NeOpTo

L’une des propriétés marquantes des aires corticales sensorielles et motrices est leur organisation en cartes topographique corticales. Le long de la hiérarchie corticale, les caractéristiques de bas niveau telles que la position, l’orientation du stimulus visuel (mais aussi la tonalité auditive, le toucher somatosensoriel, etc…) mais aussi les caractéristiques de niveau supérieur (telles que les visages, les points de vue d’objets, etc…) sont représentées topographiquement sur la surface corticale. Ainsi, un stimulus orienté localement avec une position et une orientation données activera des colonnes corticales locales à la bonne position au sein des cartes topographique d’orientation et rétinotopique (Figure ci dessous).

Cependant, en conditions naturelles, les entrées visuelles forment une large collection de ces caractéristiques locales (position, orientation, direction du mouvement, fréquence spatiale…), qui sont distribuées sur la scène visuelle à différentes échelles dans l’espace et le temps, générant parfois des perceptions ambiguës ou illusoires. Deuxièmement, ces caractéristiques sont aussi dynamiques, en ce sens que leurs valeurs (position, orientation…) peuvent changer avec le temps. Par exemple, dans le cas d’un objet en mouvement, le cortex sera activé par une séquence dynamique, donc non-stationnaire, d’entrées thalamo-corticales le long d’une trajectoire dictée par le changement progressif de ces caractéristiques le long de la carte topographique (figure ci dessous).

Une question centrale en neurosciences visuelle est de comprendre comment de telles entrées dynamiques (Figure ci-dessus) sont traitées à différentes étapes du système visuel afin d’obtenir un codage robuste et rapide de la scène visuelle. L’hypothèse de travail de NeOpTo est que les interactions intra et inter-corticales, qui représentent la vaste majorité des contacts synaptiques corticaux, peuvent façonner dynamiquement le traitement de l’information visuelle pour sous-tendre une perception robuste. Notre premier objectif est donc de comprendre les opérations neuronales qui façonnent dynamiquement le traitement et la représentation des stimuli visuels au sein de ces cartes, en utilisant des approches expérimentales et computationnelles (Chemla et al 2011, Reynaud et al 2012, Muller et al 2014, Chemla et al 2017, Rankin & Chavane 2017, Zerlaut et al 2017, Deneux et al 2017).

Deuxièmement, étant donné que ces opérations peuvent se produire à de multiples échelles spatiales et temporelles, nous développons constamment des méthodes et outils de traitement du signal pour mieux interpréter les résultats des mesures de l’activité neuronale (Deneux et al 2011, Reynaud et al 2011, Deneux et al 2012, Takerkart et al 2014, Deneux et al 2016). Ainsi, les techniques d’imagerie que nous utilisons pour enregistrer l’activité cérébrale permettent de couvrir de multiples échelles et différents modèles animaux, des rongeurs (normaux et pathologiques) aux primates non humains (marmoset, macaque). Ceci est crucial car nous avons besoin d’avoir accès à un traitement local de l’information dans la colonne corticale (enregistrement unitaire et microscopie à 2 photons) mais aussi de mesurer l’activation au niveau des cartes corticales (multi-électrodes, imagerie optique) qui donnent accès à l’échelle « mésoscopique » (Figure ci dessous), entre le microscopique (le neurone) et le macroscopique (aires cérébrales). Nous travaillons donc en permanence sur l’amélioration des méthodes, mais aussi sur les outils de traitement du signal pour extraire les signaux à partir des données bruitées au niveau de l’essai unique.

Un troisième objectif de notre équipe est d’améliorer la vision prothétique grâce à l’imagerie corticale. Nous utilisons ici les connaissances théoriques et méthodologiques que nous avons acquis sur la notion de représentation des stimuli visuels dans les cartes corticales afin d’optimiser la vision prothétique. Les prothèses rétiniennes sont des outils prometteurs pour la récupération des fonctions visuelles chez les patients aveugles mais, malheureusement, les technologies actuelles ne permettent pas de leur donner une précision suffisante. Augmenter leur résolution est donc un défi majeur. Pour y faire face, il faut comprendre l’origine des limites des prothèses actuelles et ceci nécessite l’utilisation de modèles animaux appropriés (Matonti et al 2015). En enregistrant l’impact fonctionnel de ces prothèses dans des modèles animaux, nous pouvons mieux comprendre leur impact physiologique et leur fonctionnement détaillé, ce qui permettra à terme d’améliorer leur résolution (Pham et al 2013, Roux et al 2016,2017).

Tisser des liens entre Sciences Visuelles et Art

Depuis plusieurs années, Laurent Perrinet (https://laurentperrinet.github.io/) collabore avec Etienne Rey, un plasticien marseillais dont le travail nous interroge sur comment la lumière est diffractée, décomposée par les matériaux et donc sur comment le monde est perçu (http://ondesparalleles.org/). Cette collaboration a conduit à plusieurs installations et Etienne Rey expose l’une de ces œuvres au sein même de l’Institut de Neurosciences de la Timone. [https://laurentperrinet.github.io/]

Notre projet bénéficie de l’expertise complémentaire de F. Chavane (expert du système visuel, en VSDI et électrophysiologie), L. Muller (expert des méthodes de traitement du signal et de neuroscience computationnelle), I. Vanzetta (expert du système visuel par imagerie optique des signaux intrinsèques, microscopie à deux photons), F. Matonti (ophtalmologiste spécialiste de la rétine), Daniele Denis (ophtalmologiste, spécialiste de l’ophtalmologie pédiatrique et de l’amblyopie) et L. Hoffart (ophtalmologiste, spécialiste de la cornée et de l’imagerie du segment antérieur).

Nos collaborations nationales et internationales