Thèse Analyse Multi-Échelle du Traitement d'Information Neuronale dans les Régimes Fluctuationnels H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Life Sciences and Health École doctorale : Electrical, Optical, Bio-physics and Engineering Laboratoire de recherche : Institut des Neurosciences Paris-Saclay Direction de la thèse : Alain DESTEXHE ORCID 0000000174050455 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-04T23:59:59 L'un des grands mystères de l'activité cérébrale à l'état éveillé est que les états conscients sont associés à une activité asynchrone, mais la façon dont cette complexité améliore le traitement de l'information reste incertaine (Koch et al., 2016). Ces états, dits régimes dominés par les fluctuations, reposent sur le fait que l'activité neuronale dépend davantage de la variance des entrées synaptiques que de leur moyenne (Shadlen & Newsome, 1998 ; van Vreeswijk & Sompolinsky, 1998). Ce régime influence l'encodage, la transmission et la modulation de l'information, mais ses effets restent peu étudiés à différentes échelles. Nous analyserons comment il soutient la réactivité, des circuits locaux aux réseaux cérébraux globaux, et comment il est régulé dynamiquement.À l'échelle microscopique, des réseaux de neurones AdEx servent à étudier l'effet conjoint de la moyenne et de la variance sur la transmission de l'information (Brette & Gerstner, 2005). À l'aide de l'information mutuelle et de l'information de Fisher (Brunel & Nadal, 1998), nous examinerons comment la variance optimise la discriminabilité des stimuli et comment l'adaptation de la fréquence de décharge ajuste le réseau. Des fluctuations modérées devraient maximiser l'information (McDonnell & Ward, 2011), l'adaptation favorisant un régime fluctuationnel lorsque les entrées sont fortes (La Camera et al., 2006).

À l'échelle mésoscopique, les modèles de champ moyen de premier ordre ne capturent pas ces effets car ils ignorent la variance des entrées. Des modèles de second ordre (El Boustani & Destexhe, 2009 ; Zerlaut et al., 2018 ; Depannemaecker et al., 2021) les intègrent, mais ont surtout étudié la dynamique. Nous chercherons à montrer comment la variance module la plage dynamique, le gain et l'information mutuelle, en faisant varier la structure des réseaux.

À l'échelle macroscopique, ces modèles sont intégrés dans un réseau basé sur le connectome (Hagmann et al., 2008) afin d'évaluer si les régions en régime fluctuationnel transmettent mieux l'information. À l'aide de mesures de flux et de réactivité (Sporns, 2011), nous testerons si les états conscients correspondent à des dynamiques globalement fluctuationnelles, contrairement au sommeil ou à l'anesthésie (Steriade et al., 1996 ; Mashour, 2014).

Enfin, nous intégrerons la plasticité synaptique pour étudier son rôle dans l'émergence des corrélations et des covariances. Alors que les réseaux aléatoires rendent les modèles équivalents, la plasticité peut rendre le second ordre nécessaire. Nous examinerons si elle maintient un régime optimal ou conduit à un régime structuré. La plasticité homéostatique sera aussi étudiée comme mécanisme de régulation de la variance.

Cette thèse propose donc une approche centrée sur l'information des dynamiques fluctuationnelles, reliant activité neuronale, codage collectif et états cérébraux globaux à la question de la réactivité des systèmes neuronaux.
L'un des grands mystères de l'activité cérébrale à l'état éveillé est que les états conscients sont associés à une activité asynchrone, mais la façon dont cette complexité améliore le traitement de l'information reste incertaine (Koch et al., 2016). Ces états, dits régimes dominés par les fluctuations, reposent sur le fait que l'activité neuronale dépend davantage de la variance des entrées synaptiques que de leur moyenne (Shadlen & Newsome, 1998 ; van Vreeswijk & Sompolinsky, 1998). Ce régime influence l'encodage, la transmission et la modulation de l'information, mais ses effets restent peu étudiés à différentes échelles. Etudier comment le régime dominé par les fluctuations permet la réactivité et le traitement de l'information à différentes échelles, des circuits locaux aux réseaux cérébraux complets, et comment les mécanismes dépendants de l'activité régulent dynamiquement ce régime.

Échelle microscopique :

Caractériser comment la moyenne et la variance des entrées déterminent conjointement la transmission de l'information dans les réseaux de neurones AdEx, et identifier le niveau de variance qui optimise la discrimination des stimuli.

Échelle mésoscopique :

Développer un modèle de champ moyen du second ordre pour les réseaux AdEx qui suit la variance moyenne des neurones individuels au sein de la population, et cartographier les conditions structurelles (aléatoires, groupées, dépendantes de la distance) dans lesquelles les effets du second ordre deviennent distinguables des approximations du premier ordre.

Échelle macroscopique :

Intégrer le modèle du second ordre dans un réseau basé sur le connectome humain afin de tester si les états pilotés par les fluctuations améliorent la propagation de l'information et si les états conscients correspondent à une dynamique globale pilotée par les fluctuations. Plasticité :

Déterminer si la plasticité à court terme, la plasticité dépendante du temps, et la plasticité homéostatique maintiennent activement le régime fluctuant qui maximise le traitement de l'information ou si, au contraire, elles poussent le réseau vers un régime structuré dominé par la covariance.
Simulations de réseaux neuronaux, modélisation en champ-moyen, utilisation de la théorie de l'information, modélisation macroscopique de l'activité cérébrale

Connaissances excellentes en neurosciences, programmation informatique (python), capacités d'écrture claire an anglais et en communication orale.