retour à l'accueil Conseil scientifique
Qui était Vasco Sanz
QUI ÉTAIT VASCO SANZ
Conseil scientifique
Recherche & liens
VASCO SANZ FUND / FONDS VASCO SANZ
Accueil
home Devenez donateur
THOMAS BOLTON prix 2018
Qui sommes-nous?
Vers une caractérisation plus pertinente de l'activité cérébrale humaine: étude des interactions entre réseaux neuronaux / english publication Par le prisme de l'imagerie à résonance magnétique fonctionnelle (IRMf), le degré d'activation du cerveau peut être non invasivement quantifié dans le temps et dans l'espace. Afin de rendre cette cartographie des fonctions cérébrales toujours plus précise, les initiatives d'acquisition de données à grande échelle essaiment, et repoussent de plus en plus les limites de résolution spatio-temporelle [1]. En découle l'un des défis majeurs de l'IRMf moderne: comment dompter la taille grandissante des données tout en exploitant au mieux ce vivier d'information ? Comme solution, je propose de nous inspirer de la bio-informatique, où cette problématique est depuis longtemps une pierre angulaire. En particulier, les relations entre différents marqueurs épigénétiques et facteurs de transcription sur l'ADN y sont étudiées par le biais de modèles de Markov cachés couplés [2]. Dans mon travail [3], je translate ces concepts au monde de l'IRMf: je considère l'activité temporelle de réseaux neuronaux pré-établis par une méthodologie de pointe [4] (voir la figure ci-dessous pour quelques exemples), et je quantifie leurs interactions. Grâce à l'incorporation d'un terme de régularisation, seuls les couplages prédominants sont extraits, permettant la résolution du problème malgré sa très large dimensionalité. De plus, les métriques obtenues caractérisent la directionnalité des interactions, une information généralement perdue lors de l'usage d'outils computationnels plus traditionnels. Cela permet de poser les premiers jalons d'hypothèses de recherche novatrices: par exemple, il devient possible de décrypter l'influence qu'exercent les réseaux attentionnels sur les systèmes somato-moteurs, et de relier ce phénomène à des mesures de vigilance. L'espoir m'habite que dans les années à venir, cet outil analytique sophistiqué permettra de découvrir de nouvelles facettes des maladies neuro-dégénératives ou neuro-développementales. lire l'interview read the interview CI-CONTRE: Illustration de la technique de modèles de Markov cachés couplés, dans laquelle les interactions entre différents réseaux neuronaux (visibles en haut à gauche de l'image),schématisées par des flèches de couleur (rouge: modulation positive; bleu: modulation négative), sont quantifiées au sein d'une population de sujets (résultant en un ensemble de relations directionnelles, comme représenté en bas à droite). [ 1] Van Essen, D. C., Smith, S. M., Barch, D. M., Behrens, T. E., Yacoub, E., Ugurbil, K.,& Wu-Minn HCP Consortium. (2013). The WU-Minn human connectome project: an overview. Neuroimage, 80, 62-79. [2] Choi, H., Fermin, D., Nesvizhskii, A. I., Ghosh, D., & Qin, Z. S. (2013). Sparselycorrelated hidden Markov models with application to genome-wide location studies. Bioinformatics, 29(5), 533-541. [3] Bolton, T. A., Tarun, A., Sterpenich, V., Schwartz, S., & Van De Ville, D. (2018). Interactions between large-scale functional brain networks are captured by sparsecoupled HMMs. IEEE transactions on medical imaging, 37(1), 230-240. [4] Karahanoğlu, F. I., & Van De Ville, D. (2015). Transient brain activity disentanglesfMRI resting-state dynamics in terms of spatially and temporally overlapping networks. Nature communications, 6, 7751.
Conseil scientifique Prix Lauréate 2010 lauréat 2011 Lauréat 2012 Lauréat 2013 Lauréat 2014Newsletter & Contact