Transmission d'informations causales en mouvement

Causal information transmission in motion

• Auteur / Autrice : Mattia Greco
• Direction : Thierry Mora, Aleksandra Walczak
• Type : Projet de thèse
• Discipline(s) : Physique
• Date : Inscription en doctorat le 01/09/2024
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Physique en Ile de France
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Physique de l'École normale supérieure
• Partenaire(s) de recherche : établissement opérateur d'inscription : Ecole normale supérieure

Mots clés

Mots clés libres

Causalité

Approches statistiques basées sur les données

Intégration sensorimotrice

Causality

Data-driven statistical approaches

Sensorimotor integration

Résumé

Motivation : Les indices de danger de mort, comme une piqûre dans le pied, entraînent un comportement d'évitement immédiat. À ce moment-là, l'intégration rapide des données sensorielles par les centres moteurs peut devenir une question de vie ou de mort. L'un des principaux défis des neurosciences est de comprendre comment l'information circule dans le tronc cérébral au cours de ces comportements réflexes intégratifs en évaluant la direction de la communication neuronale ou de la causalité. Bien que l'analyse de corrélation des signaux d'activité neuronale soit largement utilisée pour estimer la connectivité fonctionnelle, cette méthode manque d'informations sur la causalité qui sous-tend la direction du flux d'informations. Objectif : L'objectif de ce projet est de construire un cadre théorique qui identifie le flux d'information causal entre les neurones afin de comprendre comment l'intégration sensorimotrice est réalisée. Nous travaillerons en étroite collaboration avec le groupe de Claire Wyart à l'Institut du Cerveau de Paris, qui cherche à comprendre comment le mouvement des larves de poisson zèbre est encodé. Nous baserons et testerons l'approche théorique sur des enregistrements optiques de la dynamique du calcium intracellulaire à partir de neurones de commande spatialement distribués dans le tronc cérébral et sur des données comportementales concernant le mouvement de la queue du poisson zèbre. Approche : Notre objectif est d'identifier quels neurones contrôlent le schéma d'allumage de quels autres neurones et comment cela se traduit dans le mouvement de la queue du poisson zèbre, donc dans son comportement. Nous explorerons différentes méthodes de quantification de la transmission occasionnelle d'informations qui relient le codage neuronal et le comportement du poisson zèbre. Nous rechercherons des signatures statistiques de flux d'informations spatialement dirigés entre les neurones. Nous commencerons par appliquer le cadre de la causalité de Granger. La causalité de Granger quantifie la capacité à prédire les valeurs futures de la série temporelle du neurone B en utilisant les valeurs antérieures de la série temporelle du neurone A. Les valeurs antérieures du neurone A sont prises pour un nombre fini de points temporels passés, ce qui définit une échelle de temps caractéristique. Nous explorerons les approches de formation grossière pour trouver la longueur et les échelles de temps pertinentes pour la transmission de l'information. Enfin, nous explorerons d'autres mesures de causalité. Nos résultats et nos prédictions seront testés par le laboratoire Wyart. Le projet implique des approches statistiques basées sur les données, telles que l'inférence du maximum de vraisemblance, l'inférence de la causalité de Granger et l'apprentissage automatique.

Motivation: Life-threatening cues such as a sting in the foot cause immediate avoidance behavior. In that moment, the prompt integration of sensory inputs by motor centers can become a matter of life and death. A major challenge in neuroscience is to understand how information flows in the brainstem during such integrative reflexive behaviors by assessing the direction of neuronal communication or causality. Although correlation analysis of neural activity signals is widely usedto estimate functional connectivity, this method lacks causality information underlying the direction of information flow. Goal: The goal of this project is to build a theoretical framework that identifies causal information flow between neurons to understand how sensorimotor integration is achieved. We will work closely with the group of Claire Wyart group at the Paris Brain Institute, which is focused on understanding how zebrafish larva motion is encoded. We will base and test the theoretical approach on optical recordings of intracellular calcium dynamics from spatially distributed command neurons in the brainstem and behavioral data about zebrafish tail motion. Approach: Our goal is to identify which neurons control the firing pattern of which other neurons and how this translates into zebrafish tail motion, so behavior.We will explore different methods of quantifying casual information transmission that link neural encoding and zebrafish behavior. We will look for statistical signatures of spatially directed information flow between neurons. We will start by applying the Granger Causality framework. Granger causality quantifies the ability to predict the future values of the time series of neuron B using prior values of the time series of neuron A. The prior values of neuron A are taken for a finite number of past timepoints, which defines a characteristic timescale. We will explore coarse-graining approaches to find the relevant length and timescales for information transmission. Lastly, we will explore other measures of causality. Our findings and predictions will be tested by the Wyart lab. The project involves data driven statistical approaches, such as maximum likelihood inference, Granger Causality inference and machine learning.