thesis

Discussion 251
Discussion
Nos travaux se sont focalisés sur l’analyse des neurones individuels, qu’il
s’agisse de modèles ou de cellules biologiques, avec comme objectif de mieux
comprendre le mode de computation, notamment la détection de coïncidences,
et l’importance de la temporalité des potentiels d’action. Dans cette discussion,
nous résumons et mettons en perspective nos travaux avec les études précédemment
réalisées sur les corrélations et leur rôle computationnel.
Adaptation de modèles impulsionnels à des données
D’abord, nous nous sommes intéressés à la manière de capturer par un modèle
impulsionnel la réponse impulsionnelle d’un neurone à un courant injecté dans
le soma. Nous avons développé une méthode générique permettant d’adapter un
modèle arbitraire à des données électrophysiologiques (Rossant et al. 2010 2011b),
avec notamment une implémentation sur architectures parallèles (plusieurs CPUs,
plusieurs ordinateurs, GPU) (Rossant et al. 2011a). Nous avons alors montré que
le modèle intègre-et-tire à fuite, augmenté d’un mécanisme d’adaptation et de seuil
adaptatif, est très efficace pour cela. Cela justifie notamment la considération de
modèles impulsionnels, plus simples que des modèles biophysiques, pour l’étude
de la propriété de détection de coïncidences des neurones.
L’approche utilisée est celle de l’optimisation sur l’espace des paramètres d’une
fonction objectif (fitness function), qui explicite le degré d’adéquation des paramètres
aux données. Dans l’implémentation actuelle de cette librairie, seuls les
potentiels d’action en sortie sont pris en compte pour l’optimisation des paramètres.
La prochaine mise à jour de la librairie est en cours de développement,
elle offrira notamment la possibilité de prendre en compte les fluctuations du
potentiel de membrane sous le seuil dans la fonction objectif.
Un autre développement possible est l’intégration d’une méthode de compensation
d’électrode dans le processus d’optimisation, comme celle développée au
cours de cette thèse (voir chapitre 9 et plus loin dans cette discussion). Cela pourrait
permettre une plus grande précision dans les résultats, ce qui est indispensable
pour les études sur la variabilité du seuil par exemple (Platkiewicz et Brette 2011).
Détection de coïncidences
Ensuite, nous avons étudié la propriété de détection de coïncidences de modèles
impulsionnels linéaires généraux en présence d’un bruit de fond (Rossant
et al. 2011c). Cette caractéristique est importante car elle permet de comprendre
la détection de coïncidences dans un régime physiologique, correspondant à l’état