Étude des processus d`adaptation dans le cortex visuel

Étude des processus d'adaptation dans le
cortex visuel primaire par un modèle
structurel des champs récepteurs
Mémoire de Master 2
Margot Larroche
Directeur de stage : Cyril Monier
Équipe Cognisciences - Intégration et plasticité synaptique dans le cortex visuel (Yves Frégnac)
Unité de Neurosciences, Information et Complexité, CNRS, Gif-sur-Yvette
1/35
Master Recherche en Sciences Cognitives
Université Paris Descartes, École Normale Supérieure, École des Hautes Études en Sciences Sociales
Année 2014-2015

Déclaration de contribution
Ont participé à ces travaux : Yves Frégnac, Cyril Monier, Jan Antolik, Yannick Passarelli, Luc
Foubert, Jonathan Vacher, Gérard Sadoc, Guillaume Hucher, Aurélie Daret et moi-même
- Définition de la problématique : CM, YF, JA, moi-même
- Recherche bibliographique permettant de cerner la problématique : CM, JA, moi-même
- Mise au point et première validation du modèle à l'occasion d'une précédente étude: JA
- Implémentation du modèle à l'occasion d'une précédente étude: JA
- Implémentation des stimuli «motion clouds»: JV, CM
- Acquisition des données : CM, YP, LF, GH, AD, moi-même
- Ajustement du modèle sur les données : moi-même
- Implémentation de fonctions annexes à l'ajustement du modèle : moi-même
- Résolution des difficultés techniques liées à l'ajustement du modèle : JA, GS, moi-même
- Interprétation et discussion des résultats : CM, JA, moi-même
- Rédaction du mémoire, production de figures: CM, moi-même
- Relecture et correction du mémoire : CM, YF
Déclaration d'originalité
La présente étude utilise un modèle précédemment développé par un membre du laboratoire (Jan
Antolik) mais non encore publié qui, en combinant les avantages de plusieurs modèles précédents des
champs récepteurs neuronaux dans le cortex visuel primaire, obtient une performance de prédiction
supérieure à celle des modèles classiques de la littérature. L'originalité de la présente étude est d'une
part de valider ce modèle avec une technique (enregistrement extracellulaires multiples) et sur un
modèle animal (chat anesthésié) différents de ceux initialement utilisés par Jan Antolik (imagerie
calcique chez la souris), et d'autre part d'envisager ce modèle comme la première étape de
l'incorporation des phénomènes adaptatifs dans la modélisation des champs récepteurs, afin de
proposer un changement de paradigme dans l'étude du codage neuronal de l'information sensorielle.
Remerciements
Je remercie Yves Frégnac de m'avoir accueillie au sein de son laboratoire et pour ses conseils sur le
projet.
Merci à Cyril Monier et Jan Antolik de m'avoir encadrée et conseillée tout au long de ce stage.
Merci à Yannick et Luc pour leurs explications et leur encadrement sur le protocole expérimental.
Merci à Gérard pour son aide précieuse sur le logiciel Elphy.
Merci à Jonathan pour ses explications sur les stimuli «motion clouds»
Merci à Aurélie, Christophe et Benoît pour leur aide technique pendant les expériences.
Enfin, merci à tous les membres de l'UNIC pour leur accueil chaleureux.
2/35

