Informations

Amplitude des signaux neuronaux


Quelqu'un peut-il m'expliquer s'il existe une différence d'amplitude des signaux entre l'enregistrement extracellulaire et l'enregistrement intracellulaire. Je sais que l'amplitude des signaux neuronaux lorsqu'un potentiel d'action se produit est de -70 mV à 45 mV pour l'enregistrement intracellulaire. Les mêmes résultats sont pour l'enregistrement extracellulaire ? Quelqu'un peut-il m'aider ?

Aussi, j'ai lu un article qui fait référence à :

Les signaux neuronaux issus de l'enregistrement extracellulaire sont très faibles (typiquement entre 10 µV et 500 µV). En conséquence, une amplification est nécessaire avant que de tels signaux puissent être traités davantage."

Ma question est donc pourquoi les signaux neuronaux sont si faibles (peut-être l'auteur quand il dit que 10μV fait référence à l'amplitude) quand on sait qu'un potentiel d'action a une amplitude d'environ 75mV (-70mV à 45mV) ?


Ces tensions font référence à la différence entre l'intérieur et l'extérieur de la cellule (c'est-à-dire que -70 mV signifie que la cellule est 70 mV plus négative que l'extérieur).

Vous ne pouvez pas mesurer cette différence potentielle de l'extérieur d'une cellule. Lorsque vous effectuez un enregistrement extracellulaire, vous mesurez les différences spatiales dans les concentrations d'ions qui se produisent en raison des ions entrant et sortant des cellules. Par exemple, lorsqu'une cellule déclenche un potentiel d'action, de nombreux ions positifs affluent dans la cellule ; cela rend la zone juste autour de la cellule légèrement plus négatif qu'une zone plus éloignée. L'amplitude de ce potentiel tel que mesuré dépend grandement de votre configuration d'enregistrement, du type de signal que vous enregistrez (c'est-à-dire de l'activité de la population ou d'une seule cellule ; courants synaptiques par rapport aux potentiels d'action), de la proximité de votre électrode avec le signal que vous enregistrez , et où se trouve votre masse (ou la position de vos deux électrodes si vous effectuez un enregistrement bipolaire).

Bien que cela varie, dans la plupart des cas, les signaux que vous enregistrez de manière extracellulaire sont de l'ordre de quelques microvolts à quelques millivolts.


Homme vs machine : comparaison des réseaux de neurones artificiels et biologiques

La capacité d'apprendre est considérée comme l'une des caractéristiques de la vie intelligente. L'apprentissage automatique a désormais la capacité d'apprendre et d'extrapoler à partir d'ensembles de données pour accomplir des tâches sophistiquées telles que la classification de phénomènes auparavant inconnus.

Il existe à la fois des similitudes surprenantes et des différences importantes dans la façon dont les machines apprennent par rapport aux humains. En comparant et en contrastant l'apprentissage biologique à l'intelligence artificielle, nous pouvons construire une infrastructure plus sécurisée.


Mesurer les capacités humaines : un programme de recherche fondamentale sur l'évaluation du potentiel de performance individuelle et de groupe pour l'adhésion militaire (2015)

Le système nerveux humain comprend deux classes de cellules : les neurones et la glie. De la recherche à ce jour, on pense que les signaux au sein du réseau de neurones constituent l'ensemble du traitement de l'information qui aboutit au comportement, tandis que le rôle des cellules gliales est de fournir un soutien physiologique aux neurones. Cette doctrine neuronale domine la recherche sur les technologies de surveillance directe.

Les neurones se composent de quatre parties : l'axone, les dendrites, le corps cellulaire ou soma et les terminaisons présynaptiques (voir la figure D-1). L'information électrique est transmise au neurone par les dendrites, traverse le corps cellulaire et quitte la cellule par l'axone au niveau d'une ou plusieurs terminaisons présynaptiques. Les neurones ont un axone et de un à plusieurs dizaines de milliers de dendrites. Les détails de la façon dont les potentiels d'action (les signaux électriques) traversent la cellule ou sont transmis à travers les synapses peuvent être influencés par des changements biochimiques, qui peuvent à leur tour être influencés par des changements environnementaux ou la présence de substances externes (pharmacologiques).

Dans ces réseaux bioélectriques, les ions sodium, potassium et chlore traversent les membranes cellulaires perpendiculairement à la propagation du potentiel d'action dans l'axone. Cette signalisation électrique permet à l'information d'être transmise plus rapidement que les ions ne pourraient s'écouler dans l'axone. La propagation de l'information est similaire à l'onde se déplaçant le long d'une corde

FIGURE D-1 Un neurone vertébré typique. &ldquoLes flèches indiquent le sens dans lequel les signaux sont transmis. L'axone unique conduit les signaux loin du corps cellulaire, tandis que les multiples dendrites reçoivent des signaux des axones d'autres neurones. Les terminaisons nerveuses se terminent sur les dendrites ou le corps cellulaire d'autres neurones ou sur d'autres types de cellules, telles que les cellules musculaires ou glandulaires (Alberts et al., 2002, p. 638). Le signal d'intérêt principal pour surveiller l'activité électrique d'un neurone est la décharge axonale (voyage du potentiel d'action du corps aux terminaisons axonales).
SOURCE : Alberts, B. (2002). Biologie moléculaire de la cellule. New York : Garland Science. Reproduit avec la permission transmise par le Copyright Clearance Center.

lorsqu'une extrémité de la corde est déplacée d'un côté à l'autre rapidement avec une force suffisante. Bien que l'onde se déplace jusqu'à l'autre extrémité du câble, toute partie de la structure du câble ne s'est déplacée (nominalement) que perpendiculairement à la direction de propagation de l'onde. De la même manière, les ions circulent dans les canaux à travers la membrane cellulaire de l'axone, modifiant le potentiel membranaire local et propageant ainsi le signal électrique le long de l'axone.

La transmission du signal dans l'axone d'un neurone est un processus tout ou rien. Lorsque le corps cellulaire est stimulé au-dessus de son seuil, l'axone transmet le même potentiel d'action à la même vitesse et dans le même sens, quelle que soit l'étendue au-dessus du seuil ou la durée du stimulus.

Les potentiels d'action ont des durées de 1 à 10 ms. Les signaux d'entrée peuvent entraîner la transmission de multiples potentiels d'action, et donc la fréquence et le nombre de décharges neuronales varient avec l'entrée. Les neurones ont besoin d'un certain temps pour se réinitialiser entre les tirs, ce qui correspond nominalement à la durée de l'impulsion pour cet axone. Une cadence de tir maximale typique est comprise entre 100 Hz et 1

kHz. 1 La durée du potentiel d'action et la vitesse de conduction sont des propriétés du diamètre de l'axone et de la myélinisation de l'axone.

Le cerveau humain ne traite pas l'information comme le fait un ordinateur numérique traditionnel. L'information est déplacée par des voies, et au niveau de certains neurones, il est permis ou non de transmettre ce neurone en fonction de signaux dendritiques excitateurs ou inhibiteurs arrivant avant le déclenchement des potentiels d'action dans ce neurone. Des groupes locaux de neurones peuvent agir de manière presque cohérente, comme par exemple lors d'une action motrice comme un mouvement de la main. La détection d'un tel tir cohérent au niveau des nœuds autour du cerveau est robuste à la fois de manière non invasive et invasive, bien que les techniques non invasives ne puissent actuellement pas résoudre les séquences de tir de neurones individuels au sein de tels groupes. Par exemple, un signal d'électroencéphalographie de surface (EEG) nécessite le déclenchement cohérent de dizaines de milliers de neurones, tandis que la détection électrique d'un seul déclenchement neuronal nécessite qu'une sonde de mesure soit placée à proximité du neurone d'intérêt, de sorte que la sonde soit plus proche de ce neurone qu'à tout autre neurone adjacent. Cela nécessite évidemment une ouverture ou une pénétration mécanique du crâne, ce qui est en dehors des paramètres d'application pour une évaluation généralisée. Ainsi, cette limitation du caractère non invasif empêche la mesure (détection) des décharges de neurones individuels.

Les neurones vivants dans un tissu actif sont toujours actifs à un niveau minimal, s'activant même à l'état "quoresting". Des changements importants dans les oscillations locales de potentiel de champ impliquent que plusieurs neurones sont actifs. Il s'agit du signal de base observé dans les techniques de mesure directe non invasive de l'EEG et de la magnétoencéphalographie (MEG).

L'activité cérébrale à l'état de repos est un domaine de recherche fondamentale actuelle. Les modèles globaux d'activation enregistrés dans ces conditions de &ldquobaseline signal&rdquo présentent un comportement coordonné lorsqu'ils sont mesurés avec l'imagerie par résonance magnétique fonctionnelle (IRMf voir ci-dessous et Barkhof et al., 2014, pour plus de détails sur l'IRMf). Des pathologies ou des traits individuels pourraient éventuellement être indiqués par des modèles de connectivité modifiés.

L'activité cérébrale intentionnelle conduit à des schémas d'activation différents de ceux de l'état de repos. Un mouvement aussi simple qu'un clignement d'œil implique la communication de signaux à travers un million de neurones. La détection des décharges individuelles de neurones individuels est un processus difficile car les signaux sont faibles au départ et ne sont pas isolés du reste de l'activité électrique dans le cerveau. De grands groupes de neurones cohérents, peut-être quelques milliers à

1 Un hertz correspond à un cycle (de déclenchement) par seconde, donc un taux de déclenchement maximal de 100 Hz, par exemple, signifierait que le neurone peut se déclencher jusqu'à 100 fois par seconde. Une cadence de tir de 1 kHz signifierait 1 000 potentiels d'action par seconde.

des dizaines de milliers de tirs simultanés en relation avec un événement extérieur sont les signaux de tir les plus étudiés. 2

La discussion précédente est une version grandement simplifiée de la dynamique électrique de la décharge neuronale. Par exemple, il n'inclut pas les différences entre les signaux axonaux et dendritiques ou la transmission de signaux à travers une synapse. Des discussions complètes sur les signaux électriques sous-jacents dans le système nerveux sont fournies par Huettel et ses collègues (2004) et Kandel et ses collègues (2000).

Signaux neuronaux indirects et utilisation de l'énergie mdash

L'activité cérébrale mentionnée ci-dessus est une chaîne complexe de mouvements ioniques au sein du système nerveux central. Le mouvement des ions à l'intérieur et entre les cellules lorsque les canaux ioniques sont activés consomme de l'énergie. Reconstituer l'approvisionnement énergétique des cellules du cerveau nécessite la conversion de l'oxyhémoglobine véhiculée par le sang en désoxyhémoglobine. Le taux de consommation d'oxygène dans un volume localisé varie en fonction de l'activité neuronale locale. Le système circulatoire compense les variations de la demande énergétique en augmentant ou en diminuant à la fois le débit et le volume de sang, au niveau régional et local. La demande énergétique locale, exprimée dans les lits capillaires, modifiera la vitesse à laquelle l'oxygène est métabolisé, appelée vitesse cérébrale du métabolisme de l'oxygène, abrégé en CMRO2. Lorsque l'activité cérébrale augmente dans une région, la réponse circulatoire, appelée réponse hémodynamique, augmentera en débit et en volume, tandis que les zones locales augmenteront le CMRO2.

La réponse hémodynamique fournit systématiquement un excès d'oxygène par rapport à ce qui est requis, ce qui entraîne un déplacement de l'oxyhémoglobine à travers le lit capillaire et la structure veineuse locale sans être convertie en désoxyhémoglobine. L'oxyhémoglobine et la désoxyhémoglobine ont des susceptibilités magnétiques différentes et des spectres infrarouges différents. La réponse hémodynamique, en modifiant le rapport net de l'oxyhémoglobine à la désoxyhémoglobine dans la structure veineuse locale, modifie ainsi la susceptibilité magnétique locale et les spectres de résonance infrarouge locaux autour de l'activité cérébrale focalisée. Cette réaction en chaîne complexe est appelée effet Blood Oxygen Level Dependent (BOLD) (Ogawa et al., 1992). L'effet BOLD conduit à une méthode pour mesurer indirectement l'activité cérébrale locale en surveillant la réponse hémodynamique en utilisant l'imagerie par résonance magnétique (IRM) ou la spectroscopie proche infrarouge (NIRS).

La réponse BOLD est un marqueur de l'énergie utilisée localement par le déclenchement cohérent d'un grand nombre de neurones. La réponse BOLD à tout événement culmine environ 4 à 6 secondes après l'événement, limitant les applications

2 &ldquoSignal de déclenchement unique&rdquo signifie ici un seul pic d'activité électrique combinée par rapport à un événement. Ce n'est pas nécessairement la même chose que les décharges uniques de chaque neurone contribuant au pic.

pour lesquels la surveillance de ces signaux et de leur retard associé peut être utile. De plus, la variation de personne à personne des signaux distribués montre des différences significatives dans les régions activées (Hancock et Szalma, 2008), bien qu'il existe des preuves que ces variations intersujets sont stables dans le temps pour les mêmes sujets (Miller et al., 2002). Pour une utilisation dans un processus de sélection, le signal d'activité cérébrale via BOLD fMRI chez un individu devrait s'avérer robuste et fiable par rapport à la gamme de conditions environnementales (par exemple, les variations de la température ambiante) généralement rencontrées lors de l'évaluation.

Il existe quatre technologies de mesure non invasives actuellement largement utilisées pour surveiller l'activité cérébrale. Les deux technologies de mesure directe sont l'EEG, qui détecte principalement les courants de surface à partir des changements de tension relative au niveau ou juste en dessous du cuir chevelu, et le MEG, qui détecte les champs magnétiques proches du cuir chevelu associés au courant de la voie neurale dans tout le cerveau, mais principalement parallèles à la surface proche. et le flux de courant perpendiculaire. Les deux technologies restantes sont des mesures indirectes qui surveillent la réponse BOLD soit par des successions rapides d'IRM du cerveau entier (en utilisant l'IRMf) ou avec NIRS. 3 Le but de cette section est d'expliquer les capacités et les limites de la technologie actuellement disponible, démontrant ainsi la faisabilité des possibilités à court terme d'appliquer les neurosciences dans les adhésions d'enrôlement ainsi que les progrès nécessaires pour que les neurosciences contribuent à des résultats précis, efficaces et de masse. évaluations administrables.

La principale technologie utilisée pour modéliser l'activité électrique du cerveau est également la plus ancienne. L'EEG a été décrit pour la première fois en 1929 (Berger, 1929) et existe maintenant sous plusieurs formes dérivées. L'EEG traditionnel utilise des électrodes à la surface du cuir chevelu pour mesurer et amplifier les différences de potentiel électrique entre les points situés au-dessus de la surface corticale et une référence fixe, telle que la lecture moyenne des lobes de l'oreille. L'activité neuronale est fondamentalement un mouvement ionique en solution. Les neurones qui déclenchent produisent le courant primaire, tandis que le mouvement induit des particules chargées à l'extérieur du neurone est regroupé sous forme de courants volumiques. Une technologie non invasive ne peut mesurer que

3 Le NIRS est parfois appelé NIRS fonctionnel ou fNIRS. La NIRS utilisant plusieurs sources pour produire des images tridimensionnelles des changements internes du flux sanguin est parfois appelée tomographie optique diffuse. Cependant, la « tomographie optique diffuse » est un terme technologique plus général qui peut également désigner des méthodes telles que l'utilisation d'une excitation laser à lumière visible des tissus et l'imagerie à très haute résolution des vaisseaux sanguins internes (de l'intérieur du vaisseau).

l'effet net des courants primaires plus volumiques à la surface du cuir chevelu. En EEG, l'orientation des courants primaires n'est pas détectable.

