Approche multi-niveaux de la connectivité cérébrale dans la maladie d'Alzheimer

Multilayer Approach to Brain Connectivity in Alzheimer’s Disease

• Auteur / Autrice : Jérémy Guillon
• Direction : Fabrizio De Vico Fallani
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 09/11/2018
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris
• Partenaire(s) de recherche : Laboratoire : Institut du cerveau et de la moelle épinière (Paris). Algorithmes, modèles et méthodes pour les images et les signaux du cerveau humain sain et pathologique
• Jury : Président / Présidente : Alexandre Gramfort
• Jury : Examinateurs / Examinatrices : Raffaella Lara Migliaccio, Lionel Tabourier
• Jury : Rapporteurs / Rapporteuses : Alex Arenas, Dimitri Van De Ville

Mots clés

Mots clés contrôlés

Réseaux complexes (mathématiques)

Magnétoencéphalographie

Imagerie par résonance magnétique

Connectivité fonctionnelle

Alzheimer, Maladie d'

Mots clés libres

Réseaux complexes

Cerveau

Maladie d'Alzheimer

Connectivité cérébrale

IRM

Magnétoencéphalographie

Complex networks

Brain

Alzheimer’s disease

Brain connectivity

MRI

Magnetoencephalographic

Résumé

La maladie d’Alzheimer provoque des altérations de la structure des réseaux cérébraux et des fonctions cérébrales qui peuvent être modélisées par une analyse de la connectivité cérébrale. Nous avons proposé une approche en réseaux multi-niveaux pour analyser les réseaux cérébraux multi-fréquentiels et multimodaux construits à partir des enregistrements de magnétoencéphalographie (MEG), d’imagerie par résonance magnétique fonctionnelle (IRMf) et de diffusion (IRMd). Les principaux résultats de ces travaux ont démontré l’existence d’un type de hubs non définis précédemment que sont les hubs inter-fréquentiels, identifiés grâce à leur coefficient de multi-participation (MPC) calculé à partir d’un réseau de connectivité cérébrale en topologie multiplexe multi-fréquentiel. Ces hubs sont impactés par la maladie d’Alzheimer, qui diminue leur capacité, naturellement très élevée, à intégrer l'information se propageant à travers différentes bandes de fréquences. Nous avons également généralisé le concept d’une structure en noyau-périphérie aux réseaux multi-niveaux afin de pouvoir ensuite l’appliquer à un modèle de connectivité cérébrale multimodale combinant des réseaux structurels et fonctionnels dans une seule et même topologie en multiplexe. Ainsi, nous avons pu identifier d’un point de vue systémique les régions les plus importantes à l’échelle du cerveau et étudier leur altération chez les patients atteints de la maladie d’Alzheimer. Cette thèse expose donc comment les réseaux complexes multi-niveaux appliqués à la connectivité cérébrale peuvent aider à comprendre l’impact de maladies neurodégénératives telles que la maladie d’Alzheimer.

Alzheimer’s disease causes alterations of the brain networks structure and function that can be modelized by a brain connectivity analyse. We proposed a multi-layer approach to analyse multi-frequency and multimodal brain networks built from magnetoencephalographic (MEG) recordings, functional (fMRI) or diffusion-weighted magnetic resonance imaging (DWI). Main results showed the existence of previously undefined type of hubs that are inter-frequency hubs; identified thanks to their multi-participation coefficient (MPC) computed from a brain connectivity network with a multi-frequency multiplex topology. These hubs are impacted by Alzheimer’s disease, which reduces their naturally high ability to integrate information propagating through different frequency bands. We also generalized the concept of core-periphery structure to multilayer networks to be able to apply it to a multimodal brain connectivity model that combines structural and functional networks in a single multiplex topology. Hence, we could identify, from a systemic point of view, the most important regions at the scale of the entire brain and study their alteration in patients with Alzheimer’s disease. Therefore, this thesis expose how multilayer networks applied to brain connectivity can help in understanding neurodegenerative diseases such as Alzheimer’s disease.