Thèse Modulation de la Corrélation Dynamique Structure-Fonction à Travers des États de Conscience. H/F - Doctorat.Gouv.Fr

Établissement : Université Côte d'Azur École doctorale : STIC - Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : Modélisation des résaux dynamiques cérébraux Direction de la thèse : RODRIGO COFRE-TORRES ORCID 0000000274987122 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-03T23:59:59 Ce projet doctoral explore l'interaction dynamique entre la connectivité structurelle et fonctionnelle à travers différents états de
conscience - sommeil profond, anesthésie générale, coma et états psychédéliques. L'hypothèse centrale est que la corrélation entre la
connectivité structurelle (SC), représentant l'architecture anatomique du cerveau, et la connectivité fonctionnelle (FC), qui reflète les
dépendances statistiques de l'activité neuronale, est modulée par les variations d'état de conscience. En combinant des données
neuroimagerie et des modèles biophysiques de cerveau entier, ce projet vise à élucider les mécanismes neuronaux sous-jacents à la
conscience.
Ce travail s'appuie sur des avancées récentes en connectomique et en modélisation du cerveau entier, pour combler une lacune majeure: l'absence d'un cadre unificateur expliquant comment la structure cérébrale contraint les dynamiques fonctionnelles associées à
différents états de conscience. Le moment est propice, alors que la discipline évolue vers une modélisation intégrative et une fusion des
données multi-modales - offrant une opportunité unique de contribuer à la neuroscience théorique.
La thèse est structurée en deux phases :
Phase I - Caractérisation empirique : À partir de données multimodales (IRM diffussion et fonctionnelle), nous quantifierons le couplage SC-FC à travers divers états de conscience. Les outils analytiques incluent la modélisation stochastique de l'activité cérébrale [1], la décomposition harmonique du connectome [2], l'analyse de la connectivité fonctionnelle dynamique [3,4], et l'étude des interdépendances statistiques
d'ordre supérieur [5]. L'objectif est d'évaluer la robustesse et la sensibilité de ces approches aux variations de conscience.
Phase II - Modélisation computationnelle : Des simulations de cerveau entier seront développées pour reproduire et interpréter la dépendance SC-FC selon les états de conscience [6,7].
Deux modèles biophysiques seront explorés :
Le modèle ADEX (Adaptive Exponential Integrate-and-Fire) [8], qui décrit la dynamique de neurones individuels avec des courants adaptatifs.
Le modèle DMF (Dynamic Mean Field) [9, 10, 11, 12], qui capte la dynamique au niveau mesoscopique.
Une innovation clé consiste à utiliser le calcul haute performance (GPU) pour simuler des réseaux jusqu'à ~10^9 neurones ADEX par région cerebral, sans recourir à l'approximation en champ moyen, afin de générer des taux de décharge et d'inférer les signaux BOLD
IRMf [7]. L'approche 'sans champ moyen' [13] permet de suivre les paramètres à l'échelle neuronale et d'évaluer leur impact global sans hypothèse de champ moyen [14, 15]. Une seconde innovation est l'utilisation de l'optimisation bayésienne pour ajuster les paramètres du
modèle ADEX aux données empiriques. Pour le modèle DMF, l'objectif est de modéliser différents états de conscience avec une même modèle mais des paramètres distincts. La sensibilité des paramètres sera étudiée de manière approfondie à l'aide de la bibliothèque BifurcationKit.jl [16].

