Interactions avec les Neurosciences
Groupe NeuroStatMod
Contact : franck.grammont@univ-cotedazur.fr [1]
Notre groupe est à l’origine de la création de l’Institut NeuroMod [2] (Institut sans murs), spécialisé dans la Modélisation en lien avec les Neurosciences et la Cognition, avec d'autres partenaires d'Université Côte d'Azur.
Projets en cours
Membres
Ingénieur
Etudiants actuels
Membres associés issus d'autre laboratoires
Equipe(s) paretenaire(s)
Développement de méthodes d’analyse de l’activité neuronale unitaire modélisée sous la forme de processus ponctuels
Estimation des dépendances via les processus de Hawkes. On peut modéliser les dépendances locales entre neurones (cf. Vanessa Didelez [21] pour une définition des dépendances locales) par un processus de Hawkes multivarié. Cependant pour obtenir un graphe sparse il faut utiliser des méthodes récentes de type Lasso (Hansen et al., 2015 [22]). Cette méthode doit être cependant adaptée à un cadre non stationnaire ou des changements de type de dependance peuvent apparaitre pour pouvoir être utilisée en pratique.
2017-2021 Laurent Dragoni (doctorant codir Lagrange/LJAD/CMAP avec Rémi Flamary, Karim Lounici et Patricia Reynaud-Bouret) sur le spike sorting
2016-2021 Cyrille Mascart (doctorant codir I3S/LJAD avec Alexandre Muzy et Patricia Reynaud-Bouret) sur la simulation de grands réseaux de neurones
2018-2022 Tien Cuong Phi (doctorant codir Paris 1/LJAD avec Eva Löcherbach et Patricia Reynaud-Bouret) sur la simulation/existence de réseaux de neurones potentiellement infinis par la décomposition de Kalikow
2021-2024 Julien Aubert (doctorant juste LJAD avec Luc Lehéricy et Patricia Reynaud-Bouret) sur l'estimation d'algorithme d'apprentissage sur données humaines ou animales
2021-2024 Stefano Spaziani (doctorant codir IPMC/LJAD avec Ingrid Bethus et Patricia Reynaud-Bouret) sur la reconstruction de la connectivité fonctionnelle hétérogène
2021-2022 Josué Tchouanti (postdoc Paris 1/ Inria/ LJAD avec Eva Löcherbach, Patricia Reynaud-Bouret et Etienne Tanré) sur les tests de comportement de type champ moyen
Enregistrement de l'activité neuronale unitaire sur tranches de cerveau de souris avec un dispositif d'enregistrement MEA (Multi Electrodes Array) de 4096 électrodes ; "Spike sorting", Analyse de l'activité au niveau neuronal et multi-neuronal
L'équipe Studer (IBV) a obtenu le label FRM (Fondation pour la Recherche Médicale) en 2015. Courant 2016, nous avons ainsi pu financer l'acquisition d'un dispositif d'enregistrement de l'activité neuronale unitaire MEA (Multi Electrode Array) de 4096 électrodes. Ce dispositif est en cours d'installation dans le bâtiment Dieudonné II, réservé aux projets qui couplent des approches expérimentales aux approches théoriques du laboratoire. Ce dispositif permet des enregistrements à l'échelle du neurone entier (cf. Projet "Méthodes d'analyses", ci-dessus), voire au niveau de différentes parties d'un même neurone (cf. Projet "Modèles de neurones" ci-dessous) et au niveau des circuits de neurones (cf. Projets "Modèles d'archétypes neuronaux", "Modèles neurocognitifs", "Graphes d'interactions fonctionnelles").
Pour être analysé au niveau unitaire, les signaux enregistrés doivent être analysés et reconnus sous forme de "spikes". Nous allons pour cela développer de nouvelles méthode de Spike Sorting (Reynaud-Bouret, Lounici, Grammont), en collaboration notamment avec Christophe Pouzat [23], spécialiste du domaine (Références [24]) et Rémy Flamary [25] (Laboratoire Lagrande, UCA, CNRS).
Une fois le signal d'origine transformé sous forme de spikes, l'activité neuronale peut-être modélisée sous forme de processus ponctuels, nous apourrons alors faire évoluer les méthodes d'analyse développées jusqu'ici (cf. Projet "Méthodes d'analyses", ci-dessus) pour une application à grande échelle.