Les données EEG traditionnelles sont analysées en décomposant le spectre des fréquences combinées en plusieurs bandes comprises entre 0,5 et 100 Hz. Une forme dérivée d'EEG développée à la fin des années 1930 est appelée potentiels évoqués, ou EP. En EP, les données du cuir chevelu sont moyennées sur plusieurs électrodes verrouillées dans le temps à un stimulus (Davis, 1939). Similaires à EP sont les potentiels liés aux événements, qui sont mesurés de la même manière mais pas moyennés comme les signaux EP. Ces deux méthodes enregistrent l'activité électrique cumulée de nominalement 50 000 neurones locaux. Ainsi, une grande activité de dopage de groupe cohérent 4 est requise pour produire un signal appréciable.

Les technologies EEG actuelles sont suffisamment rapides pour capturer les signaux d'intérêt, ce qui en fait une mesure viable pour la recherche sur les performances ainsi que pour une utilisation dans les sélections directes. Par exemple, si une technologie future telle que les antennes multiéléments à haute impédance permet la localisation d'un enregistrement EEG discret par plusieurs personnes, il est peu probable que les mesures soient plus précises que les capacités actuelles d'un EEG via des électrodes de scalp. Par conséquent, mener des recherches sur les candidats ASVAB/TAPAS 5 en utilisant les capacités EEG actuellement disponibles indiquerait si les investissements pour développer une technologie pour une administration de masse discrète devraient donner lieu à une capacité d'évaluation des performances ou de sélections directes.

Les expériences MEG reposent sur la détection de champs magnétiques extrêmement petits produits par les courants neuronaux variant dans le temps dans l'activité cérébrale. Certaines informations de direction sont disponibles à partir des enregistrements MEG et séparent principalement les courants primaires circulant perpendiculairement au cuir chevelu du courant circulant parallèlement à la surface.

Les intensités du signal sont mesurées en centaines de femtoteslas. 6 Les signaux typiques sont environ 100 millions de fois plus faibles que le champ magnétique statique terrestre, les mesures sont donc effectuées dans des chambres bien isolées. Seuls les magnétomètres supraconducteurs à dispositifs d'interférence quantique (SQUID) peuvent détecter de tels signaux, et ces dispositifs et donc l'appareil sensoriel nécessitent un refroidissement à l'hélium liquide. Par conséquent, les enregistrements MEG ne sont pas envisagés pour être pratiques en dehors du laboratoire dans un proche avenir. Cependant, le

4 L'activité de pointe est le terme utilisé pour la reconnaissance des potentiels d'action. Les pointes sont rapides et faciles à reconnaître avec les circuits de déclenchement électroniques, tandis que les formes d'onde plus complexes nécessitent un traitement supplémentaire.

5 L'ASVAB est la batterie d'aptitudes professionnelles des services armés le TAPAS est le système d'évaluation de la personnalité adaptative sur mesure. Les deux sont examinés au chapitre 1 de ce rapport.

6 Une femtotesla (fT) équivaut à 10 &ndash15 tesla. Le tesla (T) est l'unité métrique de densité de flux magnétique, égale à un weber de flux magnétique par mètre carré.

les fréquences de champ sont définies et, théoriquement, avec la future technologie pour détecter les champs à l'échelle femtotesla et fournir une protection contre le bruit de flux magnétique de l'environnement, les enregistrements MEG pourraient être possibles dans les paramètres d'évaluation.

La principale promesse de MEG, que ce soit en laboratoire pour une utilisation dans la recherche fondamentale ou dans des évaluations du monde réel, est sa haute résolution temporelle et sa bonne résolution spatiale, en particulier lorsqu'elle est combinée avec des informations EEG. Une résolution temporelle multimodale de l'ordre de la milliseconde peut être combinée à une résolution spatiale de l'ordre du millimètre voire plus fine. Bien sûr, les méthodes détaillées pour combiner les mesures EEG et MEG sont un défi majeur dans la recherche actuelle, les acquisitions et les analyses se font séparément. Les analyses sont effectuées en utilisant soit des approches traditionnelles d'analyse de puissance de fréquence, soit en verrouillant un signal moyen au début d'un signal d'événement pour rechercher un pic d'activité localisé lié à l'événement (similaire à la méthode des potentiels liés à l'événement utilisée pour les données EEG uniquement) .

L'IRM fonctionne par simple excitation et relaxation de l'état de spin des protons dans les noyaux des atomes d'hydrogène. Lorsque des molécules contenant de l'hydrogène sont placées dans un champ magnétique statique puissant, un nombre faible mais détectable de protons d'hydrogène alignent leurs spins intrinsèques le long de la direction de ce champ externe.Une impulsion de radiofréquence (RF) appliquée proche de la fréquence de résonance des protons d'hydrogène, 42,6 MHz/tesla ou 128 MHz à 3 tesla, fait tomber les spins perpendiculairement au champ externe, et leur relaxation vers l'état fondamental libère de l'énergie RF selon des motifs qui peuvent être reconstruits pour montrer à la fois la composition et la distribution de tout matériau riche en hydrogène. La fréquence de résonance est une fonction directe du champ magnétique local, défini par la relation de Larmor : &omega = &gamma B, où &omega est la fréquence de précession, B est le champ magnétique local, et &gamma est une constante du matériau (42,6 MHz /tesla pour les protons nus, comme mentionné ci-dessus).

De petites perturbations du champ statique modifieront la fréquence de résonance. En appliquant un petit gradient au champ statique&mdashpar exemple, 20 millitesla/mètre le long du z-axis&mdashand limitant la bande passante du signal d'excitation RF à dw, on peut sélectionner une tranche de cerveau perpendiculaire à la z-axe d'excitation à dz. Un changement dans le champ de gradient changera la position de la tranche excitée pour la prochaine excitation. Des gradients similaires dans le X- et oui-les directions peuvent limiter l'excitation à un seul petit volume de tissu cérébral. Dans les instruments d'IRM actuels, ces champs de gradient sont produits avec des électro-aimants et la série de manipulations de gradient d'imagerie en fonction du temps est appelée le séquence de balayage.

Un atome d'hydrogène libre (H) produirait un signal résonant légèrement

différent du signal d'un proton nu, en raison des changements de champ locaux induits par son électron de valence. Gaz hydrogène (H2) produirait une fréquence encore différente puisque le champ local autour de chaque proton est altéré par les deux électrons partagés. Molécules d'eau (H2O) contiennent deux atomes d'hydrogène et un "blindage électronique" entièrement différent de celui de H ou de H2 et possèdent ainsi une autre fréquence de résonance, légèrement différente. Les graisses et autres molécules lipidiques, qui sont des éléments constitutifs importants de la structure cellulaire, ont de longues chaînes d'hydrocarbures, et l'ensemble résultant du criblage électronique produit un large pic dont la fréquence est considérablement décalée par rapport à celle de l'eau. 7

La matière grise et la matière blanche du cerveau ont un contenu lipidique macroscopique différent et peuvent donc être différenciées en IRM. Différents signaux apparaissent également dans les os, le liquide céphalo-rachidien et les structures tissulaires internes de divers autres organes. Contrairement aux technologies basées sur les rayons X, les analyses IRM peuvent être optimisées pour contraster l'un des nombreux aspects du signal physique, tels que la densité totale de protons, la teneur en eau, la teneur en lipides et même le mouvement des particules dans des techniques avancées impliquant la diffusion ou le marquage de spin. En utilisant de telles séquences de balayage, qui prennent plusieurs minutes, on peut construire des images à très haute résolution de la structure de la matière grise et blanche pour comparaison avec, et également mappage sur, un modèle "cerveau standard" pour détecter les différences individuelles. Ceci est important pour l'évaluation du potentiel de performance car différentes tailles de structure ont été liées à différents comportements et capacités. Par exemple, un volume hippocampique plus important a été lié à la capacité de mémoire visuospatiale des chauffeurs de taxi des grandes villes (Maguire et al., 2006) et un volume réduit du cortex préfrontal médian a été lié à la schizophrénie (Mathew et al., 2014). De plus, des modèles sont en cours de développement pour expliquer ces différences dans la structure du cerveau, mais pour les besoins de cette étude, les corrélations entre la structure et le comportement pourraient être importantes pour la sélection.

Une série de séquences de balayage rapide, collectant généralement un volume cérébral entier à une résolution de 3 mm 3 en 2 secondes, qui sont calibrées pour optimiser la détection du signal BOLD montrera la dynamique du fonctionnement du cerveau dans les conditions internes ou appliquées spécifiques au moment de l'analyse, c'est ce qu'on appelle une IRM fonctionnelle, ou simplement une IRMf. 8 Les principaux avantages de l'IRMf sont une résolution spatiale tridimensionnelle inégalée par rapport

7 Les sensibilités de détection de fréquence en IRM sont très bonnes, et "substantiel" signifie ici environ 3 parties par million. Les décalages de fréquence provoqués par les gradients d'imagerie se situent dans les parties pour mille.

8 Plus précisément, il s'agit de l'imagerie écho-planaire T2*, également appelée BOLD EPI, Gradient Echo EPI ou BOLD fMRI. Cette approche est utilisée dans plus de 90 % des études fonctionnelles publiées, bien qu'il existe des techniques plus avancées qui se concentrent sur des portions plus petites du signal hémodynamique. Par exemple, Spin-Echo EPI fournira une localisation plus élevée au sein de la matière grise mais au prix d'une perte de 90 pour cent de l'amplitude du signal.

à d'autres méthodes d'imagerie non invasives et à une pénétration complète du crâne, ce qui en fait la seule modalité d'imagerie à détecter sans ambiguïté les activations limbiques importantes pour déterminer les états neuropsychologiques chargés d'émotion.

Une perspective à long terme, probablement dans les 20 à 40 ans, est que la technologie combinée d'IRM à faible champ et de MEG pourrait détecter les décharges neuronales profondément dans le cerveau et avec une précision temporelle élevée. Les expériences initiales indiquent un certain niveau de faisabilité, mais des travaux de développement substantiels sont nécessaires dans les dispositifs de détection de champ magnétique à température ambiante et à faible champ, tels que les magnétomètres atomiques, et dans les algorithmes de traitement du signal pour passer au crible le fond électromagnétique substantiel (Kraus et al. , 2008 McDermott et al., 2004). On pense que ces futurs dispositifs, ainsi que ceux qui pourraient modifier les noyaux atomiques observés par IRM en noyaux de sodium, de calcium, de potassium ou d'un autre élément avec un moment magnétique différent de zéro, pourraient être utilisés par des techniciens peu formés, à la manière des médecins de l'armée. sont formés pour faire fonctionner des équipements d'imagerie médicale pour des applications limitées, ou les assistants de recherche sont formés pour acquérir des données EEG à partir de sujets dans un centre de sommeil. Les utilisations futures de l'IRM et de l'IRMf incluent la mesure des traits de personnalité des Big Five et d'autres méta-traits, qui pourraient s'étendre sur les recherches actuelles pour évaluer la performance des tâches doubles et multiples avec l'IRMf. Si cette recherche identifie des schémas cérébraux indicatifs de la capacité de performance, alors ces tests et réponses pourraient ensuite être utilisés dans les processus d'évaluation.

NIRS est une technologie supplémentaire pour surveiller l'effet BOLD de manière non invasive. Le signal NIRS est en corrélation avec l'activité & gamma localisée. (Les mesures EEG divisent généralement les fréquences de décharge neuronale en spectres et la puissance relative en cinq bandes&mdash0-4 Hz [&bande delta], 4-8 Hz [&bande thêta], 8-13 Hz [&bande alpha], 13-30 Hz [&beta bande], et 30-100 Hz [&bande gamma]&mdashare calculé. L'activité &gamma localisée fait référence à une augmentation du signal dans la bande EEG &gamma.) Des études ont montré que le NIRS est bien corrélé avec le signal IRMf dans les modèles animaux, bien qu'avec une couverture réduite et résolution inférieure (Chen et al., 2003). Cette résolution réduite affecte grandement la reproductibilité de la technique. Une étude récente impliquant la lecture d'une décision de préférence d'un sujet dans des essais uniques n'a atteint qu'une précision de 80 pour cent (Luu et Chau, 2009). Le NIRS mesure les réponses BOLD près de la surface, de sorte que tout ce que l'IRMf peut mesurer et qui se produit dans le cortex frontal ou dans d'autres régions proches du cuir chevelu peut être détecté actuellement en utilisant le NIRS pour moins de frais que ceux associés aux tests IRMf.

Sonographie Doppler transcrânienne

L'échographie Doppler transcrânienne mesure l'augmentation du flux sanguin par le biais de la vasodilatation induite par le dioxyde de carbone. Il a été démontré que le niveau de dioxyde de carbone, qui est un sous-produit d'un métabolisme accru localisé et également une mesure indirecte de l'activité neuronale, est en corrélation avec le niveau de vigilance d'un sujet (Warm et al., 2008).

Les mesures impliquant les fixations oculaires, le temps de séjour (durée temporelle d'une fixation) et les changements pupillaires sont des mesures bien établies de la charge de travail dans les tâches de recherche visuelle (Backs et Walrath, 1992). Des mesures supplémentaires des changements oculaires incluent la fréquence des clignements, la durée des clignements, la latence des clignements et les mouvements oculaires. De plus, les fixations comprennent de petites variations à haute fréquence de la position des yeux qui sont modifiées par l'attention (Steinman et al., 1973). Ceux-ci sont enregistrés à l'aide de l'un des différents types de dispositifs de suivi oculaire ou d'électrodes pour mesurer un électrooculogramme. Les données de suivi oculaire incluent la position d'une fixation et l'heure de chaque mouvement oculaire (ou saccade), alors qu'un électrooculogramme n'identifie que l'heure à laquelle le muscle contrôlant les clignements des yeux ou la position des yeux a été activé.

Le taux de clignement spontané des yeux (SBR) est corrélé à l'activité de la dopamine dans le cerveau (Blin et al., 1990 Dreisbach et al., 2005) et peut donc être utilisé comme mesure objective indirecte de la variance du stress. Le SBR est un biomarqueur idéal pour le stress, car les changements dans l'activité de la dopamine peuvent être indirectement suivis par un enregistrement vidéo des yeux individuels. L'analyse d'image avancée peut effectuer une reconnaissance faciale basée sur des captures vidéo naturalistes, et la surveillance oculaire automatisée peut calculer le SBR (Jiang et al., 2013). Par conséquent, il est probable qu'une technique robuste puisse être développée pour déterminer le SBR à partir d'un enregistrement vidéo naturaliste.

Le principal glucocorticoïde humain à surveiller est le cortisol. Elle peut être mesurée dans des échantillons de sang, de salive ou d'urine (McWhinney et al., 2010).

Alberts, B., A. Johnson, J. Lewis, M. Raff, K. Roberts et P. Walter. (2002). Biologie moléculaire de la cellule. (4e éd.) New York : Garland Science.

