Navigation – Plan du site

AccueilVolumes108Equipes accueilliesGroupe de théorie neurale

Equipes accueillies

Groupe de théorie neurale

Boris Gutkin
p. 949-952

Texte intégral

1Le Groupe de théorie neuronale s’articule autour de trois chercheurs permanents (Sophie Denève, Boris Gutkin et Christian Machens) et d’un chercheur invite (M. Tsodyks). Nous utilisons des méthodes issues des mathématiques, des statistiques et de la physique pour modéliser la dynamique des processus neuronaux et leurs principes computationnels.

Théorie bayesienne de la biophysique et des calculs neuronaux

2Nous avons développé une théorie probabiliste du codage neuronal dans le cas de neurones « à spikes ». Cette théorie explique la grande variabilité des réponses neuronales observées dans le cortex cérébral, ainsi que la grande précision dont est capable le système sensoriel. Nous avons développé un modèle de détecteur optimal de changement, implémenté par un micro-circuit canonique faisant le pont entre l’anatomie et la physiologie des circuits corticaux et la théorie de l’information. Ce modèle nous a permis de proposer un nouveau rôle pour l’inhibition divisive (« shunting ») dans les réseaux de neurones. Nous avons également développé une théorie du transfert optimal d’information avec les neurones à spikes. Le but est de déterminer combien d’information un neurone à spikes peut véhiculer à propos d’un stimulus variable dans le temps, étant donnés la variabilité de son entrée et de sa sortie. A un niveau d’analyse plus élevé, nous avons développé une théorie suggérant que la réponse en spikes des neurones visuels au contexte extérieur (ici, des séquences naturelles) reflète une inférence et un apprentissage probabilistes.

Théories et modèles de la mémoire de travail

3Les humains et les animaux ne se contentent pas de percevoir puis de réagir à leur information sensorielle ; ils sont également capables de manipuler cette information à leur guise. Cette capacité de manipuler librement l’information est au coeur même de notre vie mentale. Un acteur fondamental de ce processus est le système en charge de notre mémoire de travail : c’est là que l’information est stockée sur le court terme, avec la possibilité d’être librement restituée et manipulée. Comment ce système fonctionne-t-il ?

4Pour étudier la mémoire de travail, nous combinons l’analyse de données électrophysiologiques avec de la modélisation computationnelle. Nous avons travaillé sur la base de données enregistrées par Ranulfo Romo (UNAM, Mexique) chez des singes, pendant une tâche paramétrique simple sollicitant la mémoire de travail. Nous avons constaté que les activités des cellules du cortex préfrontal sont difficilement réconciliables avec les modèles standard de réseaux pour la mémoire de travail. En particulier, les courbes de réponse des neurones individuels forment une fonction monotone de la valeur (paramétrique) mémorisée, en opposition avec l’hypothèse traditionnelle d’une fonction « en cloche ». Dans un travail publié l’année dernière, nous avons montré comment ces données peuvent être expliquées par des principes de symétrie au niveau de la connectivité neuronale. Ce travail propose des perspectives mathématiques sur différentes architectures possibles de systèmes de mémoire de travail. Un travail en cours cherche à affiner ces modèles de réseaux, afin de mieux reproduire les données expérimentales, et de proposer des prédictions pour des expériences futures.

5Nous avons développé une théorie nouvelle pour expliquer les courbes de mémoire à court terme. Dans cette théorie, la mémoire de travail est entretenue par de la facilitation synaptique basée sur le calcium, au niveau des connections récurrentes dans les réseaux du néo-cortex. Le calcium présynaptique résiduel jouerait alors le rôle d’un tampon, contrôlé, renouvelé et « lu » par les activités « spikantes » des neurones. Du fait des longues constantes de temps de la cinétique du calcium, le taux de renouvellement peut être bas, menant à un mécanisme efficace et robuste. La durée et la stabilité de la mémoire à court terme peuvent être contrôlées en modulant l’activité spontanée au sein du réseau. Ce travail a conduit à une publication dans Science.

Dynamique de la neuromodulation et de la fonction dendritique

6En collaboration avec le Experimental and Theoretical Neuroscience Laboratory et le Salk Institute, nous avons mené une série d’expériences pour tester l’influence de l’acetylcholine sur la dynamique de la génération de spikes dans les neurones corticaux. Ces expériences révèlent une influence non-linéaire assez surprenante de l’acetylcholine sur l’excitabilité des neurones pyramidaux du cortex, via la modulation des multiples canaux potassium contrôlant l’adaptation à la fréquence de décharge. Nous développons des modèles théoriques de ces effets, et examinons l’interaction des multiples mécanismes d’adaptation lors du calcul neuronal.

7Nous avons développé une nouvelle théorie et un cadre mathématique pour étudier la dynamique des arbres dendritiques possédant des oscillateurs intrinsèques. Nous avons montré sous quelles conditions l’arbre dendritique se comporte comme une seule unité globale de traitement du signal. Nous appliquons ce cadre théorique pour étudier le traitement probabiliste de l’information au niveau des dendrites, l’apprentissage et la formation de champs de grilles (« grid fields ») dans le cortex entorhinal, qu’on sait en relation avec les facultés animales de navigation.

