Statistical methods for the robust extraction of objects’ spatio-temporal relations in bioimaging – Application to the functional analysis of neuronal networks in vivo - Biological Image Analysis Accéder directement au contenu
Thèse Année : 2023

Statistical methods for the robust extraction of objects’ spatio-temporal relations in bioimaging – Application to the functional analysis of neuronal networks in vivo

Méthodes statistiques pour l’extraction robuste de relations spatio-temporelles entre objets en bioimagerie – Application à l’analyse fonctionnelle de réseaux de neurones in vivo

Résumé

The neural code, i.e. how interconnected neurons can perform complex operations, allowing the quick adaptation of animals to their environment, remains an open question and an intensive field of research both in experimental and computational neurosciences. Advances in molecular biology and microscopy have recently made it possible to monitor the activity of individual neurons in living animals and, in the case of small animals containing only a few thousands of neurons, to measure the activity of the entire nervous system. However, the mathematical framework that would bridge the gap between single neuron activity and the emergent computational properties of neuronal ensembles is missing.In the thesis manuscript, we introduce a sequential statistical processing pipeline that efficiently and robustly extracts neuronal ensembles from calcium imagery of neuronal activity. In particular, we develop a Bayesian inference framework based on a biologically interpretable model to extract neuronal ensembles characterized by noise, asynchrony and overlapping. The provided tool demonstrates that a Gibbs sampling routine can efficiently estimate statistical parameters and hidden variables to uncover neuronal ensembles based on synchronization patterns both on synthetic data and on various experimental datasets from mice and zebrafish visual cortex to Hydra Vulgaris. The thesis equally develops a point process statistical framework to quantify how neuronal ensembles encode evoked stimuli or spontaneous behaviors in living animals. This versatile tool is also used for the inference of the functional connectivity of neuronal activity or the automatically calibration procedure of the spike inference algorithms applied to calcium recordings. For the providing algorithms to be largely spread in the neurobiologist community, results are supported by interpretable biological estimates, statistical evidence, rigorous mathematical proofs, and free-available software. Our contributive implementation, that goes from pixel intensity to estimated neuronal ensembles, equally identify from the synchronous firing patterns of neuronal ensembles, neurons with specific roles that can be used to predict, improve, or alter the behaviors of living animals. The provided framework unravels the emergence of collective properties from the recording of extremely varying individual signals that make the neural code still elusive.
Le code neuronal, c'est-à-dire la manière dont les neurones interconnectés peuvent effectuer des opérations complexes, permettant l'adaptation rapide des animaux à leur environnement, reste une question ouverte et un champ de recherche intensif tant en neurosciences expérimentales qu'en neurosciences computationnelles. Les progrès de la biologie moléculaire et de la microscopie ont récemment permis de surveiller l'activité de neurones individuels chez un animal vivant et, dans le cas de petits animaux ne contenant que quelques milliers de neurones, de mesurer l'activité de l'ensemble du système nerveux. Cependant, le cadre mathématique qui permettrait de combler le fossé entre l'activité d'un seul neurone et les propriétés computationnelles émergentes des ensembles neuronaux fait défaut. Dans le manuscrit de thèse, nous présentons un pipeline de traitement statistique séquentiel qui permet d'extraire efficacement et de manière robuste des ensembles neuronaux à partir de l'imagerie calcique de l'activité neuronale. En particulier, nous développons un cadre d'inférence bayésienne basé sur un modèle biologiquement interprétable pour extraire des ensembles neuronaux caractérisés par du bruit, de l'asynchronisme et du recouvrement. L'outil fourni démontre qu'une procédure d'échantillonnage de Gibbs peut estimer efficacement les paramètres statistiques et les variables latentes pour extraire les ensembles neuronaux basés sur un modèle de synchronisation à la fois sur des données synthétiques et sur des données expérimentales allant de stimulations du cortex visuel de la souris et du poisson zèbre à l'activité spontanée de Hydra Vulgaris. La thèse développe également un cadre statistique de processus ponctuel pour quantifier la façon dont les ensembles neuronaux encodent les stimuli évoqués ou les comportements spontanés chez les animaux vivants. Cet outil polyvalent est également utilisé pour l'inférence de la connectivité fonctionnelle de l'activité neuronale ou la procédure de calibration automatique des algorithmes d'inférence de pics appliqués aux enregistrements calciques. Pour que les algorithmes fournis soient largement diffusés dans la communauté des neurobiologistes, les résultats doivent être étayés par des estimations biologiques interprétables, des preuves statistiques, des démonstrations mathématiques rigoureuses et des logiciels en libre accès. Notre implémentation contributive, qui va de l'intensité des pixels aux ensembles neuronaux estimés, identifie également, à partir des schémas d'activation synchrone des ensembles neuronaux, les neurones ayant des rôles spécifiques qui peuvent être utilisés pour prédire, améliorer ou modifier les comportements d'animaux vivants. Le cadre fourni permet de démontrer l'émergence de propriétés collectives à partir de l'enregistrement de signaux individuels extrêmement variables, qui rendent le code neuronal encore insaisissable.
Fichier principal
Vignette du fichier
KUBLER_Samuel_these_2023.pdf (43.77 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04475628 , version 1 (23-02-2024)

Identifiants

  • HAL Id : tel-04475628 , version 1

Citer

Samuel Kubler. Statistical methods for the robust extraction of objects’ spatio-temporal relations in bioimaging – Application to the functional analysis of neuronal networks in vivo. Modeling and Simulation. Sorbonne Université, 2023. English. ⟨NNT : 2023SORUS455⟩. ⟨tel-04475628⟩
89 Consultations
8 Téléchargements

Partager

Gmail Facebook X LinkedIn More