Contrôle du chaos et plasticité dans les réseaux de neurones soumis à l'activité spontanée

Comprendre comment s'organisent et fonctionnent les aires sensorielles primaires du neocortex est une étape cruciale pour l'analyse des mécanismes sous tendant le fonctionnement, d'un point de vue algorithmique, de l'activité cérébrale. Cette compréhension de la dynamique sensorielle passe par l'utilisation de modèles de neurones simplifiés, du type "intègre et tire", et par un cadre de travail particulier, celui du réseau "balancé", permettant de se placer dans un régime proche de ceux observés dans l'activité spontanée in vivo, où les neurones déchargent de façon irrégulière et à basse fréquence. Cette thèse montre, par des simulations grande échelle et l'utilisation de patterns de stimulations ayant des statistiques proches de l'activité spontanée passée, que des réseaux de neurones dans des régimes irréguliers et asynchrones comme le cortex visuel in vivo pourrait fonctionner au bord d'un régime dynamique particulier, le chaos déterministe. Que ces réseaux soient aléatoires ou structurés, leur activité spontanée est souvent considérée comme du bruit, alors que la structure particulière de cette dernière, issue de la connectivité récurrente, peut avoir un rôle particulier pour la dynamique fonctionnelle du réseau. Pour moduler ces statistiques de l'activité spontanée, dans le cadre d'un apprentissage non supervisé, la connectivité au sein du réseau doit s'auto-organiser en fonction de l'activité et des entrées : une nouvelle règle de plasticité synaptique sera donc explorée, incluant des contraintes d'homéostasie et de méta-plasticité. Cette hypothèse permet de réconcilier différents schémas de plasticités théoriques par des mécanismes biophysiques réalistes.Understanding how the primary sensory areas of the neocortex are structured in order to process sensory inputs is a crucial step in analysing the mechanisms underlying the functional role, from an algorithmic point of view, of cerebral activity. This undrestanding of the sensory dynamics, at a large scale level, implies using simplified models of neurons, such as the integrate-and-fire models, and a particular framework, the balanced network, which allows the recreation of dynamical regimes of conductances close to those observed in vivo, in which neurons spike at low rates and with an irregular discharge. This thesis shows, using large scale simulations and particular patterns of stimulation whose statistics are close to those of the spontaneous activity, that such neuronal networks in asynchronous and irregular firing states, such as the primary visual cortex in vivo can operate at the border of a particular dynamical regime, deterministic chaos. While the ongoing activity of those networks with random or structured connectivity is often considered as noise, its structure, emmerging from the recurrent connectivity, could have a functional role in information processing. To modulate the statistics of such an activity, and to see if a trace of this learning is kept in the ongoing activity in the framework of unsupervised learning, the connectivity within the neuronal network must evolve as a function of the activity. A new rule of plasticity was therefore explored, incorporating some homeostatic constraints in the framework of metaplasticity. This hypothesis can link different theorical schemes of plasticity by the definition of a biophysically realistic mechanism.ORSAY-PARIS 11-BU Sciences (914712101) / SudocSudocFranceF