Le système visuel humain est complexe par son organisation anatomique et par son fonctionnement incomplètement élucidé. Il est fonctionnellement divisé en deux systèmes. Le premier système est destiné à la vision consciente communément appelée voie visuelle principale ou en anglais « image forming visual pathways ». Le second, appelé système secondaire ou accessoire, n’apporte pas d’information visuelle consciente, il est dit « non image forming visual pathway ». Ce dernier apporte à notre cerveau une information sur l’environnement telle que la sensation jour/nuit. Ses fonctions sont sous-tendues par l’afflux d’informations rétiniennes non visuelles sur des structures de l’hypothalamus comme le noyau supra-chiasmatique. Les deux systèmes visuels ont un substratum anatomique complexe faisant intervenir de nombreuses structures anatomiques au sein des différents étages du cerveau cortical et sous-cortical comme les noyaux gris centraux dits « Basal Ganglias » (BG). Le système visuel secondaire intervient aussi comme une structure de contrôle des mouvements oculomoteurs tels que la poursuite ou les saccades nécessaires pour explorer notre environnement. Ainsi les saccades oculomotrices sont sous le contrôle modulateur des BG. De ce fait l’étude des saccades apparait comme un très bon modèle pour explorer le fonctionnement du système extrapyramidal au cours des maladies neuro-dégénératives. Les connaissances actuelles sur ce système de contrôle des saccades proviennent essentiellement des études sur le primate non humain et sur des observations cliniques chez l’homme au cours de pathologies dégénératives ou toxiques des BG. L’observation des structures anatomiques, en particulier du réseau de la substance blanche cérébrale qui supporte les connections axonales, n’est pas accessible à l’imagerie clinique de routine. Pour décrire et étudier ces réseaux de connections, la notion de connectomique a été introduite il y a un dizaine d’années. Dans ce travail, nous nous sommes donné l’objectif de décrire le connectome des saccades oculomotrices sur un plan structurel. Nous avons exploré les structures sous-corticales intervenant dans le contrôle des saccades comme les BG, le colliculus supérieur et le pulvinar. Pour ce faire, nous avons utilisé l’imagerie IRM structurelle en diffuseur de tension (DTI) chez deux groupes de patients présentant une maladie neuro-dégénérative : un groupe souffrant de maladie de Parkinson chez qui une atteinte des BG et une dysfonction des saccades sont reconnues, et un groupe de trembleurs essentiels reconnu pour ne pas présenter de dysfonction des saccades et chez qui les BG sont épargnés. Le résultat de ce travail a permis pour la première fois une description in vivo du connectome des saccades chez l’Homme. Il a de plus montré des différences dans la structure du connectome dans les deux groupes de patients. Une meilleure connaissance de ce connectome pourrait permettre de mieux comprendre certains troubles oculomoteurs et aussi de suivre l’évolution de certaines maladies neurodegeneratives. / Visual system is complex by its anatomy and its function. Neuro-anatomists have been interested in understanding the link between the visual pathways and the brain for centuries. Classical brain fixation and dissection methods were used to describe the visual pathways identifiable macroscopically. Non–image visual pathway, particularly the part involves in saccadic eye movements network in human is still not mastered. Our current knowledge in SCM is based on animal studies, anatomic dissection and brain histopathology examination of specimens from patients with clinical basal ganglia (BG) disorders. Saccadic eye movements (SCM) are under the control of the basal ganglia (BG) and SCM circuitry within the BG represents a good model for studying pathology in the extra-pyramidal system. The diagnosis of Parkinson’s disease (PD), which affects SEM and its distinction from non-dopaminergic, essential tremor (ET) where SEM are not impaired can be challenging and still relies on clinical observations. Diffusion tensor imaging and fiber tractography (DTI-FT), a new MRI technology, can be used to evaluate the presence and integrity of white matter tracts using directional diffusion patterns of water. The purpose of this study is to use DTI-FT to analyse SEM networks within BG and compare the SEM neural pathways or connectome of patients clinically diagnosed with PD and ET. To date, there are no studies, using DTI-FT for the extensive exploration of non-image visual pathways and SCM circuits, notably the deep brain connections. For this goal, we introduced the concept of SCM connectomes, derived from the general concept of connectome. Our study used structural MRI to identify nuclei and fascicles of the SCM connectome in PD and ET patients; imageries were acquired in routine clinical conditions fitted for DBS surgery. We found a reduction of the fiber number in two fascicles of the connectome in PDcompared to ET group.