Références :
[1] Gilson et al., Phys. Rev. E, 107(2):024121, 2023.
[2] Luppi et al., Nat. Commun., 15(1):2171, 2024.
[3] Demertzi et al., Sci. Adv., 5(2):eaat7603, 2019.
[4] Castro et al., Commun. Biol., 7(1):1224, 2024.
[5] Gatica et al., Brain Connect., 11(9):734-744, 2021.
[6] Cofre et al., Brain Sci., 10(9):626, 2020.
[7] Sacha et al., Nat. Comput. Sci. 5 (5), 405-417, 2025.
[8] Brette & Gerstner, J. Neurophysiol., 94(5):3637-3642, 2005.
[9] Herzog et al., Netw. Neurosci., 8(4):1590-1612, 2024.
[10] Pille et al. bioRxiv (2025): 2025-11.
[11] Herzog, et al. Scientific reports 13.1 (2023): 6244.
[12] Luppi et al. Nature Reviews Neuroscience 23.12 (2022): 767-768.
[13] Theodoropoulos et al., PNAS, 97(18):9840-9843, 2000.
[14] Cormier et al., Stoch. Process. Appl., 130(5):2553-2595, 2020.
[15] Veltz, R. (2025). arXiv preprint arXiv:2508.19134.
[16] Veltz, R. BifurcationKit. jl (2020). hal-02902346.

La compréhension des bases neuronales de la conscience constitue un défi majeur en neurosciences contemporaines. Les avancées récentes en neuroimagerie ont permis de caractériser à grande échelle la connectivité structurelle (SC) et la connectivité fonctionnelle (FC) du cerveau humain. Toutefois, le lien entre ces deux niveaux d'organisation reste encore partiellement compris, en particulier dans des états altérés de conscience tels que le sommeil profond, l'anesthésie générale, le coma ou les états psychédéliques.

Des travaux récents suggèrent que la corrélation dynamique entre SC et FC pourrait constituer un marqueur robuste des états de conscience. Néanmoins, il manque encore un cadre théorique unificateur permettant d'expliquer comment les contraintes structurelles donnent lieu à des dynamiques fonctionnelles variées selon les états physiologiques ou pathologiques.

Dans ce contexte, les modèles de cerveau entier émergent comme un outil clé pour relier données empiriques et mécanismes biophysiques. En combinant données multimodales et simulations computationnelles, ces approches permettent d'explorer de manière contrôlée l'impact des paramètres neuronaux et synaptiques sur les dynamiques globales du cerveau.
Les objectifs principaux sont les suivants :
Développer un modèle de cerveau entier fournissant des explications mécanistiques des processus conscients.
Analyser les corrélations dynamiques structure-fonction afin d'identifier des signatures dynamiques des differents etats de la conscience.
Explorer des approches alternatives, telles que les interdépendances d'ordre supérieur basées sur la théorie de l'information, pour compléter les résultats principaux. La thèse s'articule en deux phases complémentaires :

Phase I - Caractérisation empirique :
À partir de jeux de données de neuroimagerie multimodale (IRM et IRMf), cette phase vise à quantifier le couplage structure-fonction (SC-FC) chez des sujets dans divers états de conscience. Des outils analytiques avancés - tels que la modélisation stochastique de l'activité cérébrale, la décomposition harmonique du connectome, l'analyse de la connectivité fonctionnelle dynamique, ainsi que l'étude des interdépendances statistiques d'ordre supérieur - seront mobilisés afin d'identifier des signatures dynamiques robustes associées à chaque état. L'objectif est d'évaluer la sensibilité et la généralisabilité de ces approches en les appliquant à un large éventail de conditions neurophysiologiques.

Phase II - Modélisation computationnelle :
Des simulations de cerveau entier seront développées afin de reproduire et d'interpréter les corrélations SC-FC observées. Deux modèles biophysiques complémentaires seront explorés :

Le modèle ADEX (Adaptive Exponential Integrate-and-Fire), qui décrit l'activité neuronale à l'échelle individuelle en intégrant des mécanismes d'adaptation.
Le modèle DMF (Dynamic Mean Field), qui capture la dynamique à l'échelle des populations neuronales à l'aide d'une approche de champ moyen.

Dans cette seconde phase, des approches alternatives sans recours au champ moyen seront également étudiées, afin d'évaluer leur capacité à rendre compte des dynamiques observées.

Le candidat devra être titulaire d'un M2 ou grade équivalent au moment
du recrutement.