Neuroinformatique et neurosciences computationnelles

''' Contexte '''

A l'interface des études électro-physiologiques et de la modélisation, la simulation de grands réseaux de neurones a pour but de tester in silico certaines hypothèses fonctionnelles concernant l'activité et les interactions entre populations de neurones, allant de quelques centaines à quelques centaines de milliers. Ces études visent à pallier certains angles morts liés à l'absence d'outils de mesure concernant principalement les schémas de connexion. L'idée est de pouvoir tester avec un outil fiable et normalisé les hypothèses portant sur ces circuits et les patrons d'interaction de l'échelle du micron à quelques millimètres.

L'outil informatique est un complément essentiel des études électro-physiologiques et est malheureusement encore trop peu développé. Il s'agit donc avant tout d'une culture de la simulation qui est à promouvoir et développer dans les laboratoires de neurosciences. Dans le cadre du projet de regroupement de plusieurs laboratoires sur le site de la Timone à Marseille, un groupe de travail sur les neurosciences computationnelles s'est formé. Le but de ce groupe est bien sûr de favoriser les échanges scientifiques sur des problématiques propres aux neurosciences computationnelles, ainsi que d'animer la communauté par des invitation et des ateliers ponctuels. Or ce groupe possède un fort potentiel interdisciplinaire et il apparaît que son activité pourrait également se structurer autour d'un projet commun, sur lequel chacun apporterait sa pierre : une plate-forme de développement reposant sur une architecture multi-processeur massivement parallèle, utilisant des standards ouverts et actuels (python, MPI,...). L'idée est de construire un outil de simulation propre à la communauté, destiné à focaliser toute la demande en "computationnel" (c'est-à-dire non spécifiquement destinée à l'analyse de données).

Cet outil pourrait servir de base pour initialiser, populariser et structurer cette approche auprès de la communauté des neurosciences, avec comme objectif de proposer à moyenne échéance une interface intuitive sur laquelle certaines idées où des schémas computationnels pourraient être testés sans connaissance en programmation multi-tâche. Cette interface prendra en pratique la forme d'un outil de simulation et d'analyse des données piloté par une interface "web". Cet outil pourrait également servir à la formation des étudiants, avec une idée d'unification des outils et le développement d'un langage de description commun basé sur des normes de description standardisés.

'''Définition et réalisation du projet '''

Actuellement, la limite principale aux validations d'hypothèses scientifiques en neurosciences computationnelles est la capacité à traduire et valider ces idées sous la forme d'un code informatique. Le projet "Émergencein computo" vise à regrouper des acteurs marseillais autour de l'émergence de nouvelles stratégies computationnelles dans des circuits neuro-mimétiques. Si chacun des acteurs provient d'une discipline différente, l'étude de leur thématique respective montre qu'il est naturel de les regrouper autour de ce thème commun. L'approche que nous considérons la plus productive est alors de structurer la recherche menée par ces acteurs grâce à une infrastructure commune afin de stimuler la production de résultats computationnels de plus large envergure. En effet, cette mise en commun de moyens pour un groupe de travail issu d'équipes différentes permettra de développer des recherches transversales à l'interface de la théorie de l'information, du traitement du signal et de la modélisation. Aborder ces problématiques différentes sur un outil commun favorisera le rapprochement de points de vue entre disciplines séparées : utilisation de méthodes probabilistes communes à l'analyse des données et à la modélisation, utilisation de description dynamiques similaires pour les points de vue macro-, méso- et micro-scopiques, mise en commun de méthodes non biaisées pour l'estimation statistique de quantités d'information ou encore utilisation d'une formalisation et de codes inter-échangeables. Le financement de ce projet est donc essentiel pour ouvrir ces perspectives: * donner rapidement les moyens de travailler ensemble grâce à un outil de calcul puissant,

• faire émerger des collaborations inter-disciplinaires autour d'un "langage" commun: Il permettra de dialoguer avec un langage de programmation, des librairies et une terminologie communes, en collaboration avec l'initiative NeuralEnsemble,

  • donner une tribune pour cette initiative : En particulier, l'organisation rapide d'une conférence nous permettra d'inviter des personnalités scientifiques qui nous aideront à définir les problématiques communes. L'atelier nous permettra lui de partager avec la communauté marseillaise mais aussi avec nos collaborateurs proches. Il aura lieu une fois le projet mûr et de façon pratique en partageant approches, techniques et résultats.