Résumé
L'approche classique du codage neuronal des informations visuelles consistant à calculer un champ
récepteur prévaut encore largement dans la littérature, mais ne permet pourtant souvent de prédire
qu'une faible fraction de l'activité neuronale évoquée, en particulier lorsque les contenus statistiques
respectifs des ensembles de stimuli utilisés pour le calcul du champ récepteur et la prédiction
diffèrent. Les phénomènes d'adaptation neuronale au contexte statistique de stimulation constituent
une des causes probables de cette limitation.
Le but à long terme du projet démarré dans le cadre de ce stage est d'incorporer ces phénomènes
adaptatifs dans la description classique des fonctions de transfert neuronales, afin d'obtenir un
nouveau type de modèle, intermédiaire entre la description fonctionnelle classique et les modèles de
réseaux dynamiques, qui permette de rendre compte de façon satisfaisante de la réponse neuronale
dans toutes les conditions de stimulation. Pour cela nous avons utilisé comme point de départ le
modèle structural LSCSM (Antolik et al), qui s'inscrit dans la lignée des modèles classiques en banque
de filtres (type STC) tout en présentant la particularité de modéliser explicitement la hiérarchie
simplifiée du réseau feedforward reliant le noyau géniculé latéral du thalamus (LGN) à l'aire visuelle
primaire (V1), et donc en particulier de modéliser la réponse simultanée de plusieurs neurones de V1
et du LGN. En effet, cette structure inspirée de la biologie facilite l'incorporation future de
mécanismes adaptatifs tels que la modulation activité-dépendante des poids synaptiques.
Dans le cadre du stage a été réalisée la première partie de ce projet, à savoir la validation du modèle
LSCSM sur des enregistrements extracellulaires multiples chez le chat anesthésié, alors qu'il avait été
développé au départ sur des données d'imagerie calcique chez la souris. Nous avons constaté que le
LSCSM présentait une performance égale ou supérieure, selon le type de stimulus utilisé, à celle d'un
modèle classique utilisé pour comparaison: la décomposition de Volterra de 2e ordre diagonale. Ce
modèle est donc pertinent pour le modèle animal et la technique d'enregistrement utilisés. Une
comparaison avec la décomposition de Volterra de deuxième ordre complète, qui correspond à un
modèle classique en banque de filtres et possède donc une structure plus proche du LSCSM, restera
néanmoins à faire dans la suite du projet.
D'autre part, une première observation des effets du contexte de stimulation sur les paramètres du
modèle a été réalisée dans la continuité d'une étude précédente de l'équipe (Fournier et al. 2011), qui
avait établi que le ratio des composantes "simple" (linéaire) et "complexe" (non-linéaire de 2e ordre
diagonal) de la fonction de transfert d'un neurone de V1 était ajusté en fonction des statistiques de la
stimulation (en l'occurrence type "sparse noise" ou "dense noise") de manière à maintenir le ratio de
leurs contributions respectives à la réponse neuronale constant. Ces résultats ont été reproduits ici, et
des différences nettes entre ces deux contextes de stimulation ont été constatées dans les paramètres
obtenus pour le LSCSM. Mais un travail préalable sur la stabilité des solutions obtenues par
ajustement reste à réaliser avant de pousser la comparaison plus en détail.
3/35

Table des matières
Introduction..............................................................................................................................................4
Méthodes..................................................................................................................................................7
Protocole des enregistrements sur chat anesthésié..............................................................................7
Histologie.............................................................................................................................................8
Stimulation...........................................................................................................................................9
Stimuli de sparse et dense noise......................................................................................................9
Motion clouds.................................................................................................................................9
Acquisition et prétraitement des données..........................................................................................10
Méthodes standard de calcul de champ récepteur : décomposition de Volterra................................11
Ajustement du modèle LSCSM........................................................................................................12
Calcul de la performance du modèle.................................................................................................13
Résultats.................................................................................................................................................13
Données analysées.............................................................................................................................13
Détermination du nombre d'itérations nécessaires à l'ajustement du LSCSM..................................13
Exploration des méta-paramètres......................................................................................................14
Détermination du délai de réponse neuronal.....................................................................................17
Ajustement du LSCSM : caractéristiques et performances...............................................................18
Comparaison de données en sparse et en dense noise pour un même groupe de cellules.................22
Discussion..............................................................................................................................................30
Résolution temporelle des fonctions de transfert calculées...............................................................31
Spike sorting......................................................................................................................................31
Fiabilité des réponses visuelles..........................................................................................................31
Fiabilité des paramètres obtenus par l'ajustement.............................................................................32
Gain de performance du LSCSM par rapport aux modèles classiques de champ récepteur.............32
Adéquation de la comparaison sparse noise – dense noise à l'étude de l'adaptation.........................33
Bibliographie..........................................................................................................................................34
4/35

