Représenter et prédire les trajectoires pour le contrôle oculomoteur – PREDICTEYE

Le projet combine des approches comportementales, neurophysiologiques et théoriques. Au niveau comportemental, il s'agit de manipuler les propriétés statistiques de trajectoires d'un point visuel, du plus simple (une trajectoire rectiligne) au plus complexe (une série de changement de directions par exemple). Nous mesurons les réponses oculomotrices anticipatrices, c'est à dire ayant lieu avant le prochain évènement et cherchons à montrer comme cette réponse anticipatrice est façonnée par les contingences des entrées visuelles. Au niveau neurophysiologique, nous explorons comment des populations neuronales corticales et sous-corticales peuvent représenter non seulement la direction d'une cible mais également la probabilité associée à cette direction. Ceci est réalisé en électrophysiologie chez le singe et en IRM fonctionnelle chez l'homme. Au plus théorique, nous modélisons les variables comportementales comme le produit d'une inférence probabiliste optimale (Bayesienne) et dynamique, c'est à dire dont les propriétés changent avec le temps.

Au mois 18, nous avons montré que les sujets humains peuvent suivre non seulement la probabilité directionnelle de mouvement mais également sa fluctuation au cours du temps. Cette intégration optimale repose sur une information probabiliste a priori construite à partir de l'histoire récente des évènements et qui est mise à jour continuellement. Ces mêmes approches sont développés chez le singe, en prévision des études de neurophysiololgie et d'imagerie qui vont prochainement démarrer.

Une fois les premiers résultats comportementaux acquis, nous allons démarrer les expériences d'enregistrement et de perturbation des structures corticales et sous-corticales impliquées dans ce comportement optimal.

Au mois 18, un article a été publié dans PLOS Computational Biology (Pasturel et al, 2020). Plusieurs résultats ont été présentés dans des congrès internationaux (IBRO 2019, SFN 2019). Des outils informatiques d'analyse sont partagés sous licence publique libre (Github/Invibe).

Suivre des yeux une proie ou un danger imminent est une tâche essentielle pour la survie des organismes vivants. Elle fait appel à la capacité des systèmes nerveux à mesurer le mouvement visuel de façon précise mais également à prédire la trajectoire de cette cible afin de pouvoir anticiper ses changements brusques de direction, de compenser les délais inhérents aux nombreuses étapes de la transformation sensorimotrice ou encore de coordonner aux mieux mouvements oculaires saccadiques et de poursuite. De nombreux modèles ont proposé que le cerveau élabore un modèle interne de ces trajectoires afin de contrôler les mouvements oculaires. Cependant ces approches théoriques ont sur-simplifié la nature de ces modèles internes, ignorant la complexité des entrées visuelles et la nature stochastique des trajectoires naturelles. PREDICTEYE propose une nouvelle approche visant à mieux définir cette notion de modèle interne et d'en comprendre les bases neurales, au niveau cortical et sous-cortical. Notre hypothèse est qu'un tel "modèle interne" est basé sur la notion probabiliste d'inférence dynamique. Nous avons montré précédemment que ce cadre théorique permet d'unifier les dynamiques de bas-niveaux (traitement visuel) et de haut-niveau (cognition) et ainsi d'expliquer pourquoi le comportement reste optimal et synchrone. Il permet aussi de saisir comment une représentation probabiliste de ces trajectoires est acquise au cours de l'apprentissage. On peut ainsi aborder cet apprentissage non plus uniquement sur la base d'une probabilité simple (la cible ira-t-elle à droite ou à gauche) mais d'une probabilité contingente en fonction du contexte, c'est-à-dire en prenant en compte les probabilités de chaque élément dans une trajectoire ainsi que du changement de ces probabilités au cours du temps. Au niveau comportemental, nous avons montré que ces dynamiques probabilistes peuvent être mesurées grâce aux réponses oculomotrices (saccades et poursuite) anticipatrices survenant avant un évènement visuel (le début d’un mouvement ou un changement de direction/vitesse par exemple). Au niveau comportemental chez l’homme et le singe macaque, nous disséquerons la hiérarchie de représentations probabilistes qui contrôle ces réponses anticipatrices avant le début de la réponse de poursuite comme au cours de celle-ci. Nous utiliserons des séquences de probabilités stables ou fluctuantes pour étudier comment ce modèle interne probabiliste est mis à jour. Au niveau neuronal, nous rechercherons les corrélats neuronaux de ces activités préparatoires et de leur modulation en fonction de cette hiérarchie de probabilités. Chez l’homme, nos efforts porteront sur les champs oculaire prefrontaux (FEF/SEF) et le colliculus supérieur en IRM fonctionnelle. Nous perturberons ces réseaux corticaux grâce à la TMS, au cours de l’apprentissage. Chez le singe, nous nous concentrerons sur les structures cibles de FEF/SEF, au niveau du tronc cérébral (DLPN & NRTP), pour séparer les contributions corticales et sous-corticales (cervelet) à l’élaboration de ces modèles internes. Notre approche combinera des perturbations électriques (microstimulation) et pharmacologiques (agonistes GABAergique). Enfin, au niveau théorique, nous développerons un modèle dynamique basé sur l’inférence Bayesienne pour étudier comment une représentation probabiliste des évènements passée est élaborée de façon contingente et comment elle est mise à jour continuellement en pondérant les informations sur plusieurs échelles de temps. Nous étudierons théoriquement comment cette inférence dynamique dépend des processus de récompense et d’apprentissage supervisé. PREDICTEYE propose donc un cadre expérimental et théorique unifié pour mieux comprendre comment notre système nerveux représente et utilise les informations visuelles et cognitives afin de contrôler de façon optimale nos mouvements les plus essentiels, ceux de nos yeux.