'''Présentation des thématiques par les acteurs du projet '''

Jean-Luc Blanc IR CNRS, équipe : Neurosciences Théoriques et Système Complexes

Codage neuronal et théorie de l'information: Un problème fondamental est de comprendre comment l’activité d’une population de neurones, observée dans la fréquence ou l’organisation temporelle des trains de potentiels d'action ou dans les potentiels de champs locaux, porte de l’information sur le monde extérieur. Il existe deux méthodes complémentaires pour étudier quantitativement comment le cerveau extrait les caractéristiques et déchiffre les informations encodées dans l’activité de la population neuronale : les algorithmes de décodage et la théorie de l’information. La première méthode prédit un stimulus ou comportement à partir d’un pattern de réponses neuronales. La deuxième précise la quantité d’information contenue dans l’activité neuronale à propos des stimuli, cette quantité est calculée en utilisant le formalisme de la théorie de l’information de Shannon. L'étude des relations statistiques entre les réponses corticales et les stimuli est souvent réalisée dans le cadre de la théorie de l'information pour quantifier l’information transmise par les réponse neuronale par rapport à un ensemble des stimuli. Cette approche a notamment l'avantage de permettre de définir un ensemble optimal de stimuli (ou de représentations neuronales) qui maximise l’information mutuelle entre les stimuli et les réponses. Une procédure adaptative permet de déterminer ces ensembles de manière itérative (Blahut-Arimoto, 1972). Indicateurs pour les systèmes complexes et dynamique de séquences symboliques:Les études expérimentales du système nerveux impliquent l'enregistrement de l'évolution temporelle de l'activité corticale, qui sont comparables à des séquences de symboles. En suivant ce point de vue, le système nerveux, qu'il soit chaotique ou non, est capable de générer des messages et peut donc être considéré comme une source d'information. En s'inspirant de l'idée de Kolmogorov de caractériser les systèmes dynamiques par des quantités comme l'entropie, il est possible d'estimer cet indicateur à partir de signaux expérimentaux provenant de différentes échelles d'observation (EEG, LFP, spikes). Cependant l'estimation d'un tel index (asymptotique) est souvent biaisé par la quantité de donnée limitée et par la structure de corrélation des données. Certaines approches algorithmiques permettent de contourner cette limitation.

** Andrea Brovelli** CR1 CNRS, équipe: Dynamique Neuronale et Apprentissage

Les humains et les singes ont une capacité remarquable à apprendre de nouvelles relations arbitraires entre un stimulus visuel, une action et la conséquence de cette action. L'apprentissage visuomoteur arbitraire est une forme de conditionnement instrumental (ou opérant) qui nous permet d'apprendre les conséquences de nos actes dans un contexte donné (par exemple, ne pas toucher une plaque électrique lorsqu'elle est allumée). Cette fonctionnalité nous assure une grande capacité d'adaptation face aux situations nouvelles et nous permet également de développer des habitudes robustes lorsque le contexte est stable. De plus, certains comportements pathologiques, tels que les désordres compulsifs obsessionnels, et, plus vraisemblablement les addictions, sont étroitement liés à cette faculté cognitive. La compréhension des principes fondamentaux et de leurs implémentations neurales représente un défi important pour les neurosciences cognitives modernes. Mon objectif est de comprendre comment le cortex frontal et les ganglions de la base régissent l'apprentissage instrumental. Plus précisément, on cherchera à identifier le rôle fonctionnel des boucles fronto-striatales et caractériser leur dynamique d'activation au cours de l'apprentissage. Les travaux sont menés à la fois chez le primate humain et non-humain, en s'attachant à intégrer les connaissances issues de ces deux espèces, grâce en particulier à l'application chez l'homme de tâches comportementales développées chez le singe. Notre approche combine les données comportementales et neurales enregistrés à différents niveaux dans le cerveau (activité unitaire, LFPs, EEG intracrânien, IRMf) avec des modèles computationnels de l'apprentissage. Le but à long-terme est d'élucider les liens entre la plasticité cérébrale au cours de l'apprentissage à différents niveaux d'analyse du neurone simple aux réseaux cérébraux.

Emmanuel Daucé Enseignant-chercheur, maître de conférences à l'école centrale de Marseille, équipe: Contrôle et apprentissage des déplacements finalisés.