Backs, R.W. et L.C. Walrath. (1992). Indices de mouvement oculaire et de réponse pupillaire de la charge de travail mentale lors de la recherche visuelle d'affichages symboliques. Ergonomie appliquée, 23(4) : 243&ndash254.

Barkhof, F., S. Haller et S.A. Rombouts. (2014). Imagerie IRM fonctionnelle au repos : une nouvelle fenêtre sur le cerveau. Radiologie, 272(1):29&ndash49.

Berger, H. (1929). Über das elektrenkephalogramm des menschen. Archiv fur Psychiatrie und Nervenkrankheiten, 87(1) : 527&ndash580.

Blin, O., G. Masson, J.P. Azulay, J. Fondarai et G. Serratrice. (1990). Clignotement et bâillement induits par l'apomorphine chez des volontaires sains. Journal britannique de pharmacologie clinique, 30(5) : 769&ndash773.

Chen, Y., X. Intes, D.R. Tailleur, R.R. Regatte, H. Ma, V. Ntziachristos, J.S. Leigh, R. Reddy et B. Chance. (2003). Sonder l'oxygénation du cerveau du rat avec la spectroscopie proche infrarouge (NIRS) et l'imagerie par résonance magnétique (IRM). Avancées en médecine expérimentale et biologie, 510 :199&ndash204.

Davis, P. (1939). Effets des stimuli acoustiques sur le cerveau humain éveillé. Journal de neurophysiologie, 2:494&ndash499.

Dreisbach, G., J. Muller, T. Goschke, A. Strobel, K. Schulze, K.P. Lesch et B. Brocke. (2005). Dopamine et contrôle cognitif : L'influence du taux de clignement des yeux spontané et des polymorphismes du gène de la dopamine sur la persévérance et la distractibilité. Neurosciences comportementales, 119(2) : 483&ndash490.

Hancock, P.A., et J.L. Szalma. (2008). Performance sous stress. Aldershot, Angleterre Burlington, Vermont : Ashgate.

Huettel, S.A., A.W. Song, et G. McCarthy. (2004). Imagerie par résonance magnétique fonctionnelle. Sunderland, MA : Sinauer Associates.

Jiang, X., G. Tien, D. Huang, B. Zheng et M.S. Atkins. (2013). Capturer et évaluer les clignements des eyetrackers vidéo. Méthodes de recherche sur le comportement, 45(3) : 656&ndash663.

Kandel, E.R., J.H. Schwartz et T.M. Jessel. (2000). Principes de la science neuronale (4e éd.). New York : McGraw-Hill, Division des professions de la santé.

Kraus, R.H., Jr., P. Volegov, A. Matlachov et M. Espy. (2008). Vers une imagerie à courant neuronal direct par des mécanismes résonants à ultra-faible champ. Neuroimage, 39(1) : 310&ndash317.

Luu, S. et T. Chau. (2009). Décodage des préférences subjectives à partir de signaux de spectroscopie proche infrarouge à essai unique. Journal de l'ingénierie neuronale, 6(1) : Publ. en ligne 016003.


Les signaux neuronaux relatifs à la coopération future à partir du retour d'informations sur le dilemme du prisonnier dépendent des résultats

La coopération soutient la vie dans les sociétés organisées, mais ses mécanismes neurobiologiques restent irrésolus. Des analyses théoriques récentes ont contrasté la coopération par ses modes de prise de décision rapides et plus lents. Cela pose la question des échelles de temps neuronales impliquées dans l'intégration des informations liées à la décision, et des circuits neuronaux participants. À l'aide de méthodes d'électroencéphalographie à résolution temporelle (EEG), nous avons caractérisé les signatures neuronales pertinentes du traitement de la rétroaction lors du dilemme itéré du prisonnier (iPD), une tâche économique qui aborde l'échange basé sur la coopération entre les agents sociaux. Nous avons ensuite sondé la capacité des signaux EEG pertinents à indiquer une prise de décision ultérieure et avons inspecté les conditions de jeu et de comportement dans lesquelles ils le font, y compris le timing. Les participants ont joué contre un co-joueur supposé, et l'activation neuronale au stade de la rétroaction du jeu a été analysée via des méthodes d'analyse du potentiel lié à l'événement (ERP) et spectrotemporelle. Comme attendu des études décisionnelles basées sur la valeur, les ERP ont été augmentés par la coopération, y compris la négativité liée au feedback (FRN) et le P3. De plus, nous rapportons un potentiel tardif (LP) latéralisé vers les régions frontales gauches, qui a également été modulé par la coopération. L'activité de bande delta à ondes lentes associée à la composante LP (appelée « LP-delta ») s'est également avérée réduite pour la rétroaction de coopération mutuelle ou unilatérale. Nous avons ensuite examiné individuellement lesquels de ces signaux de rétroaction étaient liés à une coopération ultérieure et à quel moment. De manière cruciale, les composants FRN, P3 et LP-delta ont été modulés par choix au tour suivant, bien que l'implication de chaque composant dépende du type de résultat actuel. Immédiatement après la coopération unilatérale (« payant du meunier »), une signalisation différentielle indiquant une prise de décision future s'est produite au FRN relativement tôt, diminuant en amplitude pour les choix des joueurs de ne pas coopérer au tour suivant. Pour les résultats où le joueur n'a pas coopéré aux dépens du co-joueur, les augmentations P3 étaient associées à la coopération ultérieure du joueur.

À la suite de cycles de coopération mutuelle et à un stade relativement tardif du traitement de rétroaction, des modulations par décision à venir ont été trouvées sous la forme de désynchronisations LP-delta qui étaient prospectives pour une coopération ultérieure. Nous notons que la décision de coopérer dans le jeu peut être basée sur la prédiction de différents aspects de l'interaction prospective compte tenu du résultat réalisé dans le passé (par exemple, s'il faut « maintenir » la coopération mutuelle ou « exercer des représailles » si elle est unilatérale). Les résultats soutiennent l'intégration de l'information pour la prise de décision de coopération à l'iPD, en commençant à différentes échelles de temps et circuits, par un tel contexte de mise à jour. Le cas spécifique de la vérification de la coopération d'un partenaire impliquait une réponse de réciprocité plus courte qui était prévisible par les changements de signal de rétroaction lors de l'essai immédiatement précédent. Un compte rendu neuronal des mécanismes à double processus en mode rapide et l'implication des principes de codage prédictif dans l'orientation de la coopération avec un partenaire à l'iPD sont discutés.

Points forts * FRN, P3 et l'activité frontale asymétrique en bande delta tardive encodent le retour de coopération

*Décision de coopérer dans le dilemme répété du prisonnier indiqué par les signaux de ronde précédents

*La vitesse de la coopération réciproque du partenaire est en corrélation avec l'activité d'essai unique


Méthodes

Les données neuronales présentées dans cet article ont été publiées ailleurs (3). Cependant, toutes les analyses et chiffres présentés ici sont nos résultats générés par une approche quantitative unique.

Animaux et chirurgie.

Toutes les procédures ont été approuvées par le Animal Care and Use Committee de l'Université de Californie à Berkeley. Les expériences ont été réalisées sur des souris adultes mâles et femelles (âgées de 2 ans) pesant 20 201345 g. Les animaux ont été hébergés selon un cycle lumière/obscurité de 12/12 heures dans des cages pouvant contenir jusqu'à cinq animaux avant les implants et individuellement après les implants. Les données proviennent d'un total de neuf ChAT-ChR2(H134R)-EYFP souris (50) (ligne 6 The Jackson Laboratory B6.Cg-Tg(Chat-COP4*H134R/EYFP)6Gfng/J code commande 014546).

Des détails sur les procédures chirurgicales et les enregistrements peuvent être trouvés ailleurs (3). Brièvement, nous avons implanté une plaque de tête en acier inoxydable sous anesthésie à l'isoflurane (5% d'induction et 1,5% d'entretien). De plus, une vis péridurale de référence a été implantée au-dessus du cortex frontal gauche, et une craniotomie semi-forée a été réalisée pour marquer l'emplacement de la région monoculaire du V1 droit, qui a ensuite été scellée avec un élastomère de silicone (Kwik-Cast World Precision Instruments ). Les animaux ont également été implantés avec une canule pour cibler de manière optogénétique le cerveau antérieur basal (coordonnées du bregma : antéropostérieur, 𢄠,5 mm médiolatéral, 1,8 mm dorsoventral, 3,8 mm). La température a été maintenue à 37 °C pendant toute la procédure à l'aide d'un coussin chauffant, et les souris ont reçu deux doses de buprénorphine (0,05 mg/kg, une avant la chirurgie et l'autre 6 h plus tard) et une analgésie supplémentaire avec du méloxicam (5 mg /kg) si nécessaire. Ils ont été autorisés à récupérer pendant au moins une semaine avant les enregistrements.

Au début de chaque session d'enregistrement, la souris a été placée sur un tapis roulant sphérique sous anesthésie légère à l'isoflurane. Nous avons réalisé une craniotomie � μm de diamètre sur V1, en préservant la dure-mère. Une sonde laminaire en silicium a ensuite été insérée (� μm de long, avec jusqu'à 32 sites espacés de 50 μm, modèles NeuroNexus Technologies polytrode 1B, 1C ou poly2). Une fibre optique a ensuite été insérée à travers la canule implantée pour cibler le prosencéphale basal. La souris a été retirée de l'anesthésie et laissée récupérer pendant au moins 45 min avant l'enregistrement.

Stimulation optogénétique.

La lumière laser a été délivrée au prosencéphale basal via une fibre optique de 200 μm de diamètre (Thorlabs) insérée à travers et dépassant de 0,5 mm au-delà de la canule implantée. Nous avons utilisé un laser DPSS de 473 nm (CrystaLaser ou Shanghai Laser and Optics Century Company) à une puissance de 1𠄳 mW à la pointe de la fibre, délivré en impulsions carrées de 5 s. Le laser était contrôlé par des impulsions TTL générées par l'amplificateur (Tucker-Davis Technologies).

Stimulation visuelle.

Les stimuli visuels ont été générés avec une carte graphique GeForce 7300 (NVIDIA) dans un PC exécutant un logiciel personnalisé et présentés sur un moniteur LCD 7” à correction gamma (luminance maximale de Xenarc Technologies, 250 cd/m 2 ) avec un taux de rafraîchissement de 75 Hz. Le moniteur était placé à 10 cm de l'œil gauche. Tous les stimuli ont été présentés dans une région 50° × 50° centrée à l'emplacement moyen du champ récepteur de toutes les unités enregistrées simultanément.Les stimuli naturels du film consistaient en trois clips de 5 s sélectionnés dans la base de données de films naturels de van Hateren (51). Chaque image a été répétée pendant trois images, ce qui a donné une fréquence d'images effective de 25 Hz. Chaque essai a commencé avec 1 s d'écran gris, suivie de 1 s de la première image du film, 5 s de film et 1 s de la dernière image. Chaque film a été répété 30 fois en trois blocs. Les conditions de stimulation cholinergique et de contrôle ont été imbriquées.

Électrophysiologie, tri de pointes et sélection de neurones.

L'activité de pointe a été enregistrée en utilisant un TDT RZ5 à 32 canaux (Tucker-Davis Technologies). Les signaux ont été filtrés à 0,6𠄶 kHz et stockés sous forme de traces de tension brutes à 25 kHz. Des pointes ont été détectées hors ligne avec un logiciel personnalisé. Nous avons regroupé les canaux voisins de la sonde de silicium en groupes de trois ou quatre et effectué un tri semi-automatique des pointes à l'aide de Klusters (52). Les amas de pointes étaient considérés comme des unités uniques si leurs autocorrélogrammes avaient une période réfractaire de 2 ms et que leurs corrélogrammes croisés avec d'autres amas n'avaient pas de pics nets à moins de ଒ ms de décalage nul. Nous avons exclu les cellules avec des taux de tir moyens π,5 Hz. Nous avons inclus tous les neurones dans l'analyse, qu'ils aient ou non une réponse claire aux stimuli. Nous avons adopté cette approche en considérant qu'un neurone peut contribuer à l'encodage d'une population même s'il n'a pas de réponse individuelle aux stimuli. Les résultats sont équivalents, lorsque l'on considère uniquement les neurones qui répondent aux stimuli, tels qu'évalués par une ANOVA avec le temps bin comme variable indépendante, l'activité neuronale comme variable dépendante et le critère d'inclusion P < 0,05.

Calcul des rapports signal/bruit, des corrélations de signal et des corrélations de bruit.

Les trois séquences de films ont été concaténées, générant ainsi une seule séquence de 15 s qui est répétée 30 fois. Le nombre de pointes a été compté sur des intervalles de temps consécutifs sans chevauchement.

Nous avons désigné r j , t i comme le nombre de pointes que le neurone je incendies sur le jème répétition du film pour bin centré à l'heure t. Nous avons estimé le signal correspondant au neurone je et le temps t comme la moyenne des nombres de pointes pris sur les 30 répétitions : S t i = 〈 r j , t i 〉 j . Nous avons ensuite estimé le bruit, pour chaque neurone, tranche de temps et répétition, comme le nombre réel de pics moins le signal : ξ j , t i = r j , t i − S t i . Nous avons estimé la covariance du signal entre deux neurones comme la covariance non biaisée des signaux calculée sur tous les intervalles de temps σ S i S l 2 = ( 1 / ( T − 1 ) ) ∑ t = 1 T ( S ti − 〈 S ti 〉 t ) ( S tl − 〈 S tl 〉 t ) et la covariance du bruit en tant que covariance impartiale sur tous les intervalles et répétitions σ ξ i ξ l 2 = ( 1 / ( JT − 1 ) ) ∑ r = 1 R ∑ t = 1 T ξ j , ti ξ j , tl (12). A partir des matrices de covariance, nous avons calculé les amplitudes du signal et du bruit comme les variances respectives ( σ S i 2 = σ S i S i 2 et σ ξ i 2 = σ ξ i & #x003be i 2 ) et les corrélations comme covariance normalisée par le produit des SD.

Pour calculer la pente des corrélations, nous utilisons des carrés minimaux totaux, ce qui minimise la distance des pentes de régression aux points de données et, par conséquent, ne fait aucune distinction entre les variables indépendantes et dépendantes. Les résultats sont similaires lors de l'utilisation d'une ANOVA traitant les corrélations de signal en tant que variables indépendantes et les corrélations de bruit en tant que variables dépendantes, comme dans les références. 17 et 18.

Stimulation cholinergique par rapport aux conditions de contrôle.

Pour calculer l'effet de la stimulation cholinergique sur l'amplitude des signaux, nous avons calculé leur différence dans les conditions cholinergiques vs témoins. Comme la distribution des différences (sur tous les neurones) n'est pas normale (test de Lilliefors, P < 0,01), nous rapportons les médianes et utilisons le test des signes pour évaluer les différences statistiques. La distribution des différences d'amplitudes de bruit, des différences de corrélations de signal et des différences de corrélations de bruit n'est pas non plus normale (test de Lilliefors, P < 0,01). Par conséquent, encore une fois, nous rapportons les médianes et utilisons le test des signes pour évaluer les différences statistiques. Pour calculer les barres d'erreur, nous utilisons des méthodes de bootstrap. Nous tirons au hasard des neurones avec remplacement et extrayons la variable d'intérêt, en répétant ce processus 10 000 fois. Les barres d'erreur dans les figures représentent l'intervalle de confiance à 95 % de la distribution bootstrap. Les erreurs d'estimation dans les tableaux S1 – S3 représentent l'écart type des distributions bootstrap.

