Aller au contenu principal
x

Dynamique du système auditif et perception multisensorielle

BRICE BATHELLIER

DYNAMIQUE DU SYSTÈME AUDITIF ET PERCEPTION MULTISENSORIELLE

L’équipe de Brice Bathellier étudie les principes computationnels du traitement de l’information auditive et multisensorielle.

Pour ce faire, elle combine des techniques avancées d’analyse et de modélisation à un large éventail d’approches expérimentales, notamment l’imagerie du calcium à deux photons, l’électrophysiologie multicanaux, l’optogénétique et l’analyse des comportementale de la perception auditive. Les principaux projets de l’équipe incluent le décodage à grande échelle des représentations sonores dans le système auditif murin, le développement de méthodes optogénétiques pour générer des perceptions auditives par une activation ciblée des réseaux neuronaux centraux, et l’exploration du rôle perceptuel des connections neuronales entre les aires cérébrales traitant différentes modalités sensorielles.

MEMBRES DE L'ÉQUIPE

Brice BATHELLIER

Brice BATHELLIER

Jacques BOURG

Jacques BOURG

Sebastian CEBALLO

Sebastian CEBALLO

Anton FILIPCHUK

Anton FILIPCHUK

Evan HARREL

Evan HARREL

Sara JAMALI

Sara JAMALI

Anthony RENARD

Anthony RENARD

Joanna SCHWENKGRUP

Joanna SCHWENKGRUP

Khalil BERGAOUI

Khalil BERGAOUI

Stagiaire

LISTE DES PUBLICATIONS MARQUANTES

Ceballo S., Piwkowska Z., Bourg J., Daret A., Bathellier B., (2019) Targeted Cortical Manipulation of Auditory Perception. Neuron (accepted)

Ceballo, S., Bourg, J., Kempf, A., Piwkowska, Z., Daret, A., Pinson, P., Deneux, T., Rumpel, S., and Bathellier, B. (2019). Cortical recruitment determines learning dynamics and strategy. Nat Commun 10, 1479.

Deneux, T., Kempf, A., Daret, A., Ponsot, E., and Bathellier, B. (2016). Temporal asymmetries in auditory coding and perception reflect multi-layered nonlinearities. Nat Commun 7, 12682.

Bathellier, B., Tee, S.P., Hrovat, C., and Rumpel, S. (2013). A multiplicative reinforcement learning model capturing learning dynamics and interindividual variability in mice. Proc Natl Acad Sci U S A 110, 19950-19955.

Bathellier, B., Ushakova, L., and Rumpel, S. (2012). Discrete neocortical dynamics predict behavioral categorization of sounds. Neuron 76, 435-449.

 

PROJETS

Opérations structurant la perception auditive

Le succès des réseaux d'apprentissage profond pour l'exécution de tâches perceptuelles complexes telles que la reconnaissance d'images ou de la parole a mis en évidence l'importance des opérations non-linéaires pour la construction de représentations invariantes des objets et signaux pertinents. Un projet en cours dans l’équipe vise à exploiter la puissance de l'imagerie biphotonique pour spécifier de manière détaillée les non-linéarités implémentées dans le système auditif. En combinaison avec des tâches comportementales, les chercheurs essaient d'identifier les opérations clés dans la formation de la perception sonore. Par exemple, ils ont récemment montré, dans le cortex auditif de souris, que des opérations non-linéaires permettaient de construire des représentations divergentes de variations opposées de l’intensité sonore, en accord avec la perception divergente de ces directions de variation chez l'homme.

 

Manipulation des représentations neuronales des sons

Au-delà du décryptage des modèles d’activité neuronale produits par la stimulation auditive, l’établissement de liens de causalité entre ces modèles et la perception constitue un défi majeur. Pour atteindre cet objectif, les chercheurs utilisent des méthodes de mise en forme de la lumière afin de générer des modèles d'activité dans le cortex et de tester si ces stimuli "auditifs" artificiels peuvent conduire à des comportements ou interférer avec les décisions perceptuelles.

 

Modèles d'apprentissage par renforcement pour des tâches de discrimination sensorielle

Les tâches de discrimination sensorielles sont essentielles pour comprendre comment les animaux perçoivent les stimuli externes. Mais de manière surprenante, chaque souris apprend ce type de tâche à son propre rythme et avec sa propre dynamique. L’équipe de Brice Bathellier a développé des modèles d'apprentissage par renforcement d'inspiration biologique, décrivant la manière dont les synapses transmettant l’information auditive aux centres de décision évoluent lors de l’association d’un son avec une décision comportementale. L'utilisation de ces modèles pour interpréter l’apprentissage de l’association d’un son à un comportement aide à comprendre quelles sont les causes de la variabilité interindividuelle face à l’apprentissage et aussi, quelles caractéristiques des représentations auditives ou, plus généralement sensorielles, sont importantes pour accélérer l’acquisition l’apprentissage.

 

Interactions multisensorielles dans le cortex

Le cortex est un vaste réseau de zones largement interconnectées, et le rôle de cette architecture récurrente est une question fondamentale pour la compréhension de la perception sensorielle. Des résultats récents montrent que les zones corticales dédiées aux modalités auditives ou visuelles sont fortement connectées. Les chercheurs ont commencé à caractériser avec précision les informations transmises par cette connexion et leur impact sur le traitement visuel. Ils ont montré, par exemple, que l’impact de cette connexion peut être négatif ou positif en fonction du contexte sensoriel : négatif dans l'obscurité lorsque la vision ne peut contribuer à expliciter les informations sonores et positif lorsqu’une information visuelle est disponible. Les chercheurs de l’équipe explorent aussi la manière dont les informations tactiles et olfactives sont combinées dans des circuits du cortex pour affiner et stabiliser la reconnaissance d'objet. Ils étudient aussi l’impact de ces deux modalités dans la perception auditive.