2019-2022 Valentin Guidal (doctorant codir IPMC - LJAD avec Michèle Studer et Franck Grammont)
Formalisation, modélisation, simulation, implémentation robotique de configurations neuronales biologiquement plausibles, en relation avec des comportements sensorimoteurs
- Modèles de neurones (Franck Grammont, Alexandre Muzy, Gilles Bernot, Ophélie Guinaudeau (doc))
Ce projet viens juste de débuter en 2016-2017. Historiquement, le développement animal a été étudié de façon dichotomique, en dissociant strictement les aspects sensoriels des aspects moteurs. De nombreux travaux expérimentaux ont finalement montré, ces 20 dernières années, que ce développement pouvait être compris à travers l'étude de boucles sensorimotrices. A cette fin, nous développons des modèles multi-niveaux (neuronal, cognitif, comportemental), afin d'implémenter un certain nombres d'hypothèses issues de la littérature en Neurosciences Cognitives et que l'on ne peut tester directement et expérimentalemenent sur des animaux entiers. A ce stade, nous avons pu développer un modèle des processus sensorimoteurs au niveau cognitif enPDP (parallel distributed processing). Nous implémentons progressivement ce modèle avec une architecture neuronale sous-jacente qui utilise un réseau RBF (radial basis function. Après une premirèe validation à ce niveau, ce type de réseau sera ensuite remplacé par des structures polysynchroniques (assemblées de neurones).
A terme, ces modèles ont tous vocation à être implémentés au niveau robotique, afin de tester leurs propriétés fonctionnelles dans des cadres le plus réaliste possible.
Développement de méthodes d’analyse visant à établir des graphes d’interaction fonctionnelle à partir de l’activité unitaire d’un grand nombre de neurones
Modèles de champ moyen en Neurosciences
Liens:
[1] mailto:franck.grammont@univ-cotedazur.fr
[2] https://neuromod.univ-cotedazur.eu/
[3] mailto:reynaudb@unice.fr
[4] mailto:grammont@unice.fr
[5] mailto:alexandre.muzy@cnrs.fr
[6] mailto:delarue@unice.fr
[7] http://math.unice.fr/laboratoire/fiche&id=309
[8] http://math.unice.fr/laboratoire/fiche&id=188
[9] http://math.unice.fr/laboratoire/fiche&id=190
[10] http://math.unice.fr/laboratoire/fiche&id=189
[11] https://math.unice.fr/laboratoire/fiche&id=915
[12] https://math.unice.fr/laboratoire/fiche&id=904
[13] http://marc-cnrs.monticelli.fr
[14] http://msn.i3s.unice.fr/
[15] http://www-sop.inria.fr/neuromathcomp/public/index.shtml
[16] http://ibv.unice.fr/FR/equipe/studer.php
[17] http://hal.archives-ouvertes.fr/hal-00757323
[18] https://hal.archives-ouvertes.fr/hal-00789127v2
[19] https://hal.archives-ouvertes.fr/hal-01001984v4
[20] https://hal.archives-ouvertes.fr/hal-01154918v2
[21] http://www.stats.bris.ac.uk/~maxvd/
[22] http://hal.archives-ouvertes.fr/hal-00722668
[23] http://xtof.perso.math.cnrs.fr/pouzat.html
[24] https://hal.archives-ouvertes.fr/search/index/?q=christophe+pouzat+spike+sorting&submit=&sort=producedDate_tdate+desc&submitType_s=file&docType_s=ART+OR+COMM+OR+COUV+OR+OTHER+OR+OUV+OR+DOUV+OR+UNDEFINED+OR+REPORT+OR+THESE+OR+HDR+OR+LECTURE
[25] http://remi.flamary.com/index.fr.html
[26] http://lerasle.perso.math.cnrs.fr/index.html
[27] http://www-sop.inria.fr/members/Annie.Ressouche/
[28] http://www.unice.fr/dgaffe/
[29] https://hal.inria.fr/hal-01377288
[30] https://hal.inria.fr/hal-01349019
[31] http://projecteuclid.org/DPubS?service=UI&version=1.0&verb=Display&handle=euclid.ejs/1308143122
[32] https://hal.archives-ouvertes.fr/hal-01316924
[33] http://www.math.ucdavis.edu/~tjlewis/pubs/lewisjcns03.pdf
[34] http://mathematical-neuroscience.springeropen.com/articles/10.1186/2190-8567-1-7
[35] https://hal.archives-ouvertes.fr/hal-00747565v4
[36] https://hal.archives-ouvertes.fr/hal-01001716v3