Pour calculer les différences statistiques entre les conditions de la pente des corrélations, nous utilisons une méthode de bootstrap. Nous dessinons des paires de neurones avec remplacement et calculons la régression totale des moindres carrés, en répétant cette procédure 10 000 fois. Pour calculer le P valeur, nous effectuons un non apparié t test des distributions résultantes. Les barres d'erreur illustrées dans les figures représentent l'intervalle de confiance à 95 % de la distribution bootstrap.


Le couplage phase-amplitude des oscillations neurales peut être sondé efficacement avec un TMS-EEG simultané

Malgré l'utilisation généralisée de la stimulation magnétique transcrânienne (SMT), la connaissance de son mode d'action neurophysiologique est encore incomplète. Récemment, le TMS a été proposé pour synchroniser les oscillateurs neuronaux et augmenter ainsi la détectabilité des oscillations correspondantes au niveau de la population. Comme les oscillations dans le cerveau humain sont connues pour interagir au sein de hiérarchies imbriquées via un couplage phase-amplitude, le TMS pourrait également être en mesure d'augmenter la détectabilité macroscopique d'un tel couplage. Dans une étude TMS-électroencéphalographie simultanée, nous avons donc examiné l'influence de la technique sur le couplage phase-amplitude thêta-gamma, alpha-gamma et bêta-gamma en délivrant un TMS à impulsion unique (sTMS) et un TMS répétitif (rTMS) sur le moteur gauche. cortex et cortex visuel droit des participants sains. Les trains d'impulsions rTMS étaient respectivement de 5 Hz, 11 Hz et 23 Hz pour les trois variations de couplage. Par rapport à la stimulation fictive, toutes les conditions ont montré des augmentations transitoires mais significatives du couplage phase-amplitude au site de stimulation. De plus, nous avons observé un couplage amélioré sur divers autres sites corticaux, avec une propagation plus étendue pendant la rTMS que pendant la sTMS. En indiquant que le couplage phase-amplitude enregistré sur le scalp peut être efficacement sondé avec le TMS, ces résultats ouvrent la porte à l'application de la technique dans les dissections manipulatrices d'un tel couplage au cours de la cognition et du comportement humains dans des conditions saines et pathologiques.

1. Introduction

En raison de ses effets étendus sur la perception, la cognition et l'action humaines, la stimulation magnétique transcrânienne (SMT) est aujourd'hui largement utilisée à la fois dans la recherche neuroscientifique fondamentale (p. , et le traitement moteur [4]) et en pratique clinique (avec des domaines de traitement potentiels (voir les lignes directrices sur l'utilisation thérapeutique [5]) comprenant le trouble dépressif majeur résistant aux médicaments [6], la déficience motrice post-AVC [7], l'aphasie [8], et la schizophrénie [9]). Malgré ce large champ d'application, la connaissance des effets neurophysiologiques précis de la SMT est encore incomplète.

Au cours de la dernière décennie, l'intérêt s'est porté sur les effets de la SMT sur les oscillations neuronales macroscopiques, telles que mesurées avec des techniques d'enregistrement non invasives telles que l'électroencéphalographie (EEG) [10-14]. Dans ce contexte, Kawasaki et al. [13] ont démontré une modulation directe de la dynamique temporelle de ces oscillations en montrant que la cohérence des phases oscillatoires à travers les essais de stimulation, appelée verrouillage de phase, est transitoirement améliorée après une TMS à impulsion unique (sTMS). Même si cet effet peut se produire dans un large spectre oscillatoire, la sTMS est supposée agir sur les systèmes neuronaux intrinsèques et donc être plus efficace pour les fréquences qui surviennent naturellement dans des modules corticothalamiques particuliers [15]. En conséquence, un mécanisme candidat hautement probable derrière l'augmentation observée du verrouillage de phase macroscopique entre les essais est la réinitialisation de phase des oscillateurs intrinsèques sous-jacents (mais voir Sauseng et al. [16] pour une discussion critique sur le verrouillage de phase). Étant donné que de telles réinitialisations concerneraient simultanément une multitude d'oscillateurs coexistants, une synchronisation transitoirement améliorée se déroulerait également dans le cadre d'essais de stimulation. Comme Thut et al. [12, 17] ont soutenu que la stimulation rythmique via TMS répétitive (rTMS) peut favoriser une telle synchronisation par entraînement neuronal, au cours de laquelle les oscillateurs individuels commencent à cycler avec la même période que les impulsions délivrées à leur fréquence propre, et deviennent ainsi de plus en plus alignés sur ces impulsions, et par conséquent aussi entre elles. Il est intéressant de noter que cette synchronisation ou cet alignement d'oscillateurs neuronaux coexistants a été avancé pour empêcher les annulations de signal au niveau de la population et ainsi améliorer la détectabilité des oscillations macroscopiques avec des techniques de mesure basées sur le scalp [17]. Des augmentations associées de la puissance oscillatoire enregistrées par EEG ont de facto été rapportées pour la sTMS [15, 18] et la rTMS [12].

Pour apprécier pleinement les effets neurophysiologiques de la SMT, il est nécessaire de considérer qu'il est peu probable que le cerveau humain soit une composition de modules neuronaux soigneusement séparés dont les signatures oscillatoires peuvent être manipulées indépendamment les unes des autres. Son essence réside plutôt dans une myriade d'interactions neuronales dynamiques qui servent à l'intégration d'informations à travers diverses échelles de traitement temporelles et spatiales [19]. Un mécanisme prometteur pour la mise en œuvre d'une telle intégration dans le cerveau passe par une hiérarchie imbriquée d'oscillations neurales [20]. En particulier, des études ont montré que la phase des oscillations résultant de calculs globaux plus lents peut moduler de manière flexible l'amplitude des oscillations locales plus rapides [21–25], un mécanisme qui pourrait permettre la coordination de plusieurs nœuds de traitement spécialisés à travers des réseaux cérébraux à grande échelle. La pertinence fonctionnelle d'un tel couplage phase-amplitude est étayée par des résultats associant sa force à des résultats comportementaux, par exemple, le succès dans une tâche de discrimination visuelle de mouvement [26]. Étant donné que le couplage phase-amplitude est une propriété inhérente aux systèmes neuronaux, l'alignement des oscillateurs par TMS devrait améliorer non seulement la détectabilité des oscillations macroscopiques individuelles, mais également la détectabilité de leur couplage à d'autres oscillations. Comme cette fonctionnalité faciliterait grandement l'étude du couplage phase-amplitude avec des techniques de mesure non invasives telles que l'EEG du cuir chevelu, qui nécessitent souvent des enregistrements étendus pour ne faire face qu'à des rapports signal/bruit modérés, sa démonstration claire serait d'une grande pertinence pour les deux TMS. méthodologistes et neuroscientifiques cognitifs.

Des tentatives ont déjà été faites pour démontrer une amélioration du couplage phase-amplitude enregistré par EEG par TMS [27] et d'autres techniques de stimulation cérébrale non invasives, en particulier la stimulation transcrânienne à courant alternatif (tACS) [28]. Même si Noda et al. [27] ont démontré l'amélioration du couplage thêta-gamma intrinsèque préexistant dans un paradigme hors ligne après plusieurs séances de SMTr chez des patients souffrant de dépression, des preuves concluantes d'un examen fictif contrôlé d'enregistrements EEG en ligne pendant la SMT dans la population en bonne santé sont toujours manquantes. Avec la présente étude, nous avons entrepris de fournir de telles preuves, en utilisant ainsi le TMS pour faire la lumière sur la modulation transitoire des oscillations imbriquées du cerveau humain. À cette fin, nous avons administré à la fois la sTMS et la rTMS sur le cortex moteur gauche et le cortex visuel droit de participants en bonne santé tout en collectant simultanément l'EEG. Pour assurer la couverture d'un large éventail de l'imbrication oscillatoire observable dans les systèmes neuronaux [20, 29, 30], l'amélioration du couplage phase-amplitude par rapport à la stimulation fictive a été évaluée séparément pour thêta-gamma, alpha-gamma et bêta-gamma le couplage, les bandes alpha et bêta, en particulier, ayant été lié respectivement au cortex visuel et moteur stimulé [15]. La fréquence rTMS était toujours égale à la fréquence de l'oscillation modulante la plus lente pour permettre l'entraînement direct de cette oscillation. Nous avons conçu les expériences pour évaluer le raisonnement théorique suivant. Comme une puissance oscillatoire accrue a été rapportée pour la sTMS [15, 18] et la rTMS [12], le couplage phase-amplitude enregistré sur le scalp devrait également être temporairement amélioré pour les deux paradigmes de stimulation. Comme il a été démontré en outre que les deux paradigmes modulent la dynamique de phase non seulement localement au niveau du site de stimulation, mais également avec la propagation du signal à l'échelle du réseau [13, 14], l'amélioration du couplage phase-amplitude pourrait également se propager à travers le cortex. Enfin, nous avons directement comparé les effets neurophysiologiques de la sTMS et de la rTMS en examinant si un entraînement d'oscillateurs neuronaux induit par la rTMS peut induire une amélioration localement plus forte et/ou globalement plus répandue du couplage phase-amplitude par rapport à la sTMS.

2. Matériels et méthodes

2.1. Participants

Quatorze participants droitiers en bonne santé (deux femmes, douze hommes signifient

ans) ont été recrutés dans cette étude. Un consentement éclairé écrit a été obtenu de tous les participants avant les sessions expérimentales. L'étude a été approuvée par le comité d'éthique de RIKEN et a été menée conformément au code d'éthique de l'Association médicale mondiale pour la recherche impliquant des humains (Déclaration d'Helsinki).

2.2. Conception TMS

Les impulsions TMS ont été délivrées par une bobine en huit avec un diamètre d'aile de 70 mm, connectée à une unité de stimulation magnétique biphasique (Magstim Rapid, The Magstim Company Ltd., Royaume-Uni). L'intensité de la stimulation a été fixée à 90 % du seuil moteur actif d'un participant, qui a été déterminé pour le premier muscle interosseux dorsal droit (FDI). Pendant toute la procédure expérimentale, les participants se sont fixés sur une croix grise centrale sur un fond noir d'écran d'ordinateur et portaient des bouchons d'oreille pour réduire les potentiels auditifs évoqués par la stimulation dans l'activité neuronale.

Un aperçu de la conception expérimentale est présenté dans la figure 1. Chaque participant a reçu une stimulation à trois sites différents dans des sessions ordonnées au hasard. Au cours d'une session, le TMS a été appliqué sur le cortex moteur gauche (environ entre les électrodes C1 et C3, la position exacte étant déterminée par le point chaud individuel de la poignée de la bobine de stimulation musculaire FDI droite perpendiculaire à la direction du courant antéropostérieur du sillon central de la première forme d'onde phase) et dans une deuxième séance, il a été appliqué sur le cortex visuel droit (entre les électrodes Oz et la poignée de la bobine O2 perpendiculaire au plan sagittal médian). Lors d'une troisième séance, une simulation de stimulation a été délivrée à un endroit situé à 10 cm au-dessus du sommet de la tête (électrode Cz, poignée de la bobine dirigée vers l'arrière). Chacune de ces sessions comprenait quatre blocs différents, chaque bloc comprenant 30 essais avec des intervalles inter-essais de 10 s ± 15 %. Selon le bloc, les essais contenaient soit des impulsions TMS uniques, soit des trains de cinq impulsions consécutives délivrées à 5 Hz, 11 Hz ou 23 Hz. Les différentes fréquences rTMS ont été sélectionnées de manière à ne pas être des multiples les unes des autres.

2.3. Enregistrement et prétraitement EEG

Pendant toute la procédure de stimulation, l'EEG (référence du lobe de l'oreille gauche AFz comme sol) a été enregistré à partir de 63 électrodes de cuir chevelu Ag/AgCl compatibles TMS (Easy Cap, EASYCAP GmbH, Allemagne, voir la figure 1 (a) pour la disposition des électrodes), qui ont été positionnées selon le système international 10/10 avec des fils conducteurs réarrangés orthogonalement à la poignée de la bobine TMS pour réduire les artefacts induits par le TMS [31]. De plus, une électrooculographie horizontale et verticale (électrode de masse EOG sur la mastoïde gauche) a été enregistrée pour surveiller les mouvements oculaires et les clignements. Tous les signaux ont été échantillonnés à une fréquence de 5 000 Hz, filtrés en ligne de CC à 1 000 Hz et amplifiés à l'aide du système BrainAmp MR plus compatible TMS (Brain Products GmbH, Allemagne). Les impédances ont été maintenues en dessous de 10 kΩ.

Nous avons prétraité les données EEG en les segmentant d'abord en époques commençant 2 s avant la première (ou unique) impulsion TMS et se terminant 3 s après la dernière (ou unique) impulsion d'un train, puis en référençant ces époques aux enregistrements moyennés des électrodes positionné sur le lobe de l'oreille gauche et droit. Pour supprimer l'artefact de sonnerie induit par TMS dans les signaux EEG, nous avons remplacé toutes les valeurs dans un intervalle de 0 à 8 ms après chaque impulsion par des valeurs de remplacement estimées à l'aide d'une interpolation linéaire. Dans les cas où l'intervalle était jugé trop court par inspection visuelle, il était manuellement prolongé à 12 ms après l'impulsion. L'artefact de décroissance exponentielle de plus longue durée a été atténué en identifiant les composants capturant cet artefact avec une analyse en composantes indépendantes (ICA), puis en les supprimant des données [18, 32]. Ensuite, nous avons rejeté les essais avec des valeurs de signal dépassant ± 200 ??V dans un intervalle de –1 s à +1 s autour de la stimulation pour exclure tout artefact restant. Sur 30 essais collectés par bloc,

) ont été retenus. Après avoir effectué une transformation de la densité de source de courant (CSD) de la distribution de tension de surface à l'aide de splines sphériques pour réduire les effets de la conduction volumique [33, 34], les données ont été sous-échantillonnées à une fréquence de 1 000 Hz.

2.4. Analyse EEG

Pour calculer le couplage phase-amplitude, nous avons d'abord convolué la série temporelle prétraitée avec des ondelettes de Morlet complexes

avec désignant le temps, désignant la fréquence centrale d'intérêt, désignant le SD de la fenêtre gaussienne, et le nombre de cycles d'ondelettes dans un intervalle

détermination de la largeur approximative des bandes de fréquences [37] :

Les fréquences centrales ont été choisies pour être 5 Hz, 11 Hz et 23 Hz pour l'extraction de phase et 30 Hz à 45 Hz par pas de 1 Hz pour l'extraction d'amplitude. La limite supérieure a été fixée à 45 Hz pour diminuer les artefacts potentiels dus à l'activité musculaire et au bruit des lignes électriques. La phase instantanée

à chaque instant a ensuite été défini comme l'angle du vecteur plan complexe résultant par rapport à l'axe réel positif, tandis que l'amplitude de ce vecteur a été utilisée comme mesure de l'amplitude instantanée

. Pour chaque combinaison de fréquence de phase et d'amplitude et pour chaque instant d'essai, nous avons calculé séparément le couplage phase-amplitude lié à l'événement (ERPAC)

, qui a été définie comme la corrélation circulaire-linéaire des valeurs de phase et d'amplitude à travers les essais de stimulation [38, 39] :

étant la corrélation de Pearson entre et .

