Conductances, Canaux Ioniques et Modélisation Biophysique des Neurones Alain Destexhe Unité de Neurosciences Intégratives et Computationnelles (UNIC) CNRS Gif-sur-Yvette http://cns.iaf.cnrs-gif.fr L’UNIC Intégration synaptique et fonctionnelle dans le Cortex Visuel (Yves Frégnac , Dir ., DRCE CNRS) Neuromodulation et Plasticité dans le Cortex somato-sensoriel (Daniel Shulz, DR2 CNRS) Neurosciences Computationnelles (Alain Destexhe, Destexhe, DR1 CNRS) CNRS Dynamique des processus sensorimoteurs et filtrage perceptif (Kirsty Grant, DR2 CNRS) Cybernetique des microcircuits thalamiques et corticaux (Thierry Bal, DR2 CNRS) PLAN 1. Les neurosciences computationnelles (overview) 2. Modélisation des neurones: excitabilité (HodgkinHuxley), interactions synaptiques 3. Etats de haute conductance et propriétés intégratives des neurones: modélisation et expériences de “dynamic-clamp” Méthodes de mesure en neuroscience Neurosciences expérimentales: 1. Mesure du potentiel électrique (intracellulaire, extracellulaire, LFP, EEG) 2. Mesure de courants électriques et conductances 3. Mesure de champs magnétiques (MEG) 4. Mesure de signaux optiques (imagerie intrinsèque, imagerie voltage-sensitive, microscopie 2-photons, GFP, etc) 5. Mesure de signaux nucléaires (imagerie par résonance magnétique nucléaire IRM, imagerie de diffusion, etc) Modélisation en neuroscience Neurosciences théoriques et computationnelles: 1. Modélisation “microscopique”, au niveau du neurone (Eq de membrane, Eq de cable) 2. Modélisation des champs extracellulaires (Eqs de Maxwell, en liaison avec les LFP, EEG, EMG) 3. Modélisation “macroscopique” (en liaison avec l’imagerie, VSD, IRM...) 4. Techniques d’analyse (extraction de conductances, théorie de l’information, systèmes dynamiques, systèmes stochastiques, physique statistique, modèle d’Ising, systèmes complexes, etc) Enregistrement intracellulaire In vivo In vitro Modélisation du potentiel de membrane Equation de membrane (circuit électrique équivalent) Ext. g V g g Na L K Cm + + EL Int. + ENa EK Modélisation et neurones VLSI F A C E T S F A C E T S Enregistrement optique Grinvald & Hildesheim, Nature Reviews Neuroscience (2004) Enregistrement optique Modélisation macroscopique de l'activité neuronale en relation avec les enregistrements d'imagerie optique El Boustani & Destexhe., Neural Computation (2009) Modélisation macroscopique El Boustani & Destexhe., Neural Computation (2009) Enregistrement optique Modélisation macroscopique de l'activité neuronale en relation avec les enregistrements d'imagerie optique Enregistrement extracellulaire Destexhe, Contreras & Steriade, J. Neurosci. 1999 Enregistrement extracellulaire Modèle d’Ising Schneidman et al., Nature, 2006 PLAN 1. Les neurosciences computationnelles (overview) 2. Modélisation des neurones: excitabilité (HodgkinHuxley), interactions synaptiques 3. Etats de haute conductance et propriétés intégratives des neurones: modélisation et expériences de “dynamic-clamp” Membrane potential +20 mV -80 mV Voltage dependence Equivalent electrical circuit of the membrane Ext. g V g L g Na K Cm + + EL Int. + ENa EK The Hodgkin-Huxley model From: Hodgkin & Huxley J. Physiol., 1952 Voltage-clamp Voltage-clamp Voltage-clamp characterization of ionic currents 1. Voltage-clamp protocol Voltage-clamp characterization of ionic currents 1. Voltage-clamp protocol 2. Voltage dependence of steady-state activation and time constant Origin of voltage-dependence Action potentials Kinetic model for ion channels Simplest kinetic model of the opening of ion channels by voltage: where: Closed channel Open channel If m is defined as the fraction of channels in open state: one obtains the first-order kinetic equation: Origin of voltage-dependence The kinetic equation can be rewritten as: - These quantities are observable experimentally (voltage-clamp) - Sigmoidal form of the steady-state activation: Origin of voltage-dependence Is this model sufficient to generate action potentials ? Origin of voltage-dependence Voltage-clamp Voltage-clamp The Hodgkin-Huxley model Open probability 3 mh n 4 The Hodgkin-Huxley model The Hodgkin-Huxley model From: Hodgkin & Huxley J. Physiol., 1952 The Hodgkin-Huxley model From: Hodgkin & Huxley J. Physiol., 1952 Threshold and repetitive firing Refractory period Strategy for biophysical models Voltage-clamp experiments Hodgkin-Huxley model Numerical simulation The integrate-and-fire model 40 0 Threshold Reset -40 -80 Integrate-and-Fire model (cfr, Nicolas Brunel tutorial) 40 0 Threshold -40 -80 Reset The integrate-and-fire model Hodgkin-Huxley model 40 0 40 0 40 80 120 0 80 -40 -40 -80 -80 82 84 86 88 90 84 86 88 90 Integrate-and-Fire model 40 0 40 0 40 80 120 0 80 -40 -40 -80 -80 Time (ms) 82 Time (ms) PLAN 1. Les neurosciences computationnelles (overview) 2. Modélisation des neurones: excitabilité (HodgkinHuxley), interactions synaptiques 3. Etats de haute conductance et propriétés intégratives des neurones: modélisation et expériences de “dynamic-clamp” (Suite au prochain numéro!)