Cours de neurosciences computationnelles
Ce cours ne sera pas donné cette année
Les neurosciences computationnelles (du latin computare = compter) regroupent un ensemble d’approches mathématiques, physiques et informatiques appliquées à la compréhension du système nerveux. Les neurones sont des cellules spécialisées dans le traitement et la transmission de l’information, et communiquent par l’intermédiaire d’impulsions électriques stéréotypées. Ils peuvent ainsi être modélisés comme des systèmes dynamiques impulsionnels. Nous aborderons avec ce point de vue la modélisation des neurones, l’encodage des signaux sensoriels, la computation neuronale, la dynamique des populations neuronales, la computation dendritique et la plasticité synaptique. Les concepts introduits dans le cours seront motivés par des exemples biologiques de circuits neuronaux.
Le cours s’adresse aux étudiants scientifiques de niveau L3 ou plus ayant un bon niveau mathématique. Les concepts mathématiques nécessaires (essentiellement des systèmes dynamiques) seront introduits dans le cours. Des séances de TP permettront de mettre en pratique les concepts du cours par la simulation de modèles neuronaux, à l’aide du logiciel Brian (Python). L'évaluation comprend un examen écrit et un projet informatique (liste de sujets).
Plan:
- Présentation
- Modèles impulsionnels.
- Encodage impulsionnel.
- Computation impulsionnelle I : intégration et calcul fréquentiel.
-
Computation impulsionnelle II détection de coïncidences.
- Computation impulsionnelle III : excitation et inhibition.
- Populations neuronales.
- Plasticité synaptique.
- Les dendrites.
- Le potentiel d’action : initiation et propagation.
Documents:
- 13 février. Cours. Scripts Brian: scorpion, intègre-et-tire, réseau de neurones.
- 20 février. Cours. Scripts Brian: conductance potassium, modèle impulsionnel.
- 27 février. Cours. Scripts Brian: escalier du diable I, II, III, intégrateur parfait I, II, III, période réfractaire, parfait vs. à fuite.
- 6 mars. Cours. Scripts Brian: champ moyen, régularité, fréquence, fiabilité.
- 13 mars. Cours.
- 20 mars. Cours (mis à jour le 27 mars). Script Brian: olfaction.
- 27 mars. Cours.
- 4 avril. Cours.
- 11 avril. Cours.
- 6 mai. Cours.
- 15 mail. Cours.
Bibliographie:
- Tuckwell, H. Introduction to theoretical neurobiology (vol. I & II). (Cambridge University Press).
- Hille, B. Ionic Channels of Excitable Membranes (Sinauer).
- Koch, C. Biophysics of Computation (Oxford University Press).
- Dayan, P. & Abbott, L.F. Theoretical Neuroscience (MIT Press, Cambridge, 2001).
- Gerstner, W. & Kistler, W. M. Spiking Neuron Models (Cambridge University Press, 2002).
- Izhikevich, E. Dynamical Systems in Neuroscience: The Geometry of Excitability and Bursting (MIT press 2006).
Quelques articles historiques en lien avec le cours:
- Sur le code neuronal: The problem of sensing and the neural coding of sensory events (Mountcastle 1967); Single units and sensation: a neuron doctrine for perceptual psychology? (Barlow 1972).
- L'article historique définissant le modèle "intègre-et-tire": Lapicque, L. Recherches quantitatives sur l'excitation électrique des nerfs traitée comme une polarisation. J Physiol Pathol Gen 9, 620-635 (1907).
- Quelques articles historiques (notamment ceux de Hodgkin et Huxley).
TPs: (Jonathan Platkiewicz: platkiew@di.ens.fr)
Les TPs utilisent le logiciel Brian (librairie Python).
- TP 1 (introduction à Python/Brian)
- TP 2 (accrochage de phase). Sons de clarinette: do, mi.
- TP 3 (modèle de Licklider).
- TP 4 (perceptron).
- TP 5 (processus de Poisson).
- TP 6 (coïncidences).
- TP 7 (localisation de sons).
- TP 8 (synfire chains).
|
Les casse-tête de papa! 
is there