Comme les seize fréquences d'amplitude étaient regroupées dans chaque analyse ERPAC, trois combinaisons phase-amplitude différentes existaient (phase 5 Hz, 11 Hz ou 23 Hz couplée à des amplitudes à 30-45 Hz, c'est-à-dire couplage thêta-gamma, alpha-gamma couplage et couplage bêta-gamma), qui ont été examinés séparément pour les TMS moteur et visuel. Les analyses des six conditions résultantes se sont concentrées sur le contraste de la TMS motrice ou visuelle avec une stimulation fictive pour tenir compte des effets indirects de la stimulation. et quatrième analyse), comme détaillé dans la discussion suivante. Chaque fois que des tests statistiques ont été effectués, le niveau de signification (corrigé par comparaisons multiples) a été fixé à

. En ce qui concerne la rTMS, il est important de noter que la fréquence de la série temporelle d'angle de phase respective d'une condition correspondait toujours à la fréquence de stimulation appliquée. Cette approche nous a permis d'évaluer directement comment le ciblage d'une oscillation particulière via une stimulation répétitive affectait le couplage enregistré par le scalp de cette oscillation à des oscillations plus rapides.

Nous avons d'abord examiné si la sTMS et la rTMS entraînaient une augmentation du couplage phase-amplitude sur le site de stimulation en analysant l'ERPAC en fonction de la fréquence et du temps d'amplitude, couvrant de -0,5 cycles à +4,5 cycles d'oscillation fournissant la phase d'une condition autour du début. de la première (ou unique) impulsion. Des améliorations statistiquement significatives d'ERPAC ont été déterminées par des tests de permutation non paramétriques de la manière suivante. Évaluer l'ensemble observé de représentations temps-fréquence englobant les données ERPAC des deux électrodes locales d'intérêt (C1 et C3 pour le moteur TMS Oz et O2 pour le visuel TMS), les deux modes de stimulation (TMS et sham), et chacun des les quatorze participants, nous avons créé 500 ensembles de représentations de substitution correspondantes en calculant l'ERPAC entre les valeurs de phase inchangées et les valeurs d'amplitude d'essai mélangées. Comme nous avons randomisé la structure d'essai relative entre la phase et l'amplitude tout en maintenant la structure temporelle, et avons donc laissé intacts tous les changements évoqués par les impulsions, des différences significatives par rapport aux données observées ne pouvaient pas découler de relations induites par des stimuli parasites entre les valeurs de phase et d'amplitude [39] . Nous avons ensuite fait la moyenne des données ERPAC de chaque ensemble sur les électrodes d'intérêt, puis avons pris la différence entre la TMS motrice ou visuelle et la stimulation fictive, et avons fait la moyenne des valeurs résultantes sur les participants. Une représentation temps-fréquence observée et une distribution de 500 représentations de substitution ont émergé, qui ont toutes été binarisées par la suite en les seuillant avec le 95e centile de la distribution de substitution à chaque point temps-fréquence. Les points supraliminaires contigus ont été regroupés et la somme des valeurs ERPAC au sein de chaque groupe a été déterminée. Pour tenir compte des comparaisons multiples, nous avons supprimé de la représentation temps-fréquence observée les grappes dont la somme des grappes des valeurs ERPAC était inférieure au 95e centile de la distribution des sommes maximales des grappes, obtenue en prenant la somme la plus élevée dans chaque représentation de substitution.

Deuxièmement, pour déterminer si l'amélioration locale du couplage phase-amplitude différait entre la sTMS et la rTMS, nous avons pris l'ERPAC moyen sur les électrodes locales d'intérêt (C1 et C3 pour le moteur TMS Oz et O2 pour le TMS visuel), soustrait les données moyennes correspondantes obtenues. à partir d'une stimulation fictive et des valeurs moyennes sur une fenêtre temporelle d'intérêt, couvrant ± 1/10ème du cycle d'oscillation fournissant la phase respective autour de l'impulsion sTMS ou de la dernière impulsion des trains rTMS, ainsi que sur les seize fréquences d'amplitude. En sélectionnant une fenêtre temporelle étroite autour de la dernière impulsion rTMS, nous avons cherché à minimiser la contamination potentielle des données rTMS par les impulsions environnantes. Les valeurs résultantes ont ensuite été comparées entre la sTMS et la rTMS à l'aide d'un test de Student bilatéral à échantillons appariés sur les participants.

Troisièmement, nous avons évalué si une amélioration du couplage phase-amplitude par sTMS et rTMS était observable non seulement sur le site de stimulation, mais aussi sur d'autres régions corticales. L'ERPAC a donc été calculé à toutes les électrodes du cuir chevelu pour chaque point dans le temps dans neuf fenêtres temporelles d'intérêt différentes, centrées sur -2 cycles à +6 cycles de l'oscillation fournissant la phase d'une condition par pas de 1 cycle autour du début de la première (ou ) impulsion et couvrant ±1/10e de ce cycle. Des cartes topographiques ont été créées en faisant la différence entre la TMS motrice ou visuelle et la stimulation fictive, puis en faisant la moyenne des valeurs résultantes sur des points temporels dans la fenêtre d'intérêt respective, sur les seize fréquences d'amplitude ainsi que sur les participants.

Quatrièmement, pour analyser si la propagation globale du couplage phase-amplitude différait entre la sTMS et la rTMS, nous avons compté le nombre d'électrodes qui présentaient un ERPAC significativement plus élevé pendant la TMS motrice ou visuelle que pendant la stimulation fictive à l'aide d'échantillons appariés unilatéraux - tests sur participantes. Les tests ont été effectués pour des fenêtres de ± 1/10e du cycle d'oscillation fournissant la phase d'une condition autour de l'impulsion sTMS et de chacune des cinq impulsions rTMS, avec des valeurs ERPAC moyennées sur les points temporels respectifs ainsi que sur les fréquences d'amplitude. L'étendue de la propagation induite par chacune des cinq impulsions rTMS a ensuite été comparée à l'étendue de la propagation induite par la sTMS en utilisant des tests binomiaux exacts avec des paramètres

d'électrodes avec une différence significative de TMS-simulation pendant une impulsion de rTMS particulière mais pas l'impulsion de sTMS, d'électrodes avec une différence de TMS-simulée significative pendant l'impulsion de sTMS mais pas une impulsion de rTMS particulière, et le nombre total d'électrodes discordantes . Comme l'affectation de ces électrodes à l'une ou l'autre ou se serait produite avec une probabilité égale sous l'hypothèse nulle d'absence de différence sTMS-rTMS, la valeur - a été définie comme la probabilité d'atteindre la valeur observée ou une valeur plus élevée. Étant donné que nous avons effectué cinq tests par condition, les comparaisons multiples ont ensuite été prises en compte en ajustant les valeurs avec la procédure du taux de fausses découvertes (FDR) [40].

Toutes les analyses ont été effectuées dans MATLAB (The MathWorks Inc., USA), en utilisant la boîte à outils CSD [34], la boîte à outils CircStat [38], la boîte à outils FieldTrip [41] et des scripts personnalisés.

3. Résultats

3.1. Modulation locale du couplage phase-amplitude

Les représentations temps-fréquence du changement local de l'ERPAC par rapport à la stimulation fictive ont révélé que le TMS moteur, analysé aux électrodes C1 et C3, et le TMS visuel, analysé aux électrodes Oz et O2, conduisaient à une amélioration du couplage phase-amplitude dans tous les cas. évalué les combinaisons phase-amplitude (Figure 2). Pour sTMS (Figure 2 (a)), des clusters temps-fréquence significatifs (tests de permutation basés sur des clusters unilatéraux) ont été trouvés autour du début de l'impulsion unique à 0 ms dans toutes les conditions sauf une : l'ERPAC augmente autour du temps de l'impulsion n'a pas atteint une signification pour l'effet de la sTMS visuelle sur le couplage alpha-gamma. Cependant, des groupes ultérieurs d'augmentations significatives ont suggéré un effet de la sTMS sur l'ERPAC local dans cette condition également. Pour la rTMS (figure 2 (b)), des grappes temps-fréquence significatives d'ERPAC accru pourraient également être observées autour des heures d'apparition de presque toutes les impulsions. Fait intéressant, alors que les augmentations d'ERPAC induites par les impulsions individuelles étaient clairement séparées dans le temps dans les stimulations à 5 Hz et 11 Hz, qui concernaient respectivement le couplage thêta-gamma et alpha-gamma, les effets étaient plus fortement fusionnés pour le bêta-gamma. couplage se produisant pendant la stimulation plus rapide à 23 Hz. Bien que les clusters dans toutes les conditions puissent s'étaler symétriquement dans le temps en raison du lissage temporel introduit par la convolution des ondelettes, il convient de noter que leur étalement était généralement biaisé vers les points temporels de post-stimulation plutôt que de pré-stimulation. Alors que l'amélioration de l'ERPAC induite par la conception actuelle du TMS semblait donc persister pendant quelques dizaines de millisecondes, elle était encore de nature transitoire, avec des effets individuels durant généralement moins de 50 ms. Le lissage temporel mentionné ci-dessus explique également l'observation d'ERPAC amélioré pendant les intervalles d'interpolation, qui ne portaient pas d'informations significatives en soi. Étant donné que l'ERPAC amélioré pouvait également être trouvé plus loin des impulsions et des intervalles d'interpolation (par exemple, un couplage thêta-gamma amélioré plus de 3 cycles thêta après la sTMS motrice), il était peu probable que ces intervalles soient liés de manière causale aux effets observés.

Une comparaison du changement local du couplage phase-amplitude induit par la sTMS et la rTMS a révélé que dans toutes les conditions sauf une, l'augmentation moyenne de l'ERPAC par rapport à la stimulation fictive était plus élevée pour la dernière impulsion rTMS que pour l'impulsion sTMS, avec le schéma inverse être observable pour le couplage bêta-gamma au cours de la TMS visuelle (Figure 3). Cependant, en raison de la grande variabilité entre les participants, les valeurs des tests de Student bilatéral pour échantillons appariés n'ont pas atteint la signification statistique (tous

), il n'y a qu'une tendance statistique (

) observable pour le couplage alpha-gamma pendant la TMS visuelle, suggérant une amélioration de l'ERPAC plus forte par la rTMS que par la sTMS.

sur les quatorze participants évalués, chacun a affiché - la valeur est basée sur un test de Student bilatéral à échantillon apparié - entre les paradigmes de stimulation.

3.2. Modulation globale du couplage phase-amplitude

Pour illustrer le changement d'ERPAC par rapport à la stimulation fictive sur les 63 électrodes du cuir chevelu, neuf cartes topographiques ont été calculées pour chaque condition et paradigme de stimulation (Figure 4). Les deux premières cartes représentaient des fenêtres temporelles de préstimulation, la suivante (sTMS) ou les cinq suivantes (rTMS) représentaient des fenêtres centrées sur les impulsions individuelles, et toutes les cartes restantes représentaient des fenêtres temporelles de poststimulation. En accord avec le caractère transitoire des effets évalués, une amélioration de l'ERPAC était la plus perceptible dans les cartes topographiques centrées sur les impulsions. L'inspection visuelle a en outre révélé que les augmentations induites par sTMS dans ERPAC étaient importantes principalement sur le site de stimulation, avec des améliorations sporadiques se produisant également sur d'autres sites (Figure 4 (a)). En revanche, les effets de la rTMS dans les cinq cartes topographiques centrées sur les cinq impulsions semblaient être plus fortement distribués sur l'ensemble du cortex (Figure 4 (b)).

Nous avons quantifié cette observation en déterminant le nombre d'électrodes avec un ERPAC significativement plus élevé au cours d'une TMS motrice ou visuelle que lors d'une stimulation fictive (, tests de Student à un échantillon apparié), puis en comparant le nombre d'électrodes entre la sTMS et les cinq impulsions de la rTMS ( graphique 5). Comme prévu, dans la plupart des cas, le nombre d'électrodes significatives était plus grand pour une impulsion rTMS particulière que pour l'impulsion sTMS de la même condition. En ce qui concerne la stimulation motrice, cette différence était statistiquement significative (

, tests binomiaux exacts) pour trois impulsions rTMS sur cinq lors de l'investigation du couplage alpha-gamma (impulsions 1, 2 et 3 : chacune) et pour une impulsion rTMS lors de l'investigation du couplage bêta-gamma (impulsion 3 : ). En ce qui concerne la stimulation visuelle, trois impulsions rTMS sur cinq ont montré une propagation significativement plus importante lors de l'étude du couplage thêta-gamma (impulsion 1 : impulsion 4 : et impulsion 5 : ), tandis que deux impulsions rTMS étaient significatives pour le couplage bêta-gamma (impulsions 2 et 3 : chacun). Ainsi, alors que des différences significatives de sTMS-sham étaient encore trouvées à cinq électrodes ou plus dans toutes les conditions, indiquant une certaine étendue de propagation dans ce paradigme de stimulation également, la rTMS a induit une propagation considérablement plus étendue de l'amélioration de l'ERPAC dans l'ensemble.

4. Discussion

Avec la présente étude, nous fournissons des preuves convaincantes que la sTMS et la rTMS peuvent améliorer de manière transitoire le couplage phase-amplitude des oscillations neurales, telles que mesurées avec un EEG simultané. Cette amélioration a été trouvée non seulement localement sur le site de stimulation, mais également sur divers autres sites corticaux, la propagation induite par la rTMS surpassant celle induite par la sTMS. En démontrant un couplage phase-amplitude amélioré thêta-gamma, alpha-gamma et bêta-gamma pendant la TMS motrice et visuelle, nos résultats sont pertinents pour un large éventail de signatures oscillatoires imbriquées inhérentes au traitement neuronal [20, 21, 42, 43 ] et sont très cohérents avec l'augmentation supposée au niveau de la population du couplage intrinsèque provoquée par l'alignement de phase oscillatoire. Nous proposons donc que le TMS-EEG simultané puisse être utilisé pour sonder efficacement un tel couplage chez l'homme, une caractéristique qui en fait une technique très prometteuse pour les futures investigations non invasives de ce mécanisme important.