Les entrées des projections de dLGN et FB des aires corticales à L1 du V1 de la souris sont discontinues. Elles correspondent à un motif d'expression M2AChR. Ce motif est aussi observé chez le rat et le singe. Les neurones en L2/3 alignés avec les zones M2+ ont une grande acuité spatiale, tandis que dans les zones M2- ont une grande acuité temporelle. Ensemble, les zones M2 + et M2- forment des domaines constants. Ils codent des sous-régions du RF, de sorte que plusieurs domaines contribuent à l'image d'un point du champ visuel.En utilisant des traceurs rétrogrades, nous montrons un principe d'organisation générale fondée sur une règle de la distance exponentielle (EDR) et la géométrie corticale. Nous trouvons des invariants de réseau, mais aussi des différences significatives, telles que des connexions de longue distance beaucoup plus faibles chez le macaque. Une EDR est aussi présente à l'échelle locale, à moins de 1,5 mm, ce qui indique qu'elle pourrait être une propriété universellement applicable à toutes les échelles et chez toutes les mammifères.41 injections avec des traceurs rétrogrades ont été faites dans 22 des 45 régions du néocortex de la souris. Nous avons aplati le cortex et utilisé des critères histologiques et génétiques pour la répartition des neurones marqués dans les aires corticales. Pour chaque connexion, un poids a été déterminé. La cohérence entre les animaux est influencée par le poids moyen et la taille de l'injection. La distribution lognormale des connexions à une aire corticale couvre 5 ordres de grandeur et constitue un profil de connectivité qui est caractéristique de chaque aire. La matrice cortico-corticale présente une densité de 96% / We find that inputs to the non-columnar mouse V1 from the dLGN and FB projections from cortical areas to L1 are patchy. The patches are matched to a pattern of M2AChR expression at ?xed locations of mouse, rat, and monkey V1. Neurons in L2/3 aligned with M2-rich patches have high spatial acuity, whereas cells in M2-poor zones have high temporal acuity. Together M2+ and M2-zones form constant-size domains that are repeated across V1. Domains map subregions of the RF, such that multiple copies are contained within the point image. Using tract tracing data from macaque and mouse, we show a general organizational principle based on an exponential distance rule (EDR) and cortical geometry. We find network invariants between mouse and macaque, but also significant differences, such as fractionally smaller and much weaker long distance connections in the macaque than in mouse. An EDR holds at local scales as well (within 1.5 mm), indicating that it might be a universally valid property across all scales and across the mammalian class.41 injections with retrograde tracers were made in 22 of the 40 areas of the mouse neocortex. Flat mounts of the cortex complete with comprehensive histological and genetic criteria enabled allocation of counts of labeled neurons to individual cortical areas. A weight was determined for each connection. Consistency across animals was systematically influenced by mean weight and injection size. The lognormal distribution of connections to a cortical area spanned 5 orders of magnitude and constituted a connectivity profile that was highly characteristic for each area. The resulting matrix showed that 96% of connections that can exist do exist

Ce travail vise au développement d’une méthode d’inférence des fibres de la substance blanche cérébrale fondée sur l’utilisation d’une approche globale de type « verres de spins » sous contraintes anatomiques. Contrairement aux méthodes classiques reconstituant les fibres indépendamment les unes des autres, cette approche markovienne reconstruit l’ensemble des fibres dans un unique processus de minimisation d’une énergie globale dépendant de la configuration des spins (position, orientation, longueur et connexion(s)) et de leur adéquation avec le modèle local du processus de diffusion, afin d'améliorer la robustesse et la réalité anatomique des fibres reconstruites. Le travail mené dans le cadre de cette thèse a donc consisté, en plus du développement de l’algorithme de tractographie, à étudier la possibilité de le contraindre à l’aide d’a priori anatomiques provenant de l’imagerie anatomique pondérée en T1 et des nouvelles approches de microscopie par IRM de diffusion fournissant des informations de nature micro-structurelle sur le tissu. En particulier, l’algorithme a été conçu pour autoriser une forte courbure des fibres à l’approche du ruban cortical et permettre leur connexion au sommet des gyri, mais également sur leurs flancs. Le modèle NODDI (Neurite Orientation Dispersion and Density Imaging) a gagné en popularité au cours des dernières années grâce à sa compatibilité avec une utilisation en routine clinique et permet de quantifier la densité neuritique et la dispersion angulaire des axones. Une forte dispersion traduit l’existence de populations de fibres d’orientations différentes ou une forte courbure d’un même faisceau de fibres au sein d'un voxel. Elle est donc exploitée