Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
252 Discussion<br />
de haute conductance observé dans le cortex (Destexhe et al. 2003). L’approche<br />
théorique utilisée est assez générale : elle est basée sur une approximation adiabatique<br />
qui consiste à considérer la limite des fluctuations lentes par rapport à la<br />
constante de temps membranaire. Cette méthode permet alors de relier clairement<br />
les caractéristiques des fluctuations à la propriété de détection de coïncidences.<br />
Dans le régime équilibré, cette sensibilité aux coïncidences provient alors directement<br />
de la convexité de la fonction de réponse (probabilité P (w) d’émettre un<br />
potentiel d’action en réponse à un potentiel postsynaptique excitateur de taille w).<br />
Cette convexité est équivalente à la décroissance de la distribution stationnaire<br />
du potentiel de membrane près du seuil.<br />
Le niveau des fluctuations détermine la sensibilité aux coïncidences de manière<br />
non monotone, propriété réminiscente de la résonance stochastique (Gammaitoni<br />
et al. 1998). Il y a ainsi un niveau intermédiaire de bruit correspondant à une sensibilité<br />
optimale aux coïncidences. Cette observation est à relier à celle de (Kempter<br />
et al. 1998) où un seuil optimal est trouvé pour la détection de coïncidences.<br />
Par ailleurs, notre approche nous permet d’avoir des résultats quantitatifs sur<br />
la détection de coïncidences. La sensibilité des neurones aux coïncidences n’est pas<br />
totalement nouvelle (voir section 4.4.2). Ce qui l’est plus, c’est la quantification de<br />
cette sensibilité, l’observation que cette sensibilité peut être extrêmement élevée<br />
en présence d’un bruit synaptique important, mais seulement dans une condition<br />
d’équilibre entre excitation et inhibition, et enfin l’obtention de formules explicites<br />
donnant la dépendance de cette sensibilité par rapport aux paramètres du<br />
neurone et du bruit. Nous trouvons alors que, dans des conditions physiologiques,<br />
les neurones agissent comme des détecteurs de coïncidences très efficaces, et que<br />
cela est donc tout à fait compatible avec une théorie impulsionnelle du codage et<br />
de la computation dans le système nerveux.<br />
Bien que les modèles de neurones utilisés soient des modèles impulsionnels,<br />
notre approche est validée a posteriori sur des neurones corticaux à l’aide d’enregistrements<br />
in vitro en courant imposé. Cela montre la validité de cette approche,<br />
qui n’est donc pas restreinte, quant à ses résultats, aux modèles impulsionnels.<br />
Sensibilité des neurones aux coïncidences<br />
La sensibilité des neurones aux coïncidences peut être très grande. Ainsi, notre<br />
modèle de la synchronie distribuée, où des évènements de synchronie sont considérés<br />
en modifiant un très faible nombre de potentiels d’action sans en changer<br />
la quantité totale, montre que la fréquence de décharge en sortie est extrêmement<br />
sensible à ces évènements de synchronie. Pour autant, les corrélations par paires<br />
des trains en entrée restent particulièrement faibles, de par le caractère distribué<br />
des corrélations. La raison de ce résultat à première vue étonnant provient<br />
du fait que le rapport entre la distance moyenne du potentiel de membrane au<br />
seuil, et la taille moyenne des EPSPs, est particulièrement faible : de l’ordre de<br />
� 10 − 20, en considérant une distance au seuil de 10 mV et une taille d’EPSP de<br />
0.5 − 1 mV (Oswald et Reyes 2008). Ce chiffre est à comparer au nombre de synapses<br />
par neurone dans le cortex, de l’ordre de 10000. Dans ces conditions, notre