Au site de stimulation, toutes les conditions évaluées ont montré des augmentations significatives de la force de couplage phase-amplitude pendant ou légèrement après TMS. Comme le couplage phase-amplitude dans la présente étude a été opérationnalisé en tant que corrélation circulaire-linéaire des valeurs de phase et d'amplitude à chaque instant au cours des essais de stimulation [38, 39], les changements dans la force de couplage ont pu être évalués sans perte de résolution temporelle inhérente à la plupart des autres mesures de couplage [21, 22, 29]. Étant donné que l'amélioration du couplage phase-amplitude local durait généralement moins de 50 ms autour de l'impulsion, une conclusion cohérente avec le caractère éphémère de la dynamique de phase induite par le TMS [13], cette approche était vitale pour quantifier les effets transitoires. qui serait autrement à peine détectable dans les enregistrements EEG du cuir chevelu. Nous avons pris les mesures suivantes pour nous assurer que les effets observés reflètent bien une amélioration directe du couplage phase-amplitude macroscopique par TMS. Premièrement, pour tenir compte de tous les effets indirects de la stimulation, en particulier pour les changements évoqués par l'audition dans l'activité cérébrale, y compris le verrouillage de phase déclenché de manière intermodale après les sons saillants [44], le couplage phase-amplitude a toujours été évalué par rapport à la stimulation fictive, qui a été appliquée. sur le sommet de la tête. Deuxièmement, en comparant statistiquement les différences observées de TMS-sham avec des distributions de substitution de données d'essai mélangées avec une structure temporelle non modifiée [39], nous avons confirmé que l'amélioration observée du couplage phase-amplitude était basée sur une relation statistique spécifique entre les valeurs de phase et d'amplitude. à travers les essais, plutôt que sur des relations parasites induites par des effets neuronaux non liés du pouls ou des artefacts de bord tranchant [45]. Grâce à ces approches méthodologiques, une démonstration claire des changements induits par le TMS dans le couplage phase-amplitude a été rendue possible. Même si de tels changements semblaient être plus forts pour la dernière impulsion des trains rTMS livrés (ciblés sur les oscillations à basse fréquence fournissant la phase) que pour l'impulsion sTMS dans presque toutes les conditions, la puissance statistique n'était pas assez élevée pour permettre une conclusion concernant les différences locales de couplage phase-amplitude entre les paradigmes de stimulation. Il faut reconnaître dans ce contexte que 30 essais collectés par bloc auraient pu être insuffisants pour produire des effets de différence significatifs. En raison de la durée globale des tests déjà longue de 4 à 5 heures par participant, un nombre plus élevé d'essais n'était pratiquement pas réalisable dans notre étude. Notamment, une légère modification du paradigme rTMS pourrait potentiellement faciliter la détection de différences locales significatives. Un entraînement neuronal réussi, qui pourrait sous-tendre un avantage potentiel de la rTMS en permettant un alignement de phase oscillatoire plus fort par rapport à la sTMS, nécessite l'existence d'une population neuronale pouvant osciller à la fréquence de stimulation dans des conditions naturelles [17]. Comme de telles fréquences propres diffèrent entre les régions corticales [15] et les individus [46], la capacité d'entraînement de la rTMS devrait être améliorée en ajustant sa fréquence aux fréquences de crête du spectre de puissance local des participants. Des preuves récentes ont en effet démontré les avantages d'un tel ciblage individualisé des oscillations intrinsèques par la rTMS [14], rendant une comparaison de la force de couplage phase-amplitude locale entre ce paradigme rTMS et la sTMS prometteuse. Il est important de noter que même si la perturbation des oscillations intrinsèques est potentiellement plus forte dans le cas de fréquences de SMTr individualisées, les effets précédemment rapportés de la stimulation non individualisée sur la cognition humaine [47] suggèrent également un entraînement réussi dans ce cas. Comme Thut et al. [12] ont noté, de tels effets pourraient être activés par des fluctuations de fréquence intraindividuelles ainsi qu'un relâchement de la relation entre la fréquence propre et la fréquence de stimulation effective à des intensités de stimulation plus élevées (voir aussi Gouwens et al. [48]). Une décision en faveur de paradigmes de stimulation non individualisés peut également être motivée par la dépense accrue de temps et de ressources associée à la détermination préexpérimentale des fréquences de pic individuelles, en particulier lors du test de populations cliniques.

Parallèlement aux effets locaux décrits de la sTMS et de la rTMS, nous avons constaté que la TMS peut améliorer les mesures au niveau de la population du couplage phase-amplitude sur divers autres sites corticaux. Conformément à cette découverte, la propagation de l'activation neuronale liée à la sTMS ou à la rTMS a été démontrée dans un certain nombre d'études antérieures [13, 14, 49-54]. En particulier, Kawasaki et al. [13] ont démontré une propagation à grande échelle induite par sTMS du verrouillage de phase oscillatoire, qui s'accompagnait d'un flux d'informations directionnel accru de la dynamique de phase du site de stimulation occipitale à un site distant examiné sur le cortex moteur, tel qu'évalué par l'entropie de transfert. Étant donné que l'alignement des phases d'oscillateurs individuels qui y est suggéré devrait augmenter la détectabilité du couplage phase-amplitude intrinsèque au niveau de la population, la propagation du couplage amélioré observée ici est tout à fait cohérente avec ce rapport. Les voies d'une telle propagation ne sont pas arbitraires, mais doivent suivre la structure organisationnelle intrinsèque du cerveau, qui est caractérisée par des réseaux fonctionnels spécifiques à la fréquence [55]. Nous proposons donc que la stimulation appliquée a conduit des systèmes corticaux particuliers via des interactions successives avec des oscillateurs neuraux couplés fonctionnellement d'une manière dépendante de la fréquence, résultant en différents modèles de propagation pour les différentes conditions. Cependant, les connaissances sur les différences de propagation entre sTMS et rTMS sont rares. Dans la présente étude, la rTMS a amélioré le couplage phase-amplitude enregistré sur le scalp à considérablement plus de sites que la sTMS. Cette différence était particulièrement prononcée pour le couplage alpha-gamma pendant la stimulation motrice à 11 Hz et le couplage thêta-gamma pendant la stimulation visuelle à 5 Hz, avec trois impulsions rTMS sur cinq surpassant l'impulsion sTMS respective dans chaque cas. Comme on pense que les oscillations intrinsèques (emboîtées) jouent un rôle important dans la transmission du signal neuronal [42, 56], leur entraînement par la rTMS peut à nouveau être à la base du bénéfice observé. Conformément à cette idée, Romei et al. [14] ont démontré que les impulsions de la SMTr se propagent du cortex sensorimoteur aux niveaux rachidiens uniquement lorsque les oscillations sensorimotrices sont spécifiquement ciblées via leur fréquence propre, la stimulation à d'autres fréquences ayant peu d'impact sur les interactions des signaux corticospinaux. De même, l'impact de la sTMS sur les oscillations pertinentes pourrait avoir été trop faible pour atteindre l'étendue de la propagation atteinte par la rTMS dans la présente étude. Avant d'attribuer alternativement le bénéfice de propagation observé de la rTMS à une contamination méthodologique des impulsions de la rTMS par les impulsions environnantes, il convient de noter que pendant la rTMS, le couplage alpha-gamma local et le couplage thêta-gamma local sont généralement revenus à la ligne de base bien avant l'arrivée de l'impulsion suivante. . Pourtant, on pourrait soutenir que nous avions déjà observé une distribution plus répandue du couplage phase-amplitude amélioré au cours de la première impulsion rTMS dans plusieurs conditions.Comme une synchronisation des oscillateurs neuraux induite par la SMTr pourrait s'être progressivement renforcée dans des blocs de SMTr entiers, y compris des essais de stimulation multiples, dans ces cas, la corrélation évaluée des valeurs de phase et d'amplitude pourrait avoir été déterminée par l'entraînement intensifié présent uniquement dans les essais ultérieurs. Néanmoins, des preuves concluantes à ce sujet manquent jusqu'à présent et de futures études sont nécessaires pour faire la lumière sur la cause exacte des différences observées sTMS-rTMS dans la propagation du couplage phase-amplitude.

Comme le couplage phase-amplitude est censé jouer un rôle fondamental dans le transfert d'informations neuronales à travers diverses échelles de traitement spatial et temporel, servant ainsi l'intégration dynamique de calculs globaux avec un traitement local rapide, il peut être extrêmement pertinent pour le fonctionnement cognitif [42] . Des preuves récentes ont commencé à étayer cette affirmation en faisant allusion à sa signification fonctionnelle pour la perception visuelle [26], le traitement de la rétroaction [57], le rappel de la mémoire [58], la cartographie visuomotrice [59] et la planification et l'exécution des mouvements [60]. En conséquence, un dysfonctionnement du couplage phase-amplitude a été identifié dans plusieurs affections cliniques telles que la maladie de Parkinson [61], les troubles du spectre autistique [62] et l'épilepsie [63]. Pourtant, notre compréhension actuelle de ce mécanisme intrigant est loin d'être exhaustive. Les recherches sur le couplage phase-amplitude dans la population humaine sont entravées par les lacunes inhérentes aux techniques de mesure non invasives établies. Comme des méthodes telles que l'EEG capturent les potentiels additionnés de dizaines de milliers de neurones activés de manière synchrone, les oscillations enregistrées sur le scalp reflètent inévitablement la somme de plusieurs oscillateurs neuraux sous-jacents. Par conséquent, même un fort couplage phase-amplitude ne peut être détecté avec l'EEG que si une quantité considérable de ces oscillateurs sont en phase et ne s'annulent donc pas au niveau de la population. Nous suggérons qu'en alignant les phases des oscillateurs individuels, le TMS favorise ce paramètre et facilite ainsi la détection non invasive du couplage phase-amplitude intrinsèque avec un rapport signal/bruit amélioré. L'approche perturbatrice proposée est donc très prometteuse pour de futures investigations visant à démêler davantage l'association entre une telle nidification oscillatoire d'une part, et le fonctionnement humain sain ou pathologique d'autre part. En sondant la capacité intrinsèque des individus pour le couplage phase-amplitude, le TMS-EEG simultané pourrait, à cet égard, s'avérer particulièrement utile pour le développement fiable de biomarqueurs basés sur le couplage, comme cela a déjà été présenté pour les troubles cognitifs légers amnésiques [64]. En plus d'ouvrir la porte à une compréhension plus approfondie du rôle fonctionnel du couplage phase-amplitude, les présents résultats s'ajoutent au corpus de connaissances en constante augmentation concernant le mode d'action neurophysiologique sous-jacent à la SMT (voir Klomjai et al. [65] pour une revue) . En modulant activement les oscillations intrinsèques imbriquées, le TMS a un impact sur la synchronisation de l'information le long d'ensembles neuronaux interconnectés et affecte par conséquent une propriété fondamentale du traitement neuronal dans le cerveau humain.

Sur une note finale, nous voudrions souligner que les preuves directes de ce mode d'action supposé font toujours défaut. Même si nos résultats sont très cohérents avec l'augmentation supposée au niveau de la population du couplage intrinsèque phase-amplitude, il ne peut être totalement exclu que la TMS ait plutôt donné lieu à un nouveau couplage superposé à l'activité cérébrale en cours (voir Sauseng et al. [16] pour une discussion similaire sur la génération de potentiels liés aux événements). On pourrait plaider en faveur de ce dernier mécanisme notamment en pointant le manque de différences observables entre TMS moteur et visuel dans notre étude. Cependant, la relation relâchée mentionnée ci-dessus (à des intensités de stimulation plus élevées) entre la fréquence propre d'une région, qui diffère très probablement entre le cortex moteur et visuel [15], et la fréquence de stimulation effective de la région peuvent également avoir contribué à cette observation. Le premier mécanisme hypothétique au contraire pourrait être étayé par des preuves de l'existence pré-TMS d'un couplage phase-amplitude pertinent qui est ensuite amélioré après TMS. Alors que la méthode ERPAC actuelle n'est pas adaptée à l'évaluation de données non événementielles, le couplage phase-amplitude a en effet été démontré à l'état de repos humain [23, 27]. La présence ou l'absence d'oscillations macroscopiques couplées seules, cependant, est un marqueur insuffisant de l'existence d'oscillateurs intrinsèques sous-jacents [16], ce qui n'implique pas automatiquement que ces oscillateurs soient directement modulés par TMS. Ainsi, bien qu'il ait généralement été démontré que la TMS interagit avec l'activité cérébrale intrinsèque [66], le démêlage sans équivoque des deux mécanismes dans le contexte de la présente étude nécessite l'accès au niveau des oscillateurs individuels avec des mesures d'une résolution temporelle et spatiale considérablement plus élevée par rapport à à celui obtenu par l'EEG du cuir chevelu à résolution temps-fréquence.

En conclusion, nous avons utilisé une conception d'étude TMS-EEG simultanée pour démontrer que le TMS peut améliorer de manière transitoire le couplage phase-amplitude enregistré sur le scalp. Cette amélioration a été trouvée à la fois pour la sTMS et la rTMS, une propagation plus étendue des effets étant observée au cours de ce dernier paradigme de stimulation. Nous recommandons donc l'approche perturbatrice du TMS-EEG simultané comme une nouvelle technique expérimentale pour sonder efficacement le couplage phase-amplitude intrinsèque chez l'homme. L'utilité de cette conception pour de futures études étudiant les rôles fonctionnels du couplage phase-amplitude dans la population saine, ainsi que les changements plastiques du couplage phase-amplitude dans des conditions pathologiques, attend confirmation.

Disponibilité des données

Les données TMS-EEG utilisées pour étayer les résultats de cette étude sont disponibles sur demande auprès de l'auteur correspondant.

Les conflits d'intérêts

Les auteurs déclarent qu'il n'y a aucun conflit d'intérêt concernant la publication de cet article.

Remerciements

KK a été soutenu par JST PRESTO, les subventions MEXT pour la recherche scientifique 26282169 et 15H05877 et une subvention de recherche de Toyota Motor Corporation.

