Co-simulation of macro- and meso-scale neural circuit models: a technology ahead of its time - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Co-simulation of macro- and meso-scale neural circuit models: a technology ahead of its time

Co-simulation de modèles de circuits neuronaux à macro- et méso-échelle : une technologie en avance sur son temps

Résumé

The brain is a complex system based on emergence phenomena from different scales. Multiple methods exist for integrating the data from different scales, but one of them is assembling models of each scale. In this thesis, we will present a co-simulator composed of multiple simulators dedicated to simulating models of a specific scale. We will restrain to macro- and meso- scale brain models. Firstly, we will describe a software science co-design pattern for efficiently coupling simulators. This design pattern is used for building a workflow between The Virtual Brain and NEST. To highlight the interest in the coupling of these two simulators, we propose to simulate a multiscale model of the CA1 region of the cellular-level hippocampus of the mouse embedded into a whole mouse brain network involving micro and macro electrode recordings. Secondly, we propose to investigate the interdependence between macro- and meso- scale models to indicate the choice of a model for downscaling. We choose to analyze the role of the delay of long-range connection in a two-dimensional neural network. Using parameters exploration, we demonstrate that the principal behavior of this network comprises standing or traveling waves of activity and depends on noise strength, E/I balance, and voltage adaptation, which are modulated by the delay of the long-range connection. Moreover, our results illustrate the interplay of single neuron properties, connectivity and composition of the neuronal network, and long-range connectivity for the emergent spatiotemporal activity. Finally, we conclude this type of project is mainly a capability-driven software project without a real scientific goal. Without the inclusion of transdisciplinary research and clarification on the scientific usage of mean-field and neural networks, this technology will stay unused. The usability of co-simulation also depends on a more robust definition of the transformation function between scales to ensure certainty in the multiscale simulation. Additionally, we also have a preliminary result on the interdependence between meso- and macro- scale models to indicate the choice of a model for upscaling. We choose to characterize the approximation of Mean Ad Ex with static or oscillatory excitatory input. We also include side work of this thesis, which is participation in a modeling paper of the perturbation complexity index of slow-wave sleep state and high response wakefulness state and an overview paper of the tools of The Virtual Brain on EBRAINS.
Le cerveau est un système complexe basé sur des phénomènes d’émergence à différentes échelles. De nombreuses méthodes existent pour intégrer les données de différentes échelles, mais l’une d’entre elles consiste à assembler des modèles de chaque échelle. Dans cette thèse, nous présenterons un cosimulateur composé de plusieurs simulateurs dédiés à la simulation de modèles d’une échelle spécifique. Nous nous limiterons aux modèles cérébraux à macro- et méso-échelle. Tout d’abord, nous décrirons un modèle de co-conception en sciences et informatiques pour coupler efficacement des simulateurs. Ce modèle de conception est utilisé pour construire un workflow entre The Virtual Brain et NEST. Pour souligner l’intérêt du couplage de ces deux simulateurs, nous proposons de simuler un modèle multiéchelle de la région CA1 de l’hippocampe cellulaire de la souris intégré dans un réseau cérébral complet de la souris impliquant des enregistrements de micro- et macro-électrodes virtuelles. Deuxièmement, nous proposons d’étudier l’interdépendance entre les modèles macro- et méso-échelle afin d’indiquer le choix d’un modèle pour passer le passage à une échelle inférieur. Nous choisissons d’analyser le rôle du délai des connexions à longue portée dans un réseau neuronal bidimensionnel. En utilisant l’exploration des paramètres, nous démontrons que le comportement principal de ce réseau comprend des ondes d’activité stationnaires ou mouvantes et dépend de l’intensité du bruit, de l’homéostasie E/I et de l’adaptation de la tension, qui est modulé par le délai de la connexion à longue portée. En outre, nos résultats illustrent l’interaction entre les propriétés d’un seul neurone, la connectivité et la composition du réseau neuronal, et le délai de la connexion à longue portée. Enfin, nous concluons que ce type de projet est principalement un projet logiciel axé sur le potentiel de réalisation sans véritable objectif scientifique. Sans l’inclusion de la recherche transdisciplinaire et la clarification de l’utilisation scientifique du champ moyen et des réseaux neuronaux, cette technologie restera inutilisée. La facilité d’utilisation de la co-simulation dépend également d’une définition plus robuste de la fonction de transformation entre les échelles afin de garantir la confiance dans la simulation multiéchelle. En outre, nous disposons également d’un résultat préliminaire sur l’interdépendance entre les modèles à méso-échelle et à macro-échelle pour indiquer le choix du modèle pour passer le passage à une échelle supérieur. Nous choisissons de caractériser l’approximation du champs moyen Ad Ex avec une entrée excitatrice statique ou oscillatoire. Nous incluons également les travaux parallèles à cette thèse, à savoir la participation à un article de modélisation de l’indice de complexité des perturbations de l’état de sommeil lent et de l’état d’éveil à réponse élevée, ainsi qu’un article de synthèse des outils de The Virtual Brain sur EBRAINS.
Fichier principal
Vignette du fichier
thesis-v2.pdf (59.32 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Licence : CC BY NC ND - Paternité - Pas d'utilisation commerciale - Pas de modification

Dates et versions

tel-04527459 , version 1 (30-03-2024)

Licence

Paternité - Pas d'utilisation commerciale - Pas de modification

Identifiants

  • HAL Id : tel-04527459 , version 1

Citer

Lionel Kusch. Co-simulation of macro- and meso-scale neural circuit models: a technology ahead of its time. Neuroscience. Aix marseille université, 2023. English. ⟨NNT : 2023AIXM0387⟩. ⟨tel-04527459⟩
1 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More