Estimation de la structure des réseaux neuronaux par simulations contrainte par des séquences de potentiels d'action observées – SIMBADNESTICOST

Les neurophysiologistes peuvent, en combinant enregistrements extracellulaires multiples et méthodes de traitement des données appropriées, observer les séquences de potentiels d'action d'un grand nombre de neurones. Mais ce « grand nombre » ne représente toujours qu'une toute petite fraction des neurones effectivement présents dans la zone enregistrée. Avec des statistiques d'association comme l'estimation des fonctions de corrélation croisée, ils essaient de reconstruire la structure du réseau formé par les neurones enregistrés. Mais cette estimation souffre du sous-échantillonage drastique de la population neuronale, ainsi que d'erreurs dans la reconstruction des séquences de potentiels d'action. Le résultat est une « image du réseau », désignée par « réseau fonctionnel », dont les caractéristiques dépendent des conditions d'enregistrement (présence ou absence d'une stimulation). Nous pensons que la reconstruction du réseau formé par les quelques neurones enregistrés constitue un problème (techniquement) mal posé et nous proposons de nous intéresser à la place à la « loi générative » du réseau : quelle est la probabilité pour qu'un neurone de type A forme une synapse sur un neurone de type B ? La probabilité pour que le neurone Y de type B forme une synapse sur le neurone X de type A est-elle dépendante de la présence d'une synapse de X sur Y ? Notre idée est de simuler le réseau complet, en employant une dynamique simplifiée pour les neurones / nœuds de celui-ci, suivant différentes lois (paramétrées) avant de comparer les statistiques d'association simulées à celles observées. Ce type de stratégie est maintenant communément employée et est désignée par « estimation bayésienne approchée » (« Approximate Bayesian Computation ») ou « inférence basée sur simulations » selon les domaines. Nous pourrons ainsi aborder l'importante question de la sur-représentation des connexions réciproques à partir de données du premier relais olfactif d'un insecte.