Les références

  1. T. A. de Graaf, M. Koivisto, C. Jacobs et A. T. Sack, « La chronométrie de la perception visuelle : examen des études de masquage du TMS occipital », Examens des neurosciences et du biocomportement, vol. 45, pp. 295–304, 2014. Voir sur : Site de l'éditeur | Google Scholar
  2. B. Olk, C. Peschke et C. C. Hilgetag, « Attention et contrôle des réponses manuelles dans les conflits cognitifs : résultats des études de perturbation du TMS » Neuropsychologie, vol. 74, pp. 7-20, 2015. Voir sur : Site de l'éditeur | Google Scholar
  3. T. Murakami, Y. Ugawa et U. Ziemann, « Utilité de la TMS pour comprendre la neurobiologie de la parole » Frontières en psychologie, vol. 4, p. 446, 2013. Voir sur : Site de l'éditeur | Google Scholar
  4. L. J. Volz, M. Hamada, J. C. Rothwell et C. Grefkes, « Ce qui fait que le muscle se contracte : connectivité du système moteur et activité induite par le SMT » Cortex cérébral, vol. 25, non. 9, pp. 2346–2353, 2015. Afficher sur : Site de l'éditeur | Google Scholar
  5. J.-P. Lefaucheur, N. André-Obadia, A. Antal et al., « Lignes directrices fondées sur des preuves sur l'utilisation thérapeutique de la stimulation magnétique transcrânienne répétitive (rTMS) » Neurophysiologie clinique, vol. 125, non. 11, pp. 2150-2206, 2014. Voir sur : Site de l'éditeur | Google Scholar
  6. T. Perera, M. S. George, G. Grammer, P. G. Janicak, A. Pascual-Leone et T. S. Wirecki, « La revue de consensus de la Clinical TMS Society et les recommandations de traitement pour le traitement par TMS du trouble dépressif majeur » Stimulation cérébrale, vol. 9, non. 3, pp. 336-346, 2016. Voir sur : Site de l'éditeur | Google Scholar
  7. G. Di Pino, G. Pellegrino, G. Assenza et al., « Modulation de la plasticité cérébrale dans l'AVC : un nouveau modèle pour la neuroréhabilitation » Nature Avis Neurologie, vol. 10, non. 10, pp. 597-608, 2014. Afficher sur : Site de l'éditeur | Google Scholar
  8. E. G. Chrysikou et R. H. Hamilton, « Stimulation cérébrale non invasive dans le traitement de l'aphasie : explorer les relations interhémisphériques et leurs implications pour la neuroréhabilitation » Neurologie réparatrice et neurosciences, vol. 29, non. 6, pp. 375-394, 2011. Voir sur : Site de l'éditeur | Google Scholar
  9. J. C. Cole, C. Green Bernacki, A. Helmer, N. Pinninti et J. P. O'Reardon, « Efficacité de la stimulation magnétique transcrânienne (TMS) dans le traitement de la schizophrénie : une revue de la littérature à ce jour » Innovations en neurosciences cliniques, vol. 12, non. 7-8, pp. 12–19, 2015. Voir sur : Google Scholar
  10. G. Fuggetta, A. Fiaschi et P. Manganotti, « Modulation des activités oscillatoires corticales induites par la variation de l'intensité de la stimulation magnétique transcrânienne à impulsion unique sur l'aire motrice primaire gauche : une étude combinée EEG et TMS » NeuroImage, vol. 27, non. 4, pp. 896-908, 2005. Voir sur : Site de l'éditeur | Google Scholar
  11. P. C. J. Taylor, V. Walsh et M. Eimer, "Combinant TMS et EEG pour étudier la fonction cognitive et les interactions cortico-cortico," Recherche comportementale sur le cerveau, vol. 191, non. 2, pp. 141-147, 2008. Voir sur : Site de l'éditeur | Google Scholar
  12. G. Thut, D. Veniero, V. Romei, C. Miniussi, P. Schyns et J. Gross, « La TMS rythmique provoque l'entraînement local des signatures oscillatoires naturelles » Biologie actuelle, vol. 21, non. 14, pp. 1176-1185, 2011. Voir sur : Site de l'éditeur | Google Scholar
  13. M. Kawasaki, Y. Uno, J. Mori, K. Kobata et K. Kitajo, « Propagation globale induite par la stimulation magnétique transcrânienne de la réinitialisation de la phase transitoire associée au flux d'informations directionnel » Frontières en neurosciences humaines, vol. 8, p. 173, 2014. Afficher sur : Site de l'éditeur | Google Scholar
  14. V. Romei, M. Bauer, J. L. Brooks et al., « Preuve causale que la fréquence bêta intrinsèque est pertinente pour une propagation améliorée du signal dans le système moteur, comme le montre le TMS rythmique » NeuroImage, vol. 126, pp. 120-130, 2016. Voir sur : Site de l'éditeur | Google Scholar
  15. M. Rosanova, A. Casali, V. Bellina, F. Resta, M. Mariotti et M. Massimini, « Fréquences naturelles des circuits corticothalamiques humains », Le Journal des Neurosciences, vol. 29, non. 24, pp. 7679–7685, 2009. Afficher sur : Site de l'éditeur | Google Scholar
  16. P. Sauseng, W. Klimesch, W. R. Gruber, S. Hanslmayr, R. Freunberger et M. Doppelmayr, « Les composants potentiels liés aux événements sont-ils générés par la réinitialisation de phase des oscillations cérébrales ? Une discussion critique », Neurosciences, vol. 146, non. 4, pp. 1435–1444, 2007. Afficher sur : Site de l'éditeur | Google Scholar
  17. G. Thut, P. G. Schyns et J. Gross, « Entraînement d'oscillations cérébrales perceptuellement pertinentes par une stimulation rythmique non invasive du cerveau humain » Frontières en psychologie, vol. 2, p. 170, 2011. Voir sur : Site de l'éditeur | Google Scholar
  18. J. D. Herring, G. Thut, O. Jensen et T. O. Bergmann, « L'attention module les oscillations alpha verrouillées par TMS dans le cortex visuel » Le Journal des Neurosciences, vol. 35, non. 43, pp. 14435-14447, 2015. Voir sur : Site de l'éditeur | Google Scholar
  19. G. Tononi, « L'intégration de l'information : sa pertinence pour le fonctionnement cérébral et la conscience », Archives Italiennes de Biologie, vol. 148, non. 3, pp. 299-322, 2010. Voir sur : Google Scholar
  20. P. Lakatos, A. S. Shah, K. H. Knuth, I. Ulbert, G. Karmos et C. E. Schroeder, « Une hiérarchie oscillatoire contrôlant l'excitabilité neuronale et le traitement des stimuli dans le cortex auditif » Journal de neurophysiologie, vol. 94, non. 3, pp. 1904–1911, 2005. Voir sur : Site de l'éditeur | Google Scholar
  21. R. T. Canolty, E. Edwards, S. S. Dalal et al., « La puissance gamma élevée est verrouillée en phase sur les oscillations thêta dans le néocortex humain » Science, vol. 313, non. 5793, pp. 1626-1628, 2006. Voir sur : Site de l'éditeur | Google Scholar
  22. A. B. L. Tort, R. Komorowski, H. Eichenbaum et N. Kopell, « Mesure du couplage phase-amplitude entre les oscillations neuronales de différentes fréquences » Journal de neurophysiologie, vol. 104, non. 2, pp. 1195-1210, 2010. Afficher sur : Site de l'éditeur | Google Scholar
  23. F. Roux, M. Wibral, W. Singer, J. Aru et P. J. Uhlhaas, « La phase de l'activité alpha thalamique module l'activité de la bande gamma corticale : preuves des enregistrements MEG à l'état de repos » Le Journal des Neurosciences, vol. 33, non. 45, pp. 17827–17835, 2013. Voir sur : Site de l'éditeur | Google Scholar
  24. M. Bonnefond et O. Jensen, « Activité gamma couplée à la phase alpha en tant que mécanisme de gating contrôlé de haut en bas », PLoS Un, vol. 10, non. 6, article e0128667, 2015. Voir sur : Site de l'éditeur | Google Scholar
  25. T. Kajihara, M. N. Anwar, M. Kawasaki, Y. Mizuno, K. Nakazawa et K. Kitajo, « La dynamique neuronale dans la préparation motrice : du calcul global à médiation par la phase au calcul local à médiation par l'amplitude » NeuroImage, vol. 118, pp. 445–455, 2015. Voir sur : Site de l'éditeur | Google Scholar
  26. B. Händel et T. Haarmeier, « Le couplage à fréquence croisée des oscillations cérébrales indique le succès de la discrimination visuelle des mouvements » NeuroImage, vol. 45, non. 3, pp. 1040-1046, 2009. Afficher sur : Site de l'éditeur | Google Scholar
  27. Y. Noda, R. Zomorrodi, T. Saeki et al., « La puissance gamma de l'EEG au repos et l'amélioration du couplage thêta-gamma après une SMTr préfrontale dorsolatérale gauche à haute fréquence chez des patients souffrant de dépression » Neurophysiologie clinique, vol. 128, non. 3, pp. 424-432, 2017. Voir sur : Site de l'éditeur | Google Scholar
  28. R. F. Helfrich, C. S. Herrmann, A. K. Engel et T. R. Schneider, « Différents modes de couplage médient les interactions de fréquence croisée corticale », NeuroImage, vol. 140, pp. 76-82, 2016. Voir sur : Site de l'éditeur | Google Scholar
  29. B. Voytek, R. T. Canolty, A. Shestyuk, N. E. Crone, J. Parvizi et R. T. Knight, « Déplacements de la fréquence de couplage phase-amplitude gamma de thêta à alpha sur le cortex postérieur pendant les tâches visuelles » Frontières en neurosciences humaines, vol. 4, p. 191, 2010. Afficher sur : Site de l'éditeur | Google Scholar
  30. L. Wang, Y. B. Saalmann, M. A. Pinsk, M. J. Arcaro et S. Kastner, « La cohérence électrophysiologique des basses fréquences et le couplage des fréquences croisées contribuent à la connectivité BOLD » Neurone, vol. 76, non. 5, pp. 1010-1020, 2012. Voir sur : Site de l'éditeur | Google Scholar
  31. H. Sekiguchi, S. Takeuchi, H. Kadota, Y. Kohno et Y. Nakajima, « Les artefacts induits par le TMS sur l'EEG peuvent être réduits en réarrangeant le fil conducteur de l'électrode avant l'enregistrement » Neurophysiologie clinique, vol. 122, non. 5, pp. 984–990, 2011. Voir sur : Site de l'éditeur | Google Scholar
  32. R. J. Korhonen, J. C. Hernandez-Pavon, J. Metsomaa, H. Mäki, R. J. Ilmoniemi et J. Sarvas, « Suppression des grands artefacts musculaires de l'EEG évoqué par stimulation magnétique transcrânienne par analyse indépendante des composants » Génie médical et biologique et informatique, vol. 49, non. 4, pp. 397–407, 2011. Afficher sur : Site de l'éditeur | Google Scholar
  33. F. Perrin, J. Pernier, O. Bertrand et J. F. Echallier, « Splines sphériques pour la cartographie du potentiel du cuir chevelu et de la densité de courant », Électroencéphalographie et neurophysiologie clinique, vol. 72, non. 2, pp. 184-187, 1989. Voir sur : Site de l'éditeur | Google Scholar
  34. J. Kayser et C. E. Tenke, « Analyse des composants principaux des formes d'onde laplaciennes en tant que méthode générique d'identification des modèles de générateur ERP : I. Évaluation avec des tâches auditives bizarres » Neurophysiologie clinique, vol. 117, non. 2, pp. 348-368, 2006. Voir sur : Site de l'éditeur | Google Scholar
  35. R. Kronland-Martinet, J. Morlet et A. Grossmann, « Analysis of sound patterns through wavelet transforms », Journal international de reconnaissance de formes et d'intelligence artificielle, vol. 1, non. 02, pp. 273-302, 1987. Voir sur : Site de l'éditeur | Google Scholar
  36. C. Tallon-Baudry, O. Bertrand, C. Delpuech et J. Pernier, "Spécificité du stimulus des réponses visuelles 40 Hz verrouillées et non verrouillées en phase chez l'homme", Le Journal des Neurosciences, vol. 16, non. 13, pp. 4240-4249, 1996. Voir sur : Site de l'éditeur | Google Scholar
  37. J.-P. Lachaux, E. Rodriguez, M. L. V. Quyen, A. Lutz, J. Martinerie et F. J. Varela, « Etude des essais uniques d'activité synchrone de phase dans le cerveau » Journal international de la bifurcation et du chaos, vol. 10, non. 10, pp. 2429-2439, 2000. Voir sur : Site de l'éditeur | Google Scholar
  38. P. Berens, « CircStat : une boîte à outils MATLAB pour les statistiques circulaires », Journal des logiciels statistiques, vol. 31, non. 10, 2009. Voir sur : Site de l'éditeur | Google Scholar
  39. B. Voytek, M. D'Esposito, N. Crone et R. T. Knight, "Une méthode pour le couplage phase/amplitude lié aux événements", NeuroImage, vol. 64, pp. 416-424, 2013. Voir sur : Site de l'éditeur | Google Scholar
  40. Y. Benjamini et Y. Hochberg, « Contrôler le taux de fausses découvertes : une approche pratique et puissante des tests multiples », Journal de la Royal Statistical Society : Série B (Méthodologique), vol. 57, non. 1, pp. 289-300, 1995. Voir sur : Site de l'éditeur | Google Scholar
  41. R. Oostenveld, P. Fries, E. Maris et J.-M. Schoffelen, « FieldTrip : logiciel open source pour l'analyse avancée des données électrophysiologiques MEG, EEG et invasives » Intelligence computationnelle et neurosciences, vol. 2011, Numéro d'article 156869, 9 pages, 2011. Afficher sur : Site de l'éditeur | Google Scholar
  42. R. T. Canolty et R. T. Knight, « Le rôle fonctionnel du couplage de fréquence croisée », Tendances en sciences cognitives, vol. 14, non. 11, pp. 506-515, 2010. Afficher sur : Site de l'éditeur | Google Scholar
  43. R. C. Sotero, « Modélisation de la génération du couplage phase-amplitude dans les circuits corticaux : des réseaux détaillés aux modèles de masse neuronale » Recherche BioMed Internationale, vol. 2015, Numéro d'article 915606, 12 pages, 2015. Afficher sur : Site de l'éditeur | Google Scholar
  44. V. Romei, J. Gross et G.Thut, « Les sons réinitialisent les rythmes du cortex visuel et la perception visuelle humaine correspondante », Biologie actuelle, vol. 22, non. 9, pp. 807-813, 2012. Voir sur : Site de l'éditeur | Google Scholar
  45. M. A. Kramer, A. B. L. Tort et N. J. Kopell, « Artefacts de bord tranchant et couplage parasite dans les mesures de comodulation de fréquence EEG » Journal des méthodes de neurosciences, vol. 170, non. 2, pp. 352–357, 2008. Afficher sur : Site de l'éditeur | Google Scholar
  46. S. Haegens, H. Cousijn, G. Wallis, P. J. Harrison et A. C. Nobre, « Variabilité inter et intra-individuelle de la fréquence des pics alpha » NeuroImage, vol. 92, pp. 46-55, 2014. Voir sur : Site de l'éditeur | Google Scholar
  47. P. Sauseng, W. Klimesch, K. F. Heise et al., « Substrats oscillatoires du cerveau de la capacité de mémoire visuelle à court terme » Biologie actuelle, vol. 19, non. 21, pp. 1846–1852, 2009. Afficher sur : Site de l'éditeur | Google Scholar
  48. N. W. Gouwens, H. Zeberg, K. Tsumoto, T. Tateno, K. Aihara et H. P. C. Robinson, « Synchronisation du tir dans les interneurones corticaux à pic rapide aux fréquences gamma : une analyse de réinitialisation de phase » Biologie computationnelle PLoS, vol. 6, non. 9, article e1000951, 2010. Afficher sur : Site de l'éditeur | Google Scholar
  49. R. J. Ilmoniemi, J. Virtanen, J. Ruohonen et al., « Les réponses neuronales à la stimulation magnétique révèlent la réactivité et la connectivité corticales » Neurorapport, vol. 8, non. 16, pp. 3537-3540, 1997. Voir sur : Site de l'éditeur | Google Scholar
  50. M. Massimini, F. Ferrarelli, R. Huber, S. K. Esser, H. Singh et G. Tononi, « Répartition de la connectivité corticale effective pendant le sommeil » Science, vol. 309, non. 5744, pp. 2228-2232, 2005. Voir sur : Site de l'éditeur | Google Scholar
  51. Y. Morishima, R. Akaishi, Y. Yamada, J. Okuda, K. Toma et K. Sakai, « Transmission de signaux spécifiques à une tâche du cortex préfrontal dans l'attention sélective visuelle » Neurosciences de la nature, vol. 12, non. 1, pp. 85-91, 2009. Afficher sur : Site de l'éditeur | Google Scholar
  52. A. G. Casali, S. Casarotto, M. Rosanova, M. Mariotti et M. Massimini, « Indices généraux pour caractériser la réponse électrique du cortex cérébral au TMS » NeuroImage, vol. 49, non. 2, pp. 1459-1468, 2010. Afficher sur : Site de l'éditeur | Google Scholar
  53. N. A. Parks, E. L. Maclin, K. A. Low, D. M. Beck, M. Fabiani et G. Gratton, « Examen de la dynamique corticale et de la connectivité avec une stimulation magnétique transcrânienne à impulsion unique simultanée et une imagerie optique rapide » NeuroImage, vol. 59, non. 3, pp. 2504–2510, 2012. Voir sur : Site de l'éditeur | Google Scholar
  54. M. Zanon, P. P. Battaglini, J. Jarmolowska, G. Pizzolato et P. Busan, « L'activité neuronale à longue portée évoquée par la stimulation du cortex prémoteur : une étude de co-enregistrement TMS/EEG » Frontières en neurosciences humaines, vol. 7, p. 803, 2013. Voir sur : Site de l'éditeur | Google Scholar
  55. A. Hillebrand, G. R. Barnes, J. L. Bosboom, H. W. Berendse et C. J. Stam, « Connectivité fonctionnelle dépendante de la fréquence dans les réseaux à l'état de repos : une solution de formation de faisceaux MEG basée sur un atlas » NeuroImage, vol. 59, non. 4, pp. 3909–3921, 2012. Voir sur : Site de l'éditeur | Google Scholar
  56. T. Akam et D. M. Kullmann, « Les oscillations et les réseaux de filtrage prennent en charge le routage flexible des informations » Neurone, vol. 67, non. 2, pp. 308-320, 2010. Afficher sur : Site de l'éditeur | Google Scholar
  57. M. X. Cohen, C. E. Elger et J. Fell, « Activité oscillatoire et couplage d'amplitude de phase dans le cortex frontal médial humain pendant la prise de décision » Journal des neurosciences cognitives, vol. 21, non. 2, pp. 390-402, 2009. Afficher sur : Site de l'éditeur | Google Scholar
  58. A. B. L. Tort, R. W. Komorowski, J. R. Manns, N. J. Kopell et H. Eichenbaum, « Le couplage thêta-gamma augmente pendant l'apprentissage des associations élément-contexte » Actes de l'Académie nationale des sciences des États-Unis d'Amérique, vol. 106, non. 49, pp. 20942–20947, 2009. Afficher sur : Site de l'éditeur | Google Scholar
  59. E. Tzvi, R. Verleger, T. F. Münte et U. M. Krämer, « Le couplage d'amplitude de phase alpha-gamma réduite sur le cortex pariétal droit est associé à un apprentissage implicite de la séquence visuomotrice » NeuroImage, vol. 141, pp. 60-70, 2016. Voir sur : Site de l'éditeur | Google Scholar
  60. E. Combrisson, M. Perrone-Bertolotti, J. L. P. Soto et al., « Des intentions aux actions : les oscillations neuronales encodent les processus moteurs par couplage de phase, d'amplitude et de phase-amplitude. NeuroImage, vol. 147, pp. 473-487, 2017. Voir sur : Site de l'éditeur | Google Scholar
  61. C. de Hemptinne, E. S. Ryapolova-Webb, E. L. Air et al., "Couplage phase-amplitude exagéré dans le cortex moteur primaire dans la maladie de Parkinson," Actes de l'Académie nationale des sciences des États-Unis d'Amérique, vol. 110, non. 12, pp. 4780–4785, 2013. Voir sur : Site de l'éditeur | Google Scholar
  62. S. Khan, A. Gramfort, N. R. Shetty et al., « La connectivité fonctionnelle locale et à longue portée est réduite de concert dans les troubles du spectre autistique », Actes de l'Académie nationale des sciences des États-Unis d'Amérique, vol. 110, non. 8, pp. 3107–3112, 2013. Voir sur : Site de l'éditeur | Google Scholar
  63. K. Edakawa, T. Yanagisawa, H. Kishima et al., « Détection des crises d'épilepsie à l'aide du couplage phase-amplitude en électroencéphalographie intracrânienne » Rapports scientifiques, vol. 6, non. 1, p. 25422, 2016. Voir sur : Site de l'éditeur | Google Scholar
  64. S. I. Dimitriadis, N. A. Laskaris, M. P. Bitzidou, I. Tarnanas et M. N. Tsolaki, « Un nouveau biomarqueur de MCI amnésique basé sur des modèles de couplage dynamique de fréquences croisées pendant les réponses cognitives du cerveau » Frontières en neurosciences, vol. 9, p. 350, 2015. Voir sur : Site de l'éditeur | Google Scholar
  65. W. Klomjai, R. Katz et A. Lackmy-Vallée, « Principes de base de la stimulation magnétique transcrânienne (TMS) et de la TMS répétitive (rTMS) » Annales de médecine physique et de réadaptation, vol. 58, non. 4, pp. 208-213, 2015. Voir sur : Site de l'éditeur | Google Scholar
  66. B. Kundu, J. S. Johnson et B. R. Postle, « La phase de préstimulation prédit la réponse évoquée par le TMS » Journal de neurophysiologie, vol. 112, non. 8, pp. 1885–1893, 2014. Afficher sur : Site de l'éditeur | Google Scholar

