Identification des canaux TRPC impliqués dans la potentialisation à long terme des interneurones de la région CA1 de l'hippocampe chez le rat

Le réseau neuronal de l’hippocampe joue un rôle central dans la mémoire en modifiant de façon durable l’efficacité de ses synapses. Dans les interneurones de la couche oriens/alveus (O/A), l’induction de la potentialisation à long terme (PLT) requiert les courants postsynaptiques excitateurs évoqués par les récepteurs métabotropes du glutamate de sous-type 1a (CPSEmGluR1a) et l’entrée subséquente de Ca2+ via des canaux de la famille des transient receptor potential (TRP). Le but de ce projet était d’identifier les canaux TRP responsables des CPSEmGluR1a et d’explorer les mécanismes moléculaires régulant leur ouverture. Nous avons déterminé par des enregistrements électrophysiologiques que les CPSEmGluR1a étaient spécifiques aux interneurones O/A et qu’ils étaient indépendants de la phospholipase C. Nous avons ensuite examiné l’expression des TRPC et leur interaction avec mGluR1a par les techniques de RT-PCR, d’immunofluorescence et de co-immunoprécipitation. Nos résultats montrent que TRPC1 et mGluR1a s’associent dans l’hippocampe et que ces deux protéines sont présentes dans les dendrites des interneurones O/A. En revanche, TRPC4 ne semble s’associer à mGluR1a qu’en système recombinant et leur colocalisation paraît limitée au corps cellulaire. Finalement, nous avons procédé à des enregistrements d’interneurones dans lesquels l’expression des TRPC a été sélectivement supprimée par la transfection d’ARN interférant et avons ainsi démontré que TRPC1, mais non TRPC4, est une sous-unité obligatoire du canal responsable des CPSEmGluR1a. Ces travaux ont permis de mieux comprendre les mécanismes moléculaires à la base de la transmission synaptique des interneurones O/A et de mettre en évidence un rôle potentiel de TRPC1 dans la PLT.

Apprentissage de représentations sur-complètes par entraînement d’auto-encodeurs

Les avancés dans le domaine de l’intelligence artificielle, permettent à des systèmes informatiques de résoudre des tâches de plus en plus complexes liées par exemple à la vision, à la compréhension de signaux sonores ou au traitement de la langue. Parmi les modèles existants, on retrouve les Réseaux de Neurones Artificiels (RNA), dont la popularité a fait un grand bond en avant avec la découverte de Hinton et al. [22], soit l’utilisation de Machines de Boltzmann Restreintes (RBM) pour un pré-entraînement non-supervisé couche après couche, facilitant grandement l’entraînement supervisé du réseau à plusieurs couches cachées (DBN), entraînement qui s’avérait jusqu’alors très difficile à réussir. Depuis cette découverte, des chercheurs ont étudié l’efficacité de nouvelles stratégies de pré-entraînement, telles que l’empilement d’auto-encodeurs traditionnels(SAE) [5, 38], et l’empilement d’auto-encodeur débruiteur (SDAE) [44]. C’est dans ce contexte qu’a débuté la présente étude. Après un bref passage en revue des notions de base du domaine de l’apprentissage machine et des méthodes de pré-entraînement employées jusqu’à présent avec les modules RBM, AE et DAE, nous avons approfondi notre compréhension du pré-entraînement de type SDAE, exploré ses différentes propriétés et étudié des variantes de SDAE comme stratégie d’initialisation d’architecture profonde. Nous avons ainsi pu, entre autres choses, mettre en lumière l’influence du niveau de bruit, du nombre de couches et du nombre d’unités cachées sur l’erreur de généralisation du SDAE. Nous avons constaté une amélioration de la performance sur la tâche supervisée avec l’utilisation des bruits poivre et sel (PS) et gaussien (GS), bruits s’avérant mieux justifiés que celui utilisé jusqu’à présent, soit le masque à zéro (MN). De plus, nous avons démontré que la performance profitait d’une emphase imposée sur la reconstruction des données corrompues durant l’entraînement des différents DAE. Nos travaux ont aussi permis de révéler que le DAE était en mesure d’apprendre, sur des images naturelles, des filtres semblables à ceux retrouvés dans les cellules V1 du cortex visuel, soit des filtres détecteurs de bordures. Nous aurons par ailleurs pu montrer que les représentations apprises du SDAE, composées des caractéristiques ainsi extraites, s’avéraient fort utiles à l’apprentissage d’une machine à vecteurs de support (SVM) linéaire ou à noyau gaussien, améliorant grandement sa performance de généralisation. Aussi, nous aurons observé que similairement au DBN, et contrairement au SAE, le SDAE possédait une bonne capacité en tant que modèle générateur. Nous avons également ouvert la porte à de nouvelles stratégies de pré-entraînement et découvert le potentiel de l’une d’entre elles, soit l’empilement d’auto-encodeurs rebruiteurs (SRAE).

