Dynamique neuronale sous-tendant la production de comportements temporellement structurés.

Neural network dynamics underlying the production of temporally structured behavior.

• Auteur / Autrice : Simon Dejean
• Direction : Alexis Dubreuil
• Type : Projet de thèse
• Discipline(s) : Neurosciences
• Date : Inscription en doctorat le 03/09/2024
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Sciences de la vie et de la santé
• Partenaire(s) de recherche : Laboratoire : Institut des Maladies Neurodégénératives
• Partenaire(s) de recherche : Equipe de recherche : Physiologie et pathophysiologie de la dynamique des réseaux impliqués dans l'apprentissage procédural

Mots clés

Mots clés libres

Oiseau chanteur

Syntaxe

Apprentissage machine

Boucle cortico-basale-thalamique

Neuroscience théorique

Syntax

Cortico-basal-thalamic loop

Theoretical neuroscience

Deep-learning

Songbirds

Résumé

Les maladies neurodégénératives, comme la maladie de Parkinson, peuvent affecter la production motrice mais aussi des processus cognitifs de plus haut niveau comme la planification ou le langage. Des études désignent la boucle cortico-basale-thalamique comme substrat neuronal de ces comportements, mais une description mécanistique, au niveau du réseau neuronal, fait défaut. Nous nous appuierons sur une méthodologie de modélisation récemment développée, qui combine théorie des réseaux neuronaux et apprentissage profond, afin d'exposer les mécanismes de réseau qui sous-tendent l'organisation temporelle caractéristique des processus cognitifs de haut niveau. Pour modéliser cette organisation, nous nous inspirerons des sciences cognitives qui mettent en exergue les structures temporelles importantes dans la syntaxe du langage humain. Afin de confronter les mécanismes proposés aux données expérimentales, nous nous appuierons sur des avancées dans l'étude des comportements animaux qui décrivent ces derniers avec des notions linguistiques telles que les grammaires. Les prédictions de nos modèles seront ciblées sur les oiseaux chanteurs, un modèle animal particulièrement intéressant pour ce projet puisque, en plus d'être étudié dans l'équipe hôte, il possède un ensemble de noyaux cérébraux formant une boucle cortico-basale-thalamique dédiée à son comportement de chant.

High-level cognitive processes such as planning, reasoning or language rely on temporal sequences of mental events [1]. Recent studies of animal behavior have characterized the temporal structure of sequences of elementary behavioral events with similar concepts than those used to describe language, such as the notion of grammar [2-4]. Given the possibility to record neural activity at single-cell resolutions in these animal models, as well as to characterize the anatomy of the corresponding circuits, they offer an opportunity to advance our mechanistic understanding of cognitive processes. The aim of this theoretical doctoral work is to access mechanisms, at the network level, that underly the temporal structure of behavior. To do so we will use a combination of deep-learning and theoretical physics techniques (dynamical system theory and statistical physics) [5] to build and characterize neural networks that produce temporally structured behavior. To choose the temporal structures of interest, we will take inspiration from songbirds, a popular animal model to study interactions between cortical, basal, and thalamic circuits, and which is studied in the host laboratory. In particular we will extend our previous work [6] on long distance dependencies that have been characterized in canaries, as well as model the hierarchical structure of birdsongs to understand how neural circuits operate in a coordinated manner at various levels of abstraction. Focusing on songbirds will allow our theoretical work to propose predictions that can be experimentally tested within the Institute for Neurodegenerative Diseases, and thus to better understand the role of specific brain circuits in implementing high-level cognitive processes. [1] Fuster. The Prefrontal Cortex. Academic Press (2015). [2] Markowitz, Ivie, Kligler, Gardner. Long-range Order in Canary Song. PLoS Computational Biology (2013). [3] Marques, Lackner, Félix, Orger. Structure of the Zebrafish Locomotor Repertoire Revealed with Unsupervised Behavioral Clustering. Current Biology (2018). [4] Markowitz, Gillis, Beron, Neufeld, Robertson, Bhagat, Peterson, Peterson, Hyun, Linderman, et al. The Striatum Organizes 3D Behavior via Moment-to-Moment Ac-on Selec-on. Cell (2018). [5] Dubreuil, Valente, Beiran, Mastrogiuseppe & Ostojic. The role of population structure in computations through neural dynamics. bioRxiv (2020). [6] Dubreuil, Leblois. Network mechanism underlying long-distance-dependencies. Proceedings of the IJCNN conference (2021).