Nous considérons l'étude analytique ou par simulation des comportements collectifs de populations de neurones. L'étude analytique vise à estimer les comportements attendus des grands ensembles de neurones en fonction des paramètres macroscopiques définissant les catégories de liens entre populations. Différents régimes dynamiques peuvent ainsi être définis, ainsi que des grandeurs dites de "champ moyen" fournissant une description concise de l'activité d'une population entière. Le travail de simulation vient en complément pour aborder des questions pour lesquelles il est plus difficile d'effectuer des prédictions, comme par exemple lorsque l'on considère l'effet de la plasticité synaptique. Dans ce cas, il est fait appel à des concepts et méthodes venus de l'apprentissage automatique (apprentissage de politiques sur la base de signaux de récompenses, codage par fonctions noyaux), appliquées à des dispositifs de contrôle et réseaux de neurones biologiquement inspirés. Des simulations massives servent alors à valider les schémas proposées qui doivent obéir à la double contrainte d'être efficaces (performance accrue au cours de l'apprentissage) et réalistes (en particulier respecter la contrainte de localité de l'information, ce qui exclut de nombreux schémas classiques utilisant des information "off-line" et non locales).

Anna MontagniniCR2 CNRS, équipe: Dynamique de la Perception Visuelle et de l'Action

Je m'intéresse au contrôle visuo-oculomoteur chez les sujets humains en tant que modèle idéal de prise de décision dans des conditions simplifiées et bien contrôlées au niveau expérimental. J'utilise une approche couplée entre expérimentation (psychophysique et analyse des mouvements oculaires à haute résolution) et modélisation (représentation probabiliste de l'information, inférence, théorie de la décision). En particulier, dans le cadre d'un processus simple de décision visuo-oculomotrice (c.f. poursuite oculaire d'une cible en mouvement vers une direction randomisée à chaque essai), je m'intéresse à l'étude de la représentation interne de l'information a priori et de son incertitude. Par information a priori on entend ici l'information préalable à l'observation du stimulus sensoriel qui détermine la réponse motrice correcte: il s'agit donc d'une information prédictive. Dans les expériences, l'information a priori est manipulée statistiquement, de manière à introduire un biais de probabilité dans le type de réponse requise et donc créer des attentes «asymétriques». Ces attentes (ou représentation interne du Prior) se traduisent dans une variable comportementale mesurable, les mouvements d'anticipation de Poursuite Oculaire, qui permettent d'étudier la dépendance du Prior de la statistique de l'entrée sensorielle, ainsi que l'évolution dynamique de cette représentation interne.

Laurent PerrinetCR2 CNRS, équipe: Dynamique de la Perception Visuelle et de l'Action

• Un problème fondamental en neurosciences est de comprendre comment l'information locale représentée sur le champ récepteur des neurones peut permettre de voir l'émergence d'une perception ou d'un décision comportementale qui soit globale. Je m'intéresse à relier des méthodes de disciplines a priori éloignées (probabilités, physique statistique, informatique, neuroscience) pour proposer des solutions à ce problème. Appliqué à la vision, nous étudions en particulier des stratégies d'intégration spatio-temporelle en les confrontant à des données d'imagerie ou comportementales. Celle-ci sont comparées à des solutions utilisant des représentations distribuées probabilistes qui sont optimales au sens de la théorie de l'information. Elles permettent en particulier d'expliquer comment le système visuel peut intégrer des informations dynamiques, bruitées et souvent ambiguës en utilisant des stratégies inférentielles, comme par exemple par la propagation d'informations prédictives. Ces systèmes sont éminemment contraints par la dynamique et la connectivité des neurones qui les constituent. J'étudie en particulier comment relier la structure de ces systèmes dynamiques avec les fonctions qu'ils implantent. Pour cela, j'utilise des modèles d'apprentissage non-supervisés appliqués à des scènes naturelles. J'étudie alors l'émergence dans la connectivité neuronale de structures qui optimisent un coût fonctionnel. Ces modèles permettent d'étudier des catégories différentes de résultats en fonction de paramètres fondamentaux de l'entrée sensorielle -comme sa complexité par rapport à la taille du réseau- ou des neurones -comme la vitesse de conduction latérale maximale dans une aire corticale. Ce dernier exemple montre la généralité de l'effet de contraintes locales simples avec des effets macroscopiques importants et qui sont essentiels pour des stratégies de calculs parallèles. En effet, elle conditionne la synchronisation, même partielle, de l'information sur l'état des différents nœuds du système pris globalement.