Modèle informatique du coapprentissage des ganglions de la base et du cortex : l'apprentissage par renforcement et le développement de représentations

Tout au long de la vie, le cerveau développe des représentations de son environnement permettant à l’individu d’en tirer meilleur profit. Comment ces représentations se développent-elles pendant la quête de récompenses demeure un mystère. Il est raisonnable de penser que le cortex est le siège de ces représentations et que les ganglions de la base jouent un rôle important dans la maximisation des récompenses. En particulier, les neurones dopaminergiques semblent coder un signal d’erreur de prédiction de récompense. Cette thèse étudie le problème en construisant, à l’aide de l’apprentissage machine, un modèle informatique intégrant de nombreuses évidences neurologiques. Après une introduction au cadre mathématique et à quelques algorithmes de l’apprentissage machine, un survol de l’apprentissage en psychologie et en neuroscience et une revue des modèles de l’apprentissage dans les ganglions de la base, la thèse comporte trois articles. Le premier montre qu’il est possible d’apprendre à maximiser ses récompenses tout en développant de meilleures représentations des entrées. Le second article porte sur l'important problème toujours non résolu de la représentation du temps. Il démontre qu’une représentation du temps peut être acquise automatiquement dans un réseau de neurones artificiels faisant office de mémoire de travail. La représentation développée par le modèle ressemble beaucoup à l’activité de neurones corticaux dans des tâches similaires. De plus, le modèle montre que l’utilisation du signal d’erreur de récompense peut accélérer la construction de ces représentations temporelles. Finalement, il montre qu’une telle représentation acquise automatiquement dans le cortex peut fournir l’information nécessaire aux ganglions de la base pour expliquer le signal dopaminergique. Enfin, le troisième article évalue le pouvoir explicatif et prédictif du modèle sur différentes situations comme la présence ou l’absence d’un stimulus (conditionnement classique ou de trace) pendant l’attente de la récompense. En plus de faire des prédictions très intéressantes en lien avec la littérature sur les intervalles de temps, l’article révèle certaines lacunes du modèle qui devront être améliorées. Bref, cette thèse étend les modèles actuels de l’apprentissage des ganglions de la base et du système dopaminergique au développement concurrent de représentations temporelles dans le cortex et aux interactions de ces deux structures.

Configuration et exploitation d'une machine émotionnelle

Dans ce travail, nous explorons la faisabilité de doter les machines de la capacité de prédire, dans un contexte d'interaction homme-machine (IHM), l'émotion d'un utilisateur, ainsi que son intensité, de manière instantanée pour une grande variété de situations. Plus spécifiquement, une application a été développée, appelée machine émotionnelle, capable de «comprendre» la signification d'une situation en se basant sur le modèle théorique d'évaluation de l'émotion Ortony, Clore et Collins (OCC). Cette machine est apte, également, à prédire les réactions émotionnelles des utilisateurs, en combinant des versions améliorées des k plus proches voisins et des réseaux de neurones. Une procédure empirique a été réalisée pour l'acquisition des données. Ces dernières ont fourni une connaissance consistante aux algorithmes d'apprentissage choisis et ont permis de tester la performance de la machine. Les résultats obtenus montrent que la machine émotionnelle proposée est capable de produire de bonnes prédictions. Une telle réalisation pourrait encourager son utilisation future dans des domaines exploitant la reconnaissance automatique de l'émotion.

