Rôle computationnel des corrélations dans le codage neuronal

Comprendre comment les fonctions mentales émergent des interactions entre neurones est un défi majeur des neurosciences modernes. Selon le point de vue classique, la fréquence de décharge est la seule variable pertinente pour le codage et la computation. Cependant, le développement de nouvelles techniques expérimentales a conduit à l'observation de corrélations omniprésentes dans le système nerveux. Leurs éventuels rôles computationnels sont incertains, et constitueraient un argument majeur en faveur du point du vue opposé, impulsionnel. L'objectif de cette thèse est d'apporter des éléments précisant ces rôles. D'abord, nous développons un outil informatique pour l'adaptation à des données de modèles impulsionnels. L'implémentation fait intervenir plusieurs techniques de calcul parallèle dont l'utilisation de cartes graphiques (GPU). Par ailleurs, nous étudions théoriquement et expérimentalement la détection de coïncidences dans un régime physiologique, correspondant à l'équilibre entre excitation et inhibition. Nous trouvons que les neurones corticaux sont extrêmement sensibles aux corrélations dans cette situation. Aussi, dans le but d'analyser nos données expérimentales, nous développons une nouvelle méthode de compensation dynamique d'électrode sans calibration. Nous montrons au final que la prise en compte des instants des potentiels d'action est indispensable pour la computation neuronale, et nous discutons des rôles computationnels possibles des corrélations.Understanding how mental functions emerge from the interactions between neurons is a major challenge in modern neuroscience. According to the classical point of view, the firing rate is the only relevant variable for neural coding and computation. However, the development of new experimental techniques has led to the observation of widespread neural correlations in the nervous system. Their possible computational roles are uncertain, and would favor the opposite point of view, namely the spike timing theory. The aim of this thesis is to bring new elements precising these roles. First, we develop a numerical toolbox for fitting spiking neuron models to electrophysiological data. Several parallel computing techniques are used, including an implementation on graphics processing units (GPU). Also, we theoretically and experimentally study the coincidence detection property of neurons in a physiological regime, corresponding to the balance between excitation and inhibition. We find that cortical neurons are extremely sensitive to input correlations in this situation. Also, in order to analyze our experimental data, we develop a new dynamic electrode compensation method that does not require calibration. In conclusion, we show that taking spike timing into account is necessary for understanding neural computation, and we discuss possible computational roles for neural correlations.PARIS-BIUSJ-Biologie recherche (751052107) / SudocSudocFranceF