Biophysical mechanisms subserving stable and dynamic attractors within local frontal recurrent neural networks
Mécanismes biophysiques sous-tendant les attracteurs stables et dynamiques dans les réseaux neuronaux récurrents frontaux locaux
Résumé
Frontal cortical networks exhibit diverse types of repeatable collective dynamics underlying its various reliably evoked cognitive functions. However, cortical activity is also asynchronous and irregular, i.e. close to random noise, potentially destabilizing these repeatable dynamics. Collective dynamics are thus commonly described as driven by attractors robust to noise, leading to reliably repeated evoked behaviors across initial conditions and trials. In this thesis, I explore the biophysical mechanisms subserving learning and replay of the experimentally observed attractorial grammar within biophysically-detailed local recurrent neural network models accounting for physiological frontal cortical conditions. I propose that stable attractor-driven neural activity states, found in monkey prefrontal cortex during working memory, are favored by intrinsic cellular conditional bistability, while those in medial cingulate cortex during temporal information integration emerge through strong synaptic and intrinsic inhibitory currents. By contrast, dynamic attractors, e.g. sequences of transient sparse neural activity observed in rodent prefrontal cortex during working memory and navigation, are proposed to be learned via calcium-based spike-timing-dependent plasticity. Their subsequent replay, following a triggering signal, requires intrinsic currents and slow recurrent or tonically-activated inhibition to display reliability and robustness to noise. Moreover, I show that these prefrontal neural activity sequences, when reinforced through reward-triggered dopamine and revealed by motivational spontaneous dopamine, form the neural substrate of goal-oriented navigation in mice.
Le cortex frontal présente diverses dynamiques collectives répétables sous-jacents à ses fonctions cognitives évoquées de manière fiable. Cependant, l'activité corticale est également asynchrone et irrégulière, ou proche du bruit aléatoire, déstabilisant ces répétitions. Les dynamiques collectives sont donc admises comme étant menées par des attracteurs robustes au bruit, entrainant des comportements répétés et fiables au travers d’essais. J'explore dans cette thèse les mécanismes biophysiques sous-tendant l'apprentissage et le rappel de cette grammaire attractorielle observée expérimentalement au sein de modèles de réseaux neuronaux récurrents biophysiques détaillés du cortex frontal. Je propose que les attracteurs stables d’états d'activité neuronales du cortex préfrontal du singe lors de la mémoire de travail sont favorisés par la bistabilité conditionnelle cellulaire intrinsèque, tandis que ceux du cortex cingulaire médian lors d'intégration d'informations temporelles émergent par courants synaptiques et inhibiteurs intrinsèques forts. Par ailleurs, les attracteurs dynamiques de séquences d'activité neuronale transitoire du cortex préfrontal des rongeurs lors de la mémoire de travail et de la navigation sont proposés comme étant appris par plasticité synaptique calcium-dépendant. Leur rappel ultérieur nécessite des courants intrinsèques et une inhibition lente récurrente ou toniquement activée pour être fiable et robuste au bruit. Enfin, je montre que ces mêmes attracteurs dynamiques, lorsque renforcés par de la dopamine récompensante et révélés par de la dopamine spontanée motivante, forment le substrat neuronal de la navigation dirigée vers un but chez la souris.
Mots clés
Recurrent neural networks biophysical models
Prefrontal and medial cingulate cortex
Stable and dynamic attractors
Modèles biophysiques de réseaux neuronaux récurrents
Cortex préfrontal et cingulaire médian
Attracteurs stables et dynamiques
Mémoire de travail et prise de décision
Apprentissage
Rappel et mémoire de trajectoires neuronales
Plasticité calcique et dopaminergique fonction du temps d’occurrence des impulsions
Domaines
Neurosciences
Origine : Version validée par le jury (STAR)