Impacts potentiels d’un changement climatique sur le pergélisol dans le nord canadien

Les fichiers video (d'animation) sont dans un format Windows Media (.wmv)

Plasticity of neuroanatomical relationships between cholinergic and dopaminergic axon varicosities and pyramidal cells in the rat medial prefrontal cortex

Les systèmes cholinergique et dopaminergique jouent un rôle prépondérant dans les fonctions cognitives. Ce rôle est exercé principalement grâce à leur action modulatrice de l’activité des neurones pyramidaux du cortex préfrontal. L’interaction pharmacologique entre ces systèmes est bien documentée mais les études de leurs interactions neuroanatomiques sont rares, étant donné qu’ils sont impliqués dans une transmission diffuse plutôt que synaptique. Ce travail de thèse visait à développer une expertise pour analyser ce type de transmission diffuse en microscopie confocale. Nous avons étudié les relations de microproximité entre ces différents systèmes dans le cortex préfrontal médian (mPFC) de rats et souris. En particulier, la densité des varicosités axonales en passant a été quantifiée dans les segments des fibres cholinergiques et dopaminergiques à une distance mutuelle de moins de 3 µm ou à moins de 3 µm des somas de cellules pyramidales. Cette microproximité était considérée comme une zone d’interaction probable entre les éléments neuronaux. La quantification était effectuée après triple-marquage par immunofluorescence et acquisition des images de 1 µm par microscopie confocale. Afin d’étudier la plasticité de ces relations de microproximité, cette analyse a été effectuée dans des conditions témoins, après une activation du mPFC et dans un modèle de schizophrénie par déplétion des neurones cholinergiques du noyau accumbens. Les résultats démontrent que 1. Les fibres cholinergiques interagissent avec des fibres dopaminergiques et ce sur les mêmes neurones pyramidaux de la couche V du mPFC. Ce résultat suggère différents apports des systèmes cholinergique et dopaminergique dans l’intégration effectuée par une même cellule pyramidale. 2. La densité des varicosités en passant cholinergiques et dopaminergiques sur des segments de fibre en microproximité réciproque est plus élevée comparé aux segments plus distants les uns des autres. Ce résultat suggère un enrichissement du nombre de varicosités axonales dans les zones d’interaction. 3. La densité des varicosités en passant sur des segments de fibre cholinergique en microproximité de cellules pyramidales, immunoúactives pour c-Fos après une stimulation visuelle et une stimulation électrique des noyaux cholinergiques projetant au mPFC est plus élevée que la densité des varicosités de segments en microproximité de cellules pyramidales non-activées. Ce résultat suggère un enrichissement des varicosités axonales dépendant de l’activité neuronale locale au niveau de la zone d'interaction avec d'autres éléments neuronaux. 4. La densité des varicosités en passant des fibres dopaminergiques a été significativement diminuée dans le mPFC de rats ayant subi une déplétion cholinergique dans le noyau accumbens, comparée aux témoins. Ces résultats supportent des interrelations entre la plasticité structurelle des varicosités dopaminergiques et le fonctionnement cortical. L’ensemble des donneès démontre une plasticité de la densité locale des varicosités axonales en fonction de l’activité neuronale locale. Cet enrichissement activité-dépendant contribue vraisemblablement au maintien d’une interaction neurochimique entre deux éléments neuronaux.

Expérience comportementale et modélisation par réseau neuronal des différences entre les processus de catégorisation par règles logiques et par ressemblance familiale

Notre étude est bipartite. En premier lieu nous avons effectué une étude empirique des différences entre les processus de catégorisation explicite (verbalisable) et implicite (non-verbalisable). Nous avons examiné la difficulté et le temps nécessaire pour apprendre trois tâches de catégorisation dites par air de famille, par règle logique conjonctive et par règle logique disjonctive. Nous avons ensuite utilisé un réseau neuronal pour modéliser la catégorisation en lui faisant compléter les mêmes tâches. La comparaison entre les deux nous permet de juger de l’adéquation du modèle. Les données empiriques ont montré un effet de la typicité et de la familiarité en accord avec la documentation et nous trouvons que la tâche de catégorisation par règle disjonctive est la plus difficile alors que la tâche de catégorisation par air de famille est la plus facile. La modélisation par le réseau est une réussite partielle mais nous présentons des solutions afin qu’un réseau futur puisse modéliser le processus catégoriel humain efficacement

