L'identité biophysique des couches cachées dans les réseaux neuronaux convolutifs profonds de la rétine – HiDeepID

L'un des principaux objectifs des neurosciences sensorielles est de comprendre comment les neurones peuvent, ensemble, extraire des caractéristiques complexes de scènes naturelles. Même au niveau de la rétine, cet objectif reste un défi à relever. Les modèles construits à partir des réponses des neurones sensoriels à des stimuli simples ne permettent pas de prédire comment les scènes naturelles complexes sont traitées. Entre les photorécepteurs et les cellules ganglionnaires (RGC), l'entrée et la sortie de la rétine, il y a plusieurs couches de cellules qui façonnent les calculs rétiniens. La manière dont elles contribuent au traitement rétinien n'est pas encore claire.

L'objectif de notre projet est de décomposer le circuit rétinien qui traite les images naturelles, afin de comprendre comment les types de cellules des couches intermédiaires contribuent aux calculs rétiniens. Il est difficile d'accéder aux couches intermédiaires avec les outils classiques. Nous développerons pour ce projet de nouveaux outils optiques, la stimulation holographique et la stimulation par substitution silencieuse combinées à l'optogénétique pour manipuler précisément les couches intermédiaires de la rétine, et surmonter le défi de manipuler avec de la lumière un tissu qui est intrinsèquement sensible à la lumière. Nous modéliserons les résultats à l'aide d'un réseau neuronal convolutionnel profond (DCNN), qui est un modèle de réseau neuronal composé de plusieurs couches, et nous montrerons quels types de cellules dans les couches intermédiaires effectuent les calculs de chaque couche du modèle de réseau neuronal.

Malgré le succès récent des DCNN dans la modélisation du traitement visuel, nous ne savons pas si les mécanismes de calcul générant les réponses neuronales sont les mêmes que ceux du cerveau : Les DCNN agissent comme une "boîte noire" et il est difficile de relier les couches intermédiaires, modélisées comme des variables cachées, à des types de cellules spécifiques. Ici, nous visons à fournir la première correspondance complète entre un DCNN et un circuit sensoriel. Nous posons la question suivante : comment les couches intermédiaires d'un DCNN sont-elles reliées à des composants de circuits spécifiques de la rétine ? Nous proposons que des manipulations optogénétiques de cellules intermédiaires spécifiques, combinées à une nouvelle stratégie de modélisation, révèlent l'identité des nœuds internes d'un DCNN biologiquement compatible. Il s'agira d'une étape majeure pour comprendre comment les composants biologiques d'un circuit sensoriel incarnent des calculs complexes.

Au-delà de la rétine, les méthodes et les analyses que nous développerons ouvriront la voie à des stratégies similaires pour étudier d'autres circuits dans la rétine ou dans d'autres parties du cerveau. De manière générale, nous espérons établir un processus permettant de construire des modèles biophysiques réalistes lorsqu'une couche intermédiaire cachée est perturbée et qu'une zone en aval est enregistrée. Une telle méthode devrait être largement appliquée à n'importe quelle zone sensorielle du cerveau.