Droits d'auteur

Copyright © 2019 Sarah Glim et al. Il s'agit d'un article en libre accès distribué sous la licence d'attribution Creative Commons, qui permet une utilisation, une distribution et une reproduction sans restriction sur n'importe quel support, à condition que l'œuvre originale soit correctement citée.


Des scientifiques convertissent les signaux cérébraux de Songbird en son chant

Une équipe de chercheurs de l'Université de Californie à San Diego, de l'Universidad Nacional de La Plata et du Kavli Institute for Brain and Mind a démontré un synthétiseur vocal pour le chant des oiseaux, réalisé en cartographiant l'activité cérébrale enregistrée à partir de réseaux d'électrodes implantés dans le tissu cérébral des oiseaux. L'équipe a pu reproduire les vocalisations complexes des diamants mandarins (Taeniopygia guttata) jusqu'à la hauteur, le volume et le timbre de l'original. Les résultats, publiés le 16 juin 2021 dans la revue Biologie actuelle, fournissent une preuve de concept que des comportements naturels complexes et de grande dimension peuvent être directement synthétisés à partir de l'activité neuronale en cours.

Arnéodo et al. démontrer les possibilités d'une future prothèse vocale pour l'homme. Crédit image : Arneodo et al., doi : 10.1016/j.cub.2021.05.035.

« L'état de l'art actuel en matière de prothèses de communication est constitué de dispositifs implantables qui vous permettent de générer une sortie textuelle, en écrivant jusqu'à 20 mots par minute », a déclaré le professeur Timothy Gentner de l'Université de Californie à San Diego.

« Imaginez maintenant une prothèse vocale qui vous permet de communiquer naturellement avec la parole, en disant à haute voix ce que vous pensez presque comme vous le pensez. C'est notre objectif ultime, et c'est la prochaine frontière en matière de récupération fonctionnelle. »

"Dans l'esprit de beaucoup de gens, passer d'un modèle d'oiseau chanteur à un système qui finira par entrer dans l'homme est un assez grand saut évolutif", a ajouté Vikash Gilja, professeur à l'Université de Californie à San Diego.

"Mais c'est un modèle qui nous donne un comportement complexe auquel nous n'avons pas accès dans les modèles de primates typiques qui sont couramment utilisés pour la recherche sur les prothèses neurales."

Les chercheurs ont implanté des électrodes en silicium dans des diamants mandarins adultes mâles et ont surveillé l'activité neuronale des oiseaux pendant qu'ils chantaient.

Plus précisément, ils ont enregistré l'activité électrique de plusieurs populations de neurones dans la partie sensorimotrice du cerveau qui contrôle finalement les muscles responsables du chant.

Les scientifiques ont introduit les enregistrements neuronaux dans des algorithmes d'apprentissage automatique.

L'idée était que ces algorithmes seraient capables de faire des copies générées par ordinateur de véritables chansons de diamant mandarin basées uniquement sur l'activité neuronale des oiseaux.

Mais traduire des modèles d'activité neuronale en modèles de sons n'est pas une tâche facile.

"Il y a tout simplement trop de modèles neuronaux et trop de modèles sonores pour trouver une seule solution permettant de mapper directement un signal sur l'autre", a déclaré le professeur Gentner.

Pour accomplir cet exploit, l'équipe a utilisé des représentations simples des modèles de vocalisation des oiseaux.

Ce sont essentiellement des équations mathématiques modélisant les changements physiques, c'est-à-dire les changements de pression et de tension, qui se produisent dans l'organe vocal des pinsons, appelé syrinx, lorsqu'ils chantent.

Les auteurs ont ensuite entraîné leurs algorithmes à mapper l'activité neuronale directement sur ces représentations.

Cette approche est plus efficace que d'avoir à mapper l'activité neuronale sur les chansons elles-mêmes.

« Si vous devez modéliser chaque petite nuance, chaque petit détail du son sous-jacent, alors le problème de mappage devient beaucoup plus difficile », a déclaré le professeur Gilja.

"En ayant cette représentation simple du comportement vocal complexe des oiseaux chanteurs, notre système peut apprendre des mappages plus robustes et plus généralisables à un plus large éventail de conditions et de comportements."

La prochaine étape de l'équipe est de démontrer que leur système peut reconstruire le chant des oiseaux à partir de l'activité neuronale en temps réel.


Résumé

Les maladies cardiovasculaires (MCV) sont la principale cause de décès dans le monde, dont 90 % sont curables. L'électrocardiogramme (ECG) mesure le stimulus électrique du cœur de manière non invasive. Les réseaux de neurones convolutifs (CNN) constituent l'une des puissantes techniques d'apprentissage automatique pour classer la classification des arythmies ECG et d'autres maladies cardiovasculaires. Néanmoins, ils présentent quelques défauts fonctionnels comme l'ignorance des hiérarchies spatiales entre les caractéristiques et sont incapables d'acquérir une invariance de rotation. Pour surmonter ces problèmes de CNN, un nouveau réseau de neurones nommé réseau capsule (CapsNet) est proposé comme un algorithme efficace pour fournir une mise en œuvre sans erreur de l'apprentissage en profondeur sur les bases de données. L'objectif principal de ce travail est d'appliquer et de mettre en œuvre CapsNet pour la classification des signaux ECG à partir de la base de données MIT-BIH et de comparer son efficacité avec les réseaux CNN pré-entraînés.


Département de biologie

Comment le système nerveux contrôle-t-il le comportement typique de l'espèce et comment les hormones influencent-elles la physiologie neuronale pour modifier le comportement ? Notre laboratoire répond à ces questions en étudiant le contrôle neuroendocrinien du comportement de communication sexuellement dimorphe chez les poissons faiblement électriques.

Poisson faiblement électrique

Les organes électriques ont évolué indépendamment dans au moins six lignées de poissons. Bien que quelques espèces de poissons électriques produisent de fortes décharges utilisées pour la défense ou pour assommer des proies (par exemple les anguilles électriques), la plupart des espèces de poissons électriques produisent de faibles décharges d'organes électriques (EOD) qu'elles utilisent pour localiser des objets dans leur environnement et pour communiquer entre elles.

Étant donné que la fréquence et la forme d'onde de l'EOD varient à la fois d'une espèce à l'autre et d'un sexe à l'autre, les poissons électriques peuvent utiliser leurs signaux électriques pour communiquer leur espèce, leur sexe et leur statut de reproduction à d'autres poissons. Les différences sexuelles dans les signaux EOD sont régulées par les androgènes et/ou les œstrogènes.

Le circuit neuronal qui contrôle l'EOD ne contient que quelques types de neurones, et l'activité de ces neurones est directement liée à la fréquence du signal EOD. Cette simplicité nous permet d'étudier les mécanismes d'un comportement sexuellement dimorphe du niveau cellulaire au niveau d'analyse de l'organisme.

Quatre espèces de poissons faiblement électriques dont les signaux d'électrocommunication sont étudiés au laboratoire Smith. (Du haut jusqu'en bas: Apteronotus albifrons, Apteronotus leptorhynchus, Adontosternarchus devenanzii, et Sternarchorhynchus roseni). La forme d'onde (tension tête-queue en fonction du temps) est affichée par la trace rouge sur chaque image. Les différences d'espèces dans la fréquence et la forme d'onde/le contenu harmonique permettent à l'EOD d'être utilisé comme un signal véhiculant des informations d'identification des espèces. Signaux de communication dans S. roseni et plusieurs autres espèces sont étudiées en collaboration avec le laboratoire de José Alves-Gomes à l'INPA (Manaus, Brésil). Photos de D. MacLaren, G.T. Smith et C. Turner

Les recherches en cours dans notre laboratoire portent sur cinq questions principales :

  • Comment le système nerveux contrôle-t-il le comportement rythmique ? Nous utilisons des techniques électrophysiologiques pour étudier comment les neurones du tronc cérébral et de la moelle épinière génèrent le signal de commande pour le rythme précis et à haute fréquence de l'EOD.
  • Comment les hormones modifient-elles le système nerveux pour produire des différences sexuelles dans le comportement ? En étudiant les différences entre les hommes et les femmes dans la structure et la fonction des neurones qui contrôlent l'EOD, nous cherchons à comprendre comment les actions hormonales sur les neurones et les circuits neuronaux influencent le dimorphisme sexuel dans la sortie comportementale de ces circuits.
  • Comment le système nerveux a-t-il évolué pour produire la diversité des espèces dans le comportement ? Nous nous intéressons aux différences neurophysiologiques entre les espèces de poissons qui produisent des décharges à basse fréquence (<100 Hz) et les espèces qui produisent des décharges à haute fréquence (>1000 Hz). Ces études contribueront à notre compréhension de la façon dont la physiologie neuronale a évolué pour produire une diversité d'espèces dans le comportement rythmique.
  • Quels mécanismes sous-tendent la diversité des espèces dans le dimorphisme sexuel du comportement ? La fréquence EOD est plus élevée chez les femelles que chez les mâles chez certaines espèces, mais plus faible chez les femelles que chez les mâles chez d'autres espèces. Nous nous intéressons aux mécanismes physiologiques et évolutifs qui sous-tendent les inversions de sens du dimorphisme sexuel entre les espèces.
  • Quels mécanismes sont à l'origine des différences entre les espèces et les sexes dans les signaux d'électrocommunication plus complexes ? Les poissons électriques modulent la fréquence et l'amplitude de leurs signaux électriques pour produire des signaux de communication plus complexes appelés « chirps ». Nous étudions les mécanismes neuronaux et hormonaux qui contribuent aux différences entre les espèces et les sexes dans le comportement de gazouillis.
Immunohistochimie montrant l'expression du canal potassique voltage-dépendant (Kv1.2, vert) dans les cellules électroréceptrices d'un organe tubéreux dans la peau d'un poisson-couteau fantôme brun (Apteronotus leptorhynchus). Les canaux sodium, calcium et potassium voltage-dépendants dans ces cellules leur permettent d'être réglés pour détecter de manière optimale les signaux électriques à haute fréquence produits par cet organe électrique de cette espèce. Enregistrement des signaux de communication de poissons électriques dans un canal à Catalao près du confluent des fleuves Negro et Solimoes (Amazone) au Brésil. Des électrodes aux extrémités des sondes sont placées dans la végétation flottante dans le canal. Des appareils portables d'enregistrement et de lecture dans le canoë permettent aux chercheurs (Troy Smith, à gauche, José Alves-Gomes, à droite) d'enregistrer les signaux de communication électriques du poisson-couteau et de reproduire les signaux d'autres poissons électriques.