Computational neuroscience models at different levels of abstraction for synaptic plasticity, astrocyte modulation of synchronization and systems memory consolidation
Modèles en neurosciences computationnelles à différents niveaux d’abstraction pour la plasticité synaptique, la modulation de synchronisation par les astrocytes et la consolidation de la mémoire des systèmes
Résumé
In this thesis, theoretical models with increasing levels of abstraction are developed to address questions arising from neuroscience experiments. They are studied using numerical and analytical approaches. With Laurent Venance’s laboratory (Paris), we have developed an ITDP (input-timing-dependent plasticity) protocol model for the plasticity of cortico- and thalamo-striatal synapses. The model has been calibrated with ex vivo data and will be used to determine the presence of synaptic plasticity in vivo, in behavioral experiments aimed at determining the role of cortical and thalamic inputs in motor learning. At the level of neuronal populations, I have studied the modulation of neuronal collective behaviors by astrocytes, in particular Up-Down synchronization, a spontaneous alternation between periods of high collective activity and periods of silence. I have proposed rate and spiking neural network models of interconnected populations of neurons and astrocytes. They offer explanations of how astrocytes induce Up-Down transitions. Astrocytes are also probably involved in the generation of epileptic seizures, during which neuronal synchronization is impaired. Based on the above models, I have developed a neuron-astrocyte network with a cluster connectivity, showing the transition between Up-Down dynamics and events of very high activity mimicking an epileptic seizure. Finally, at the level of the brain itself, I studied the standard theory of consolidation, according to which short-term memory in the hippocampus enables the consolidation of long-term memory in the neocortex. I have sought to explain this phenomenon by integrating biological hypotheses – the size of the neocortex explaining the slowness of learning, and neurogenesis in the hippocampus explaining the erasure of its memory – into a model of interconnected neural fields that well reproduces the main features of the theory.
Dans cette thèse, des modèles théoriques à niveaux d’abstraction croissants sont développés pour aborder des questions issues d’expériences de neuroscience. Ils sont étudiés par des approches numériques et analytiques. Avec le laboratoire de Laurent Venance (Paris), nous avons développé un modèle du protocole ITDP (input-timing-dependent plasticity) pour la plasticité des synapses cortico- et thalamo-striatales. Le modèle a été calibré par des données ex vivo et permettra de déterminer la présence de plasticité synaptique in vivo, lors d’expériences de comportement visant à déterminer le rôle des entrées corticales et thalamiques dans l’apprentissage moteur. Au niveau des populations neuronales, j’ai étudié la modulation des comportements collectifs neuronaux par les astrocytes, en particulier la synchronisation Up-Down, une alternance spontanée entre des périodes de forte activité collective et des périodes de silence. J’ai proposé des modèles de fréquence de décharge et de réseaux de neurones à spikes de populations interconnectées de neurones et d’astrocytes. Ils proposent des explications sur la façon dont les astrocytes induisent les transitions Up-Down. Les astrocytes sont aussi probablement impliqués dans la génération des crises d’épilepsie, pendant lesquelles la synchronisation neuronale est altérée. Sur la base des modèles précédents, j’ai développé un réseau neurone-astrocyte avec une connectivité en clusters, montrant la transition entre des dynamiques Up-Down et des événements de très forte activité mimant une crise d’épilepsie. Enfin, au niveau du cerveau lui-même, j’ai étudié la théorie standard de la consolidation, selon laquelle la mémoire à court terme dans l’hippocampe permet la consolidation de la mémoire à long terme dans le néocortex. J’ai cherché à expliquer ce phénomène en intégrant des hypothèses biologiques – taille du néocortex expliquant la lenteur de l’apprentissage, et neurogenèse dans l’hippocampe expliquant l’effacement de sa mémoire – dans un modèle de champs neuronaux interconnectés qui reproduit bien les principales caractéristiques de la théorie.
Domaines
Bio-informatique [q-bio.QM]| Origine | Version validée par le jury (STAR) |
|---|