The use of artificial intelligence algorithms to guide surgical treatment of adolescent idiopathic scoliosis

La scoliose idiopathique de l’adolescent (SIA) est une déformation tri-dimensionelle du rachis. Son traitement comprend l’observation, l’utilisation de corsets pour limiter sa progression ou la chirurgie pour corriger la déformation squelettique et cesser sa progression. Le traitement chirurgical reste controversé au niveau des indications, mais aussi de la chirurgie à entreprendre. Malgré la présence de classifications pour guider le traitement de la SIA, une variabilité dans la stratégie opératoire intra et inter-observateur a été décrite dans la littérature. Cette variabilité s’accentue d’autant plus avec l’évolution des techniques chirurgicales et de l’instrumentation disponible. L’avancement de la technologie et son intégration dans le milieu médical a mené à l’utilisation d’algorithmes d’intelligence artificielle informatiques pour aider la classification et l’évaluation tridimensionnelle de la scoliose. Certains algorithmes ont démontré être efficace pour diminuer la variabilité dans la classification de la scoliose et pour guider le traitement. L’objectif général de cette thèse est de développer une application utilisant des outils d’intelligence artificielle pour intégrer les données d’un nouveau patient et les évidences disponibles dans la littérature pour guider le traitement chirurgical de la SIA. Pour cela une revue de la littérature sur les applications existantes dans l’évaluation de la SIA fut entreprise pour rassembler les éléments qui permettraient la mise en place d’une application efficace et acceptée dans le milieu clinique. Cette revue de la littérature nous a permis de réaliser que l’existence de “black box” dans les applications développées est une limitation pour l’intégration clinique ou la justification basée sur les évidence est essentielle. Dans une première étude nous avons développé un arbre décisionnel de classification de la scoliose idiopathique basé sur la classification de Lenke qui est la plus communément utilisée de nos jours mais a été critiquée pour sa complexité et la variabilité inter et intra-observateur. Cet arbre décisionnel a démontré qu’il permet d’augmenter la précision de classification proportionnellement au temps passé à classifier et ce indépendamment du niveau de connaissance sur la SIA. Dans une deuxième étude, un algorithme de stratégies chirurgicales basé sur des règles extraites de la littérature a été développé pour guider les chirurgiens dans la sélection de l’approche et les niveaux de fusion pour la SIA. Lorsque cet algorithme est appliqué à une large base de donnée de 1556 cas de SIA, il est capable de proposer une stratégie opératoire similaire à celle d’un chirurgien expert dans prêt de 70% des cas. Cette étude a confirmé la possibilité d’extraire des stratégies opératoires valides à l’aide d’un arbre décisionnel utilisant des règles extraites de la littérature. Dans une troisième étude, la classification de 1776 patients avec la SIA à l’aide d’une carte de Kohonen, un type de réseaux de neurone a permis de démontrer qu’il existe des scoliose typiques (scoliose à courbes uniques ou double thoracique) pour lesquelles la variabilité dans le traitement chirurgical varie peu des recommandations par la classification de Lenke tandis que les scolioses a courbes multiples ou tangentielles à deux groupes de courbes typiques étaient celles avec le plus de variation dans la stratégie opératoire. Finalement, une plateforme logicielle a été développée intégrant chacune des études ci-dessus. Cette interface logicielle permet l’entrée de données radiologiques pour un patient scoliotique, classifie la SIA à l’aide de l’arbre décisionnel de classification et suggère une approche chirurgicale basée sur l’arbre décisionnel de stratégies opératoires. Une analyse de la correction post-opératoire obtenue démontre une tendance, bien que non-statistiquement significative, à une meilleure balance chez les patients opérés suivant la stratégie recommandée par la plateforme logicielle que ceux aillant un traitement différent. Les études exposées dans cette thèse soulignent que l’utilisation d’algorithmes d’intelligence artificielle dans la classification et l’élaboration de stratégies opératoires de la SIA peuvent être intégrées dans une plateforme logicielle et pourraient assister les chirurgiens dans leur planification préopératoire.

