Thèse Etude du Rôle des Oscillations dans l'Encodage et l'Exploitation des Souvenirs H/F - Doctorat.Gouv.Fr

Établissement : École supérieure de physique et de chimie industrielles de la Ville de Paris - PSL (ESPCI Paris - PSL) École doctorale : Sciences du Vivant Laboratoire de recherche : Plasticité du Cerveau Direction de la thèse : Sophie BAGUR ORCID 0000000243751838 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-10-31T23:59:59 L'un des aspects les plus remarquables des états cérébraux - qu'il s'agisse du sommeil, de l'éveil, de la peur ou de l'attention - est qu'ils se caractérisent par des profils distincts d'activité oscillatoire neuronale. Pourtant, la manière dont ces oscillations spécifiques à chaque état soutiennent les computations propres à cet état, permettant d'adapter le comportement aux exigences internes et externes changeantes, reste mal comprise.
Dans ce projet de thèse, nous proposons de tester une hypothèse nouvelle : les dynamiques oscillatoires qui accompagnent certains états cérébraux permettraient aux souvenirs encodés dans un état donné d'être préférentiellement rappelés lorsque cet état se reproduit. Cette idée s'inspire du phénomène bien établi d'apprentissage dépendant de l'état (« state-dependent learning »), dans lequel les animaux ou les humains entraînés sous l'influence d'agents pharmacologiques - tels que les antagonistes des récepteurs NMDA - présentent une meilleure récupération lorsqu'ils sont testés sous le même agent. De tels effets ont été associés aux états dissociatifs induits par ces substances.
Fait crucial, les antagonistes NMDA provoquent des oscillations corticales marquées, et une étude récente a montré que ces seules oscillations peuvent se substituer à la drogue pour restaurer l'accès aux souvenirs formés sous son influence. Cela fournit une preuve de concept solide de l'existence d'un rappel dépendant de l'état oscillatoire, tout en appelant à une compréhension mécanistique à l'échelle des circuits.
L'objectif de ce projet est d'analyser ce processus en combinant enregistrements neuronaux à grande échelle, manipulations ciblées des réseaux et modélisation computationnelle, afin d'identifier comment les oscillations peuvent engendrer un apprentissage dépendant de l'état. Dans un premier temps, des souris seront entraînées à une tâche de discrimination auditive tandis que nous imposerons des oscillations selon les conditions de l'étude précédente, ce qui nous permettra d'établir le phénomène de rappel dépendant de l'état oscillatoire et de quantifier comment le couplage neuronal à l'oscillation influence l'encodage de la tâche dans le cortex auditif.
Afin d'en dégager les principes sous-jacents, nous entraînerons des réseaux neuronaux récurrents sur la même tâche dans différents régimes oscillatoires. Cela nous permettra de tester si les signatures de circuits observées in vivo émergent naturellement dans ces réseaux, de les relier à la structure de connectivité et d'examiner le rôle causal du couplage oscillatoire.
Enfin, nous rechercherons la présence de mécanismes similaires lors d'oscillations générées de manière endogène - celles induites par les antagonistes NMDA. Bien qu'elles soient pharmacologiquement déclenchées, ces oscillations résultent de l'activité propre des circuits cérébraux et reflètent l'état dissociatif altéré qui nous intéresse. L'entraînement et l'enregistrement sous ces conditions permettront de déterminer si les mêmes principes oscillatoires s'appliquent aux transitions d'état cérébral générées de façon interne.
Dans l'ensemble, cette thèse visera à établir comment les oscillations façonnent l'encodage et le rappel des souvenirs à travers les états cérébraux et à clarifier leur rôle dans les dynamiques oscillatoires qui sous-tendent les expériences dissociatives.

One of the most salient features of brain states-whether sleep, wakefulness, fear, or attention-is that they are characterized by distinct patterns of neural oscillatory activity. Yet, how these state-specific oscillations support the unique computations each state performs to adapt behavior to changing internal and external demands remains unclear.

Two opposing views exist regarding the impact of oscillations on neural circuits. On the one hand, oscillations may allow different computations or plasticity rules to act on the same encoded information, as in the case of sleep and wake, where the hippocampus uses similar spatial codes but engages distinct processes for memory encoding or consolidation. On the other hand, oscillations could modify the encoding itself. This idea is supported by the framework of state-dependent learning, where animals or humans trained under pharmacological agents-such as NMDA receptor antagonists-show improved retrieval when tested under the same agent. In this scenario, rather than remaining invariant, neural representations may be profoundly reshaped by oscillatory dynamics.

These two views raise a key question: how do oscillations influence neural representations? Do they remain invariant-implying that neural networks maintain stable codes despite major shifts in temporal dynamics-or are they fundamentally modified, meaning that oscillations actively reshape the way information is encoded and retrieved?

- Knowledge of neurophysiology and bodily physiology
- Ability to use mathematical formula and basic knowledge of machine learning
- Motivation to pursue both experimental work and data analysis
- Good coding level, Matlab or Python

• Python
• Machine learning
• MATLAB
• Chimie