You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
106 Oscillations, corrélations et synchronisation<br />
Différentes définitions des corrélations<br />
Il y a plusieurs manières de définir et de mesurer les corrélations neuronales, et<br />
les valeurs se trouvant dans les travaux expérimentaux n’utilisent pas toujours les<br />
mêmes conventions. Pour cette raison, nous présentons ici les différentes définitions<br />
des corrélations.<br />
D’abord, plusieurs définitions des corrélations sont possibles. Considérant deux<br />
neurones, il est possible d’étudier les corrélations des trains de potentiels d’action,<br />
en tant que processus stochastiques ponctuels, ou les corrélations du nombre de<br />
potentiels d’action des deux trains dans une fenêtre donnée, ou encore les corrélations<br />
des fluctuations du potentiel de membrane sous le seuil.<br />
Par ailleurs, la corrélation peut se mesurer sur des enregistrements spontanés<br />
ou évoqués. Dans le premier cas, plusieurs neurones sont enregistrés en parallèle,<br />
conduisant à l’observation de corrélations de l’activité, de manière indépendante<br />
de tout stimulus. Dans le second cas, un même stimulus est répété au cours de<br />
plusieurs essais (trials) et un ou plusieurs neurones sont enregistrés. Ce protocole<br />
conduit à l’étude des corrélations inter-essais, ou corrélation du bruit, et ne<br />
nécessite pas forcément des enregistrements multi-cellules.<br />
Aussi, les corrélations peuvent se distinguer en fonction de l’échelle temporelle<br />
considérée, qui peut aller d’une durée inférieure à la milliseconde jusqu’à plusieurs<br />
secondes. Lorsque les corrélations sont rapides, c’est-à-dire de l’ordre de la<br />
constante de temps membranaire ou en-dessous, ou encore inférieure à l’intervalle<br />
inter-impulsionnel moyen, on parle alors souvent de synchronie.<br />
Enfin, on peut distinguer les corrélations entre deux neurones (aussi appelées<br />
pairwise correlations), les corrélations au sein d’une assemblée de N neurones<br />
(considérant les corrélations d’ordre 2 jusqu’à l’ordre N), ou les corrélations de<br />
l’activité macroscopique de deux grandes populations de neurones.<br />
4.2.2 Sources des corrélations<br />
D’où proviennent les corrélations observées dans le système nerveux ? On peut<br />
distinguer trois types différents de corrélations (Usrey et Reid 1999) :<br />
– les corrélations provenant directement du stimulus,<br />
– les corrélations provenant directement de la structure du réseau,<br />
– les corrélations spontanées, générées de manière interne par la dynamique<br />
complexe du réseau.<br />
Dans le premier cas, un stimulus induit des réponses neuronales proches lorsque<br />
les champs récepteurs sont proches, de par la propriété de fiabilité neuronale (voir<br />
section 3.4). Les corrélations entre les neurones proviennent alors directement du<br />
stimulus. Lorsque le stimulus comporte des hautes fréquences (par exemple, si<br />
l’initiation du stimulus est rapide), les neurones peuvent être synchronisés transitoirement<br />
à une échelle temporelle très courte.<br />
Le second cas concerne par exemple le cas d’une connectivité divergente, lorsqu’un<br />
neurone est connecté à plusieurs neurones postsynaptiques. Si les connexions<br />
synaptiques sont suffisamment importantes, les neurones postsynaptiques peuvent