 

PUBLICATIONS DES MEMBRES DE L'ÉQUIPE

Ceballo S., Piwkowska Z., Bourg J., Daret A., Bathellier B., (2019) Targeted Cortical Manipulation of Auditory Perception, Neuron (Epub ahead of print)

Ceballo, S., Bourg, J., Kempf, A., Piwkowska, Z., Daret, A., Pinson, P., Deneux, T., Rumpel, S., and Bathellier, B. (2019). Cortical recruitment determines learning dynamics and strategy. Nat Commun 10, 1479.

Deneux, T., Harrell, E.R., Kempf, A., Ceballo, S., Filipchuk, A., and Bathellier, B. (2019). Context-dependent signaling of coincident auditory and visual events in primary visual cortex. Elife 8.

Kuchibhotla, K., and Bathellier, B. (2018). Neural encoding of sensory and behavioral complexity in the auditory cortex. Curr Opin Neurobiol 52, 65-71.

Roland, B., Deneux, T., Franks, K.M., Bathellier, B., and Fleischmann, A. (2017). Odor identity coding by distributed ensembles of neurons in the mouse olfactory cortex. Elife 6.

Deneux, T., Kempf, A., Daret, A., Ponsot, E., and Bathellier, B. (2016). Temporal asymmetries in auditory coding and perception reflect multi-layered nonlinearities. Nat Commun 7, 12682.

Fregnac, Y., and Bathellier, B. (2015). Cortical Correlates of Low-Level Perception: From Neural Circuits to Percepts. Neuron 88, 110-126.

Naud, R., Bathellier, B., and Gerstner, W. (2014). Spike-timing prediction in cortical neurons with active dendrites. Front Comput Neurosci 8, 90.

Bathellier, B., Tee, S.P., Hrovat, C., and Rumpel, S. (2013). A multiplicative reinforcement learning model capturing learning dynamics and interindividual variability in mice. Proc Natl Acad Sci U S A 110, 19950-19955.

Peter, M., Bathellier, B., Fontinha, B., Pliota, P., Haubensak, W., and Rumpel, S. (2013). Transgenic mouse models enabling photolabeling of individual neurons in vivo. PLoS One 8, e62132.

Moczulska, K.E., Tinter-Thiede, J., Peter, M., Ushakova, L., Wernle, T., Bathellier, B., and Rumpel, S. (2013). Dynamics of dendritic spines in the mouse auditory cortex during memory formation and memory recall. Proc Natl Acad Sci U S A 110, 18315-18320.

Bathellier, B., Ushakova, L., and Rumpel, S. (2012). Discrete neocortical dynamics predict behavioral categorization of sounds. Neuron 76, 435-449.

Bathellier, B., Steinmann, T., Barth, F.G., and Casas, J. (2012). Air motion sensing hairs of arthropods detect high frequencies at near-maximal mechanical efficiency. J R Soc Interface 9, 1131-1143.

Bathellier, B., Gschwend, O., and Carleton, A. (2010). Temporal Coding in Olfaction. In The Neurobiology of Olfaction, A. Menini, ed. (Boca Raton (FL)).

Bathellier, B., Margrie, T.W., and Larkum, M.E. (2009). Properties of piriform cortex pyramidal cell dendrites: implications for olfactory circuit design. J Neurosci 29, 12641-12652.

Bathellier, B., Buhl, D.L., Accolla, R., and Carleton, A. (2008). Dynamic ensemble odor coding in the mammalian olfactory bulb: sensory information at different timescales. Neuron 57, 586-598.

Bathellier, B., Carleton, A., and Gerstner, W. (2008). Gamma oscillations in a nonlinear regime: a minimal model approach using heterogeneous integrate-and-fire networks. Neural Comput 20, 2973-3002.

Lagier, S., Panzanelli, P., Russo, R.E., Nissant, A., Bathellier, B., Sassoe-Pognetto, M., Fritschy, J.M., and Lledo, P.M. (2007). GABAergic inhibition at dendrodendritic synapses tunes gamma oscillations in the olfactory bulb. Proc Natl Acad Sci U S A 104, 7259-7264.

Accolla, R., Bathellier, B., Petersen, C.C., and Carleton, A. (2007). Differential spatial representation of taste modalities in the rat gustatory cortex. J Neurosci 27, 1396-1404.

Bathellier, B., Van De Ville, D., Blu, T., Unser, M., and Carleton, A. (2007). Wavelet-based multi-resolution statistics for optical imaging signals: Application to automated detection of odour activated glomeruli in the mouse olfactory bulb. Neuroimage 34, 1020-1035.

Bathellier, B., Lagier, S., Faure, P., and Lledo, P.M. (2006). Circuit properties generating gamma oscillations in a network model of the olfactory bulb. J Neurophysiol 95, 2678-2691.

Bathellier, B., Barth, F.G., Albert, J.T., and Humphrey, J.A. (2005). Viscosity-mediated motion coupling between pairs of trichobothria on the leg of the spider Cupiennius salei. J Comp Physiol A Neuroethol Sens Neural Behav Physiol 191, 733-746.