Computational approches de biophysique modélisation neuronales de traitement de l'information

par Ivan Lazarevich

Projet de thèse en Sciences cognitives option Neurosciences computationnelles

Sous la direction de Boris Gutkin.

Thèses en préparation à Paris Sciences et Lettres en cotutelle avec l'Université d'État de Nijni Novgorod , dans le cadre de Cerveau, cognition, comportement , en partenariat avec Laboratoire de Neurosciences Cognitives (laboratoire) et de École normale supérieure (Paris ; 1985-....) (établissement de préparation de la thèse) depuis le 01-09-2016 .


  • Résumé

    Les façons comment le cerveau des mammifères processus d'information utilisant les réseaux à grande échelle contenant de nombreux types de cellules neurales sont mal comprises. Le projet vise à considérer les réseaux biophysique détaillés ainsi que des éléments abstraits neuronales avec l'intégration dendritique non linéaire. Il est prévu d'étendre le formalisme stationnaire développé à des structures de réseau complexes, en introduisant Architechtures récurrentes et la dynamique temporelle. Il est prévu d'examiner comment différentes formes d'apprentissage travail dans ces réseaux en fonction des propriétés à un seul élément et ses caractéristiques structurelles. Il serait révélé comment les propriétés biophysiques des neurones et des synapses individuelles et leur modulation pourraient contribuer à la performance de plusieurs tâches de référence (par exemple la reconnaissance des formes, la mémoire de travail et d'autres). Les modèles théoriques à l'étude seraient calibrés à l'aide de données expérimentales disponibles sur la dynamique neuronale et la plasticité synaptique dans les réseaux hippocampiques. Attention serait versée à la fonction interneurones et les façons types d'interneurones pourrait coder l'information au sein des réseaux neuronaux. modèles biophysiques de la dynamique non linéaire dendritiques vont inclure des descriptions des différents types de canaux ioniques, les récepteurs et la dynamique de calcium. données d'imagerie électrophysiologiques et de calcium seraient analysés pour classer les différents types d'interneurones hippocampiques et de construire des modèles détaillés de chaque type de cellule. Ces modèles seraient davantage analysés sur le plan abstrait de calcul neuronal, révélant la façon stationnaire (relation d'entrée-sortie non-linéaire) et dynamique (tension et des oscillations de calcium), les propriétés des modèles influencent le traitement des informations dans le réseau. Les résultats de la modélisation biophysique devraient donner des prévisions expérimentales et compléter les données biologiques, ainsi que de fournir des liens détaillées aux modèles abstraits de calculs neuronaux.

  • Titre traduit

    Computational approaches to modelling neuronal biophysics of information processing


  • Résumé

    The ways how the mammal brain processes information utilizing large-scale networks containing many types of neural cells are poorly understood. The project aims to consider biophysically-detailed as well as abstract networks of neuronal elements with nonlinear dendritic integration. It is planned to extend the developed stationary formalism to complex network structures, introducing recurrent architechtures and temporal dynamics. It is expected to consider how various forms of learning work in such networks depending on single-element properties and its structural characteristics. It would be revealed how biophysical properties of single neurons and synapses and their modulation could contribute to performance of several benchmark tasks (e.g. pattern recognition, working memory and others). Theoretical models under consideration would be calibrated using available experimental data on neuronal dynamics and synaptic plasticity in hippocampal networks. Attention would be paid to interneuron function and the ways different types of interneurons could encode information within neuronal networks [6]. Biophysical models of nonlinear dendritic dynamics will include descriptions of different types of ion channels, receptors and calcium dynamics. Electrophysiological and calcium imaging data would be analyzed to classify different types of hippocampal interneurons and build detailed models of each cell type. These models would be further analyzed on the abstract level of neural computation, revealing how stationary (nonlinear input-output relation) and dynamic (voltage and calcium oscillations) properties of the models influence information processing in the network. Results of biophysical modeling are expected to give experimental predictions and complement biological data, as well as provide detailed links to abstract models of neural computations.