Introduction
Le principe général d'organisation de la voie visuelle ventrale est une une hiérarchie de zones de
traitement allant de la rétine aux aires visuelles corticales supérieures, par lesquelles l'information
visuelle transite successivement via des connexions feed-forward, et dans chacune desquelles elle est
représentée de façon rétinotopique, selon un code neuronal qui se complexifie d'étape en étape. Pour
comprendre comment ce processus peut finalement aboutir à une représentation conceptuelle des
objets, il est donc nécessaire de déterminer, à chacune de ces étapes, le code utilisé par les neurones
pour représenter l'information visuelle. L'approche fonctionnelle classique de ce codage neuronal
consiste à calculer pour chaque neurone un champ récepteur, c'est-à-dire une relation mathématique
statique entre stimulus et réponse neuronale. Dans sa forme la plus simple, cette fonction est un filtre
linéaire convolué avec le stimulus, suivi éventuellement d'une rectification (modèle linéaire - non
linéaire, LN), pour produire la réponse neuronale. Elle a plus récemment été étendue à plusieurs filtres
en parallèle combinés non linéairement (décomposition de Volterra de second ordre (Fournier et al.
2014), Spike Triggered Covariance (Rust et al. 2005), ou encore Maximum Noise Entropy model
(Fitzgerald et al. 2011) ).
Cette approche prévaut encore largement dans la littérature, mais montre pourtant ses limites face aux
nombreux phénomènes d'adaptation des réponses neuronales aux statistiques de stimulation, c'est-à-
dire au fait que la réponse à un même stimulus local varie en fonction du contexte spatial et temporel
de stimulation (David et al 2004). Cela inclut des phénomènes d'homéostasie tels que le contrôle de
gain (Fairhall et al 2001) et la diminution de l'intensité de réponse à un trait visuel sur-représenté (par
exemple une orientation donnée) (Benucci et al 2013), mais aussi des phénomènes d'interactions non-
linéaires au niveau spatial comme la modulation par le pourtour ou la suppression cross-orientée. Par
exemple, une précédente étude de l'équipe (Fournier et al 2011) a montré que le champ récepteur d'un
neurone donné calculé avec une stimulation de bruit épars (« sparse noise ») devenait plus « simple »,
c'est-à-dire plus linéaire, une fois calculé avec une stimulation de bruit dense (« dense noise »), de
telle manière que le ratio des contributions respectives de la partie linéaire et non linéaire du champ
récepteur à la réponse neuronale reste stable au cours du temps. Cette étude a donc révélé une forme
jusqu'ici inconnue de contrôle homéostatique se produisant à la fois au niveau temporel et spatial. Les
phénomènes adaptatifs se produisent à différentes échelles de temps et à tous les étages de la
hiérarchie du traitement visuel. Les principaux mécanismes proposés sont des modulations activité-
dépendantes des poids synaptiques et de l'excitabilité neuronale, mais également les entrées
synaptiques contexte-dépendantes, c'est-à-dire la connectivité latérale (intrinsèque à V1) et feedback
(provenant d'aires visuelles supérieures). Mais la dynamique temporelle de ces différents mécanismes
et la manière dont ils interagissent entre eux pour produire l'adaptation des fonctions de transfert
neuronales restent globalement inconnues.
Une façon de s'affranchir de cette complexité est de se placer dans un contexte statistique de
stimulation stable, afin de calculer un champ récepteur valable uniquement dans ce contexte. Mais
cette solution est insatisfaisante puisqu'en conditions naturelles les statistiques de stimulation
fluctuent, et l'adaptation se produit donc en permanence. Les fonctions de transfert neuronales
n'atteignent donc probablement jamais un état stable, contrairement à ce qui est supposé implicitement
par l'approche classique. De plus, alors que ces phénomènes ont pu être considérés comme des
défaillances non informatives du système (concept de "fatigue neuronale"), nous pensons qu'ils sont
une caractéristique centrale du codage neuronal. Notre hypothèse de travail est qu'ils correspondent à
un mécanisme actif de prédiction des stimuli d'après leur contexte, conduisant à la réduction des
redondances entre les informations portées par les différents neurones, et donc à une optimisation du
codage. Plus en détails, nous pensons que les phénomènes adaptatifs permettent la transition d'un
5/35