Codage neuronal

Le codage neuronal désigne, en neurosciences, la relation hypothétique entre le stimulus et les réponses neuronales individuelles ou globales[1]. C'est une théorie sur l'activité électrique du système nerveux[2], selon laquelle les informations, par exemple sensorielles, numériques ou analogiques, sont représentées dans le cerveau par des réseaux de neurones[3]. Le codage neuronal est lié aux concepts du souvenir, de l'association et de la mémoire sensorielle.

Vue d'ensemble

Les neurones propagent des signaux parmi les cellules du corps à grande vitesse, avec des impulsions électriques appelés potentiels d'action : l'évènement court de l'augmentation suivi de la chute du potentiel électrique de la neurone génère des pointes de tension (ou trains de pics) pouvant se déplacer le long des axones. En réaction à des stimulus sensoriels externes (comme la lumière, le son, le goût, l'odorat, le toucher), les neurones modifient leur activité et déclenchent différentes séquences de potentiels d'action. Ces informations sur le stimulus sont alors codées en un schéma de potentiels d’action, transmis au cerveau.

Les séquences potentiels d'action ne sont pas des évènements identiques : leur durée, leur amplitude et leur forme peuvent varier. L'objet des études sur le codage neuronale est la représentation des attributs de stimulus (par exemple, l'intensité lumineuse ou sonore et les actions motrices par les pics de neurones. Si chaque potentiel d'action dure environ une milliseconde, une séquence de potentiel d'action (ou train de pics) peut être considéré comme série d'événements ponctuels séparés par des intervalles de longueur variable[4],[5]. Pour la description et l'analyse du déclenchement neuronal, des méthodes statistiques et des méthodes de la théorie des probabilités et des processus ponctuels stochastiques sont appliquées.

Avec le développement de techniques d'enregistrement et de décodage en neurosciences, les chercheurs arrivent à déchiffrer le code neuronal. Un premier aperçu de ce codage en temps réel révèle que l'hippocampe joue un rôle central dans la mémoire[6],[7],[8]. En 2020, plusieurs projets de décodage cérébral sont en développement[9],[10].

Encodage et décodage

Deux points de vue opposés dirigent l'étude du lien entre stimulus et réponse neuronale : encodage et décodage.

  • L'encodage neuronal se réfère au chemin du stimulus vers la réponse. L'objectif principal est de comprendre comment les neurones répondent aux stimulus et de construire des modèles visant la prédiction de réponses à d'autres types de stimulus.
  • Le décodage neuronal se réfère au chemin de la réponse vers le stimulus. Le défi consiste alors à reconstruire un stimulus, ou certains de ses aspects, à partir des séquences de pics qui le représentent.

Hypothèses sur les schémas de codage

Une séquence ou un train de pics peut coder des informations basées selon différents types de schémas. Cette variation et le manque de savoir sur le sujet provoque de nombreux débats au sein de la communauté neuroscientifique, d'où plusieurs théories hypothétiques.

On avance que le "taux de déclenchement neuronal" (le nombre moyen de pics par unité de temps) détermine la force motrice, par exemple, l'énergie avec laquelle un muscle innervé est contracté. À l’inverse, on propose que le "code temporel complexe" est basé sur le minutage précis de pics uniques, qui peuvent être verrouillés par un stimulus externe (comme dans le système visuel et auditif) ou être générés intrinsèquement par les circuits neuronaux[11],[12].

La théorie de la neuroélectrodynamique considère tous les schémas de codage comme des épiphénomènes liés aux changements moléculaires, où la distribution spatiale des champs électriques dans les neurones résulte du large spectre électromagnétique des potentiels d'action[13],[14],[15],[16],[17].

