal qui effectue des inférences stratégiques afin de balancer entre performance et flexibilité. Nous cherchons à caractériser les opérations du mPFC liées à des inférences stratégiques sur la politique comportementale pour s'adapter à des environnements incertains et volatiles, et leur mise en œuvre en termes de processus neurobiologiques et d'architecture fonctionnelle. Lors de l'adaptation à des environnements changeants, les résultats de choix défavorables peuvent être utilisés, soit pour améliorer progressivement une stratégie comportementale en cours, soit pour déclencher l'exploration de nouvelles stratégies. Notre équipe a montré précédemment que le mPFC ventral humain infère la fiabilité de la stratégie en cours pour encoder de manière proactive les résultats à venir comme des signaux d'apprentissage ou des déclencheurs potentiels d'exploration globale. Nous avons aussi démontré dans une étude comportementale en ligne à grande échelle que, lorsqu'on fournit des instructions de base au sujet, la flexibilité est mieux prise en compte par un processus inférentiel sur un espace de stratégies prédéfini plutôt que par l'apprentissage progressif de ces stratégies par l'apprentissage associatif. Dans ce cadre théorique, nous nous attendons à ce que les projections corticales dopaminergiques et noradrénergiques interagissent étroitement dans le mPFC pour promouvoir un comportement adaptatif. La libération phasique de dopamine est classiquement considérée comme le principal canal du signal d'erreur de prédiction, un signal d'enseignement essentiel à l'apprentissage associatif, tandis que la libération phasique de noradrénaline peut déclencher une réinitialisation corticale et/ou contrôler la précision de l'inférence. Le premier objectif est de mettre en œuvre l'inférence stratégique avec une précision limitée. Nous avons précédemment démontré que les humains utilisent l'inférence stratégique pour guider leurs choix et s'adapter à des environnements volatiles. Cependant, notre modèle est parfois plus performant que les humains. Afin d'améliorer sa précision, nous l'étendrons en incorporant une précision limitée en bruitant la mise à jour de la fiabilité des stratégies. Le deuxième objectif est d'étudier l'implémentation de l'inférence stratégique dans le mPFC. Dans cette région du cerveau, la dopamine est connue pour son implication dans l'apprentissage et la noradrénaline joue généralement un rôle dans la réinitialisation stratégique et peut-être dans le contrôle de la précision de l'inférence. Les deux systèmes monoaminergiques peuvent interagir pour moduler la flexibilité et la prise de décision adaptative. Pour explorer ces processus, nous enregistrerons avec de l'EEG intracrânien pour l'analyse du potentiel de champ local et la voltammétrie chez des patients épileptiques pharmaco-résistants, auxquels seront implantés des macro-électrodes dans le mPFC, le PFC latéral et l'Insula antérieure. Enfin, nous étudierons dans quelle mesure ces mécanismes sont conservés d'une espèce de primate à l'autre. Nous administrons une tâche homologue à Macaca mulatta tout en enregistrant l'EEG intracrânien dans le PFC. En comparant le modèle algorithmique qui rend le mieux compte du comportement de choix de chaque espèce (humain et macaque), nous caractérisons les différences et les similitudes cognitives entre ces deux espèces.

The human medial prefrontal cortex (mPFC) is a key hub for domain-general executive functions that is involved in behavioral adaptation to environmental changes. However, its precise neuro-computational role remains deeply controversial. Our working hypothesis is that the mPFC is the backbone of a distributed prefrontal network performing strategic inference to balance between behavioral performance and flexibility. We aim at characterizing the computational principles upon which mPFC implements strategic inferences over behavioral policy to adapt under uncertain and volatile environments, and their implementation in term of neurobiological processes and functional architecture. When adjusting to changing environments, adverse choice outcomes may either be used to progressively improve an ongoing behavioral strategy or to trigger its reset, allowing the exploration of new strategies. Our team previously showed that human ventral mPFC infers online the reliability of the ongoing strategy to proactively encode upcoming outcomes as either learning signals or potential global exploration triggers. We demonstrated in a large-scale online behavioral study that, when provided with basic task instructions, human cognitive flexibility was better accounted as a top-down inference over a self-generated space of candidate strategies rather than by gradually learning these strategies online through associative learning, stressing the pivotal role of strategic inference for human adaptation. Within this theoretical framework, we expect dopaminergic and noradrenergic cortical projections to interact closely within the mPFC to promote adaptive behavior. Phasic release of dopamine is classically casted as the main channel for prediction error signal, a teaching signal central to associative learning, whereas phasic release of noradrenaline may trigger cortical reset and/or control inference precision.. The primary objective is to implement strategic inference with limited precision. We have previously demonstrated that humans use strategic inference to guide their choices and adapt to volatile environments. However, our model sometimes outperforms humans, so to improve its accuracy in modeling human performance, we will extend it by incorporating limited precision as noisy updates of strategy reliabilities. The second objective is to investigate the neurocomputational implementation of strategic inference in the mPFC. In this brain region, dopamine is known for its involvement in learning and noradrenaline commonly plays a role in strategic reset and possibly in controlling inference precision. Both monoaminergic systems may interact to modulate flexibility and adaptive decision making. To explore these processes, we will record intracranial EEG and voltammetry in drug-resistant epileptic patients implanted with macro electrodes in the mPFC, lateral PFC, and anterior Insula. First, we will use model-based local field potential analysis for gamma-band frequency to characterize the specific computation implemented in each of these brain regions. Then, we will use fast-scan cyclic voltammetry to assess how dopamine and noradrenaline concentration in these brain regions change with strategy reliability update and resets. The last part is to investigate how conserved across primate species these neurocomputational mechanisms are. We will administer a homologous task to Macaca mulatta while recording intracranial EEG in the PFC. By comparing the algorithmic model accounting best for each species' choice behavior (human and macaques), we will characterize the cognitive differences and similarities between these two species. Finally, we will also assess how these similarities and differences translate in terms of neurocomputational implementation. We expect this translational project to give us invaluable information on the evolution of the primate brain computational capabilities.