Fonction de la protéine Ceroid lipofuscinosis neuronal 5 (CLN5) dans le tri et le recyclage à l’endosome

Le tri et le transport efficace des hydrolases acides vers le lysosome jouent un rôle critique pour la fonction des cellules. Plus de 50 maladies humaines sont dues à des mutations des enzymes lysosomales, des protéines régulant des processus-clés du transport vers le lysosome ou des enzymes effectuant des modifications posttraductionnelles importantes pour la fonction du lysosome. L’objectif de cette thèse est d’identifier des protéines et des mécanismes permettant à la cellule de réguler le transport des enzymes vers le lysosome. Nous avons formulé l’hypothèse que des protéines mutées dans des maladies lysosomales et dont les fonctions étaient inconnues pouvaient jouer un rôle dans le transport vers le lysosome. Les céroïdes-lipofuscinoses neuronales forment une famille de maladies lysosomales rares mais sont aussi les maladies neurodégénératives infantiles les plus fréquentes. Plusieurs gènes impliqués dans les NCL encodent des protéines aux fonctions inconnues. Les travaux présentés dans cette thèse ont identifié la protéine « ceroid lipofuscinosis neuronal-5 » (CLN5) qui est localisée à l’endosome et au lysosome comme élément nécessaire au recrutement et à l’activation de rab7. Rab7 est une protéine Rab-clé qui contrôle le trafic à l’endosome tardif. Cette petite GTPase est impliquée dans le recrutement de retromer, un complexe protéique qui régule le trafic de l’endosome vers l’appareil de Golgi des récepteurs de tri lysosomal comme sortilin et le récepteur du mannose-6-phosphate. Dans les cellules où CLN5 est déplété, les récepteurs de tri lysosomal sont moins recyclés plus rapidement dégradés. En utilisant des expériences de photomarquage nous avons aussi pu démontrer que Rab7 est moins activées en l’absence de CLN5. Pour exécuter leur fonction les protéines rabs doivent être recrutée à la membrane et activées par l’échange d’une molécule de GDP pour une molécule de GTP. Le recrutement des Rabs à la membrane nécessite une modification posttraductionnelle lipidique pour être facilités. En utilisant un modèle de levures nous avons démontré que l’homologue de Rab7, Ypt7 est palmitoylée. Nous avons aussi démontré que la palmitoyltransférase Swif1 est nécessaire au recrutement de Ypt7 à la membrane. Nous avons aussi remarqué que les sous- unités de retromer chez la levure sont moins recrutées lorsque les palmitoyltransférases sont déplétées. Dans les cellules de mammifères nous avons démontré que Rab7 est également palmitoylé et que cette palmitoylation est possiblement effectuée par les palmitoyltransférases DHHC1 et DHHC8. La palmitoylation de Rab7 a lieu sur les cystéines en C-terminal qui sont nécessaires au recrutement membranaire et qui auparavant étaient uniquement décrites comme prénylées. En utilisant la méthode de « click chemistry » nous avons découvert que lorsque la prénylation de Rab7 est bloquée le niveau de palmitoylation augmente. Pour caractériser l’interaction entre CLN5 et Rab7 nous avons performé des expériences afin d’établir définitivement la topologie de cette protéine. Nous avons ainsi démontré que CLN5 est une protéine hautement glycosylée qui est initialement traduite en protéine transmembranaire et subséquemment clivée par un membre de la famille des peptidase de peptide signal (SPP). Cette protéine soluble peut alors possiblement interagir avec CLN3 qui est aussi palmitoylée pour recruter et activer Rab7. Nos études suggèrent pour la première fois que CLN5 pourrait être un recruteur et un activateur de Rab7 qui agirait avec la protéine CLN3 pour séquestrer Rab7 avec les autres récepteurs palmitoylés et permettre leur recyclage vers l’appareil de Golgi.