Théories et modèles de la dépendance aux drogues

8Le tabac, qui instaure un comportement compulsif et de dépendance, reste un problème majeur de santé publique. La nicotine est le principal facteur de dépendance contenu dans la fumée de tabac. Bien que les cibles moléculaires de la nicotine sont maintenant bien connues, ainsi que ses effets aux niveaux moléculaire, cellulaire et comportemental, les mécanismes précis reliant ces différentes échelles ne sont pas encore bien cernés. Nous avons approché ce problème à travers deux modèles complémentaires de dynamique neuronale.

9La première approche est un modèle hypothétique d’auto-administration de la nicotine, qui combine un ensemble de circuits neuronaux aux échelles moléculaire, cellulaire et systémique, qui rend correctement compte de différent processus neurobiologiques et comportementaux menant à la dépendance. Nous avons suggéré que le comportement d’auto-administration de la nicotine apparaît naturellement de la combinaison de deux éléments : des changements dans la réponse des récepteurs des neurones dopaminergiques de l’aire ventrale tegmentale (VTA), et un apprentissage modulé par la dopamine au niveau des circuits de sélection d’action. Nous avons montré qu’un processus d’opposition, accentué par la prise persistente de nicotine, rend l’auto-administration rigide et habituelle en inhibant le processus d’apprentissage, ce qui mène à des handicaps durables en cas d’absence de la drogue.

10Une deuxième approche a été d’étudier les mécanismes par lesquels la nicotine usurpe le signal dopaminergique dans le VTA. Nous avons conçu et analysé un modèle des circuits neuronaux dans le VTA qui inclut les principales caractéristiques des récepteurs nicotiniques à l’acétylcholine, telles que leurs distributions relatives sur les différents types cellulaires, leur affinité, leurs possibilités de sensibilisation et d’inactivation. Nous avons montré comment la nicotine mène à une augmentation persistante de la sortie dopaminergique. Nous avons enfin montré comment les donnés in vivo et in vitro, considérées jusqu’à présent contradictoires, peuvent être réconciliées.

Publications 2007-2008

11Classement par ordre alphabétique et par année

12Denève, S., Bayesian Spiking Neurons I: Inference. Neural Computation, 20, 91-117 (2008).

Denève, S., Bayesian Spiking Neurons II: Learning. Neural Computation, 20, 118-145 (2008).

Gutkin, B.S., Tuckwell, H., and Jost, J., Random perturbations of spiking activity in a pair of coupled neurons. Theory in the Biosciences (in press), (2008).

Gutkin, B.S., Tuckwell, H., and Jost, J., Transient termination of synaptically sustained firing by noise. Euro Physics Letters, 81, 20005 (2008).

Lochmann, T. and Denève, S., Information transmission with spiking Bayesian neurons.New Journal of Physics, 10, article ID: 055019 (2008).

Mongillo, G., Barak, O., and Tsodyks, M., Synaptic theory of working memory.Science, 319, 1543-1546 (2008).

Machens, C.K. and Brody, C.D., Design of continuous attractor networks with monotonic tuning using a symmetry principle. Neural Computation, 20, 452-485 (2008).

Ahmed, S., Bobashev, G., and Gutkin, B.S., The simulation of addiction: pharmacological and neurocomputational models of drug self-administration. Drug Alcohol Depend, 90(2-3), 304-11 (2007).

Benda, J., Gollisch, T., Machens, C.K., and Herz, A.V.M., From response to stimulus: adaptive sampling in sensory physiology. Current Opinion in Neurobiology, 17(4), 430-436 (2007).

Bobashev, G., Costenbader, E., and Gutkin, B.S., Comprehensive mathematical modeling in drug addiction sciences. Drug Alcohol Depend, 89(1), 102-6 (2007).

Brumberg, J.C. and Gutkin, B.S., Cortical pyramidal cells as non-linear oscillators: Experiment and spike-generation theory. Brain Research, 1171, 122-137 (2007).

Denève, S., Duhamel, J., and Pouget, A., Optimal sensorimotor integration in recurrent cortical networks: a neural implementation of Kalman filters. Journal of Neuroscience, 27, 5744-5756 (2007).

Jeong, H.Y. and Gutkin, B.S., Synchrony of neuronal oscillations controlled by GABAergic reversal potentials. Neural Computation, 19 (3), 706-729 (2007).

Mongillo, G. and Denève, S., Online Learning with Hidden Markov Models. Neural Computation, in press (2008).

Rouger, J., Lagleyre, S., Fraysse, B., Denève, S., Deguine, O., and Barone, P., Evidence that cochlear-implanted deaf patients are better multisensory integrators.Proceedings of the National Academy of Sciences USA, 104(17), 7295-7300 (2007).

Haut de page

Pour citer cet article

Référence papier

Boris Gutkin, « Groupe de théorie neurale »L’annuaire du Collège de France, 108 | 2008, 949-952.

Référence électronique

Boris Gutkin, « Groupe de théorie neurale »L’annuaire du Collège de France [En ligne], 108 | 2008, mis en ligne le 24 juin 2010, consulté le 29 mars 2024. URL : http://journals.openedition.org/annuaire-cdf/246 ; DOI : https://doi.org/10.4000/annuaire-cdf.246

Haut de page

Droits d’auteur

Le texte et les autres éléments (illustrations, fichiers annexes importés), sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search