Voir également

Références
  1. (en) « Multiple neural spike train data analysis: state-of-the-art and future challenges », Nat. Neurosci., vol. 7, no 5,‎ , p. 456–61 (PMID 15114358, DOI 10.1038/nn1228).
  2. (en) Johnson, « Neural coding », Neuron, vol. 26, no 3,‎ , p. 563–566 (ISSN 0896-6273, PMID 10896153, DOI 10.1016/S0896-6273(00)81193-9).
  3. (en) S.J. Thorpe, Parallel processing in neural systems and computers, North-Holland, , 91–94 p., PDF (ISBN 978-0-444-88390-2, lire en ligne), « Spike arrival times: A highly efficient coding scheme for neural networks ».
  4. (en) « Neuronal variability: noise or part of the signal? », Nat. Rev. Neurosci., vol. 6, no 5,‎ , p. 389–97 (PMID 15861181, DOI 10.1038/nrn1668).
  5. (en) Wulfram Gerstner et Werner M. Kistler, Spiking Neuron Models : Single Neurons, Populations, Plasticity, Cambridge University Press, , 480 p. (ISBN 978-0-521-89079-3, lire en ligne).
  6. (en) The Memory Code. http://www.scientificamerican.com/article/the-memory-code/
  7. (en) Chen, Wang et Tsien, « Neural population-level memory traces in the mouse hippocampus », PLOS ONE, vol. 4, no 12,‎ , e8256 (PMID 20016843, PMCID 2788416, DOI 10.1371/journal.pone.0008256, Bibcode 2009PLoSO...4.8256C).
  8. (en) Zhang, Chen, Kuang et Tsien, « Mapping and deciphering neural codes of NMDA receptor-dependent fear memory engrams in the hippocampus », PLOS ONE, vol. 8, no 11,‎ , e79454 (PMID 24302990, PMCID 3841182, DOI 10.1371/journal.pone.0079454, Bibcode 2013PLoSO...879454Z).
  9. (en) Brain Decoding Project. http://braindecodingproject.org/
  10. (en) The Simons Collaboration on the Global Brain. https://www.simonsfoundation.org/life-sciences/simons-collaboration-global-brain/
  11. (en) Burcas G.T & Albright T.D. Gauging sensory representations in the brain. http://www.vcl.salk.edu/Publications/PDF/Buracas_Albright_1999_TINS.pdf
  12. (en) « Neural codes: firing rates and beyond », Proc. Natl. Acad. Sci. U.S.A., vol. 94, no 24,‎ , p. 12740–1 (PMID 9398065, PMCID 34168, DOI 10.1073/pnas.94.24.12740, Bibcode 1997PNAS...9412740G).
  13. (en) Aur D., Jog, MS., 2010 Neuroelectrodynamics: Understanding the brain language, IOS Press, 2010, DOI:10.3233/978-1-60750-473-3-i.
  14. (en) Aur, Connolly et Jog, « Computing spike directivity with tetrodes », J. Neurosci., vol. 149, no 1,‎ , p. 57–63 (PMID 15978667, DOI 10.1016/j.jneumeth.2005.05.006).
  15. (en) Aur et Jog, « Reading the Neural Code: What do Spikes Mean for Behavior? », Nature Precedings,‎ (DOI 10.1038/npre.2007.61.1).
  16. (en) Fraser et Frey, « Electromagnetic emission at micron wavelengths from active nerves », Biophysical Journal, vol. 8, no 6,‎ , p. 731–734 (PMID 5699805, PMCID 1367349, DOI 10.1016/s0006-3495(68)86517-8, Bibcode 1968BpJ.....8..731F).
  17. (en) Aur, « A comparative analysis of integrating visual information in local neuronal ensembles », Journal of Neuroscience Methods, vol. 207, no 1,‎ , p. 23–30 (PMID 22480985, PMCID 3636996, DOI 10.1016/j.jneumeth.2012.03.008).

Lectures complémentaires
  • Földiák P, D Endres, codage Sparse, Scholarpedia, 3 (1): 2984, 2008.
  • Dayan P & Abbott LF. Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems. Cambridge, Massachusetts: The MIT Press; 2001. (ISBN 0-262-04199-5)
  • Rieke F, D Warland, Ruyter van Steveninck R, Bialek W. Spikes: Exploring the Neural Code. Cambridge, Massachusetts: The MIT Press; 1999. (ISBN 0-262-68108-0)
  • Olshausen et Field, « Emergence of simple-cell receptive field properties by learning a sparse code for natural images », Nature, vol. 381, no 6583,‎ , p. 607–9 (PMID 8637596, DOI 10.1038/381607a0, Bibcode 1996Natur.381..607O)
  • Tsien, « On initial Brain Activity Mapping of episodic and semantic memory code in the hippocampus », Neurobiology of Learning and Memory, vol. 105,‎ , p. 200–210 (PMID 23838072, PMCID 3769419, DOI 10.1016/j.nlm.2013.06.019)
  • Portail des neurosciences
Cet article est issu de Wikipedia. Le texte est sous licence Creative Commons - Attribution - Partage dans les Mêmes. Des conditions supplémentaires peuvent s'appliquer aux fichiers multimédias.