pour relâcher la contrainte de faible courbure à proximité du cortex cérébral dans notre approche de tractographie globale lorsque cette dispersion angulaire est forte, permettant aux fibres de s'orienter par rapport à la normale locale au cortex. Cette contrainte est en revanche supprimée si la dispersion angulaire reste faible, indiquant une trajectoire à plus faible courbure, à l’instar des fibres se projetant dans le fond du gyrus ou des fibres en U. Les performances de cette nouvelle approche de tractographie sous contraintes anatomiques ont été évaluées à partir de données simulées, et ont été testées sur des données IRM post-mortem de très haute résolution et sur des données IRM in vivo de résolution millimétrique. En parallèle de ce développement méthodologique, une étude des corrélats locaux-régionaux de la densité neuritique et de l’activation cérébrale à la surface du cortex a été réalisée. L'étude a été menée sur la cohorte de sujets sains scannés dans le cadre du projet européen CONNECT dotée de données anatomiques, de diffusion et fonctionnelles reposant sur l’utilisation de paradigmes explorant en particulier les réseaux de la motricité, du langage et de la vision. Les données anatomiques ont permis d’extraire la surface piale et une parcellisation surfacique du cortex de chaque individu, les données de diffusion ont permis l’évaluation des cartographies individuelles de la densité neuritique au sein du ruban cortical et les données fonctionnelles du phénomène BOLD (Blood Oxygen Level Dependent) ont permis le calcul des cartographies individuelles des z-scores du modèle linéaire général pour différents contrastes. Une colocalisation des maxima de la densité neuritique et des pics d'activation a été observée, pouvant être interprétée comme une augmentation de la densité neuritique au sein des réseaux fonctionnels afin d'en améliorer l'efficacité. L’étude a également corroboré la latéralisation du réseau fonctionnel du langage et de la motricité, en accord avec la latéralisation de la population scannée tandis qu'une augmentation de la densité neuritique dans le cortex visuel droit a été observée pouvant être corrélée à des résultats d’étude de l’attention visuo-spatiale reportée dans la littérature chez le primate non-humain. / This work aims at developing a method inferring white matter fibers reconstructed using a global spin-glass approach constrained by anatomical prior knowledge. Unlike usual methods building fibers independently from one another, our markovian approach reconstructs the whole tractogram in an unique process by minimizing the global energy depending on the spin glass configuration (position, orientation, length and connection(s)) and the match with the local diffusion process in order to increase the robustness and the accuracy of the algorithm and the anatomical reliability of the reconstructed fibers. Thus, the work done during this PhD, along with the development of the global tractography algorithm, consisted in studying the feasibility of the anatomical prior knowledge integration stemming from the T1 weighted MRI and from new diffusion MRI microstructure approaches providing microstructural information of the surrounding tissue. In particular, the algorithm was built to allow a high fiber curvature when getting closer to the cortical ribbon and thus enabling the connection not only at the end of the gyri but also on their sides. The NODDI (Neurite Orientation Dispersion and Density Imaging) model has become more and more popular during the past years thanks to its capability to be used in clinical routine and allows to quantify neurite density and axons angular dispersion. A high dispersion means the existence of different fibers population or a high curvature of a fascicle within a voxel. Thus, the orientation dispersion has been used in our global tractography framework to release the curvature constraint near the cerebral cortex when the angular dispersion is high, allowing fibers to orientate collinear to the local normal to the cortical surface. However, this constraint is removed if the angular dispersion stays low, meaning a low curvature fiber trajectory following the example of the fibers projecting to the end of a gyrus or the U-fibers. The performances of this new tractography approach constrained by anatomical prior knowledge have been evaluated on simulated data, and tested on high resolution post-mortem MRI acquisitions and millimetric resolution in vivo MRI acquisitions. In parallel of this methodological development, a study about local-regional correlations between neurite density and cerebral activation on the cortical surface has been made. This study has been conducted on the healthy volunteers cohort scanned in the frame of the European CONNECT project including anatomical, diffusion and functional data. The anatomical data has been used to extract the pial surface and an individual parcellation on the cortical surface for each volunteer, the diffusion data has been used to evaluate the individual maps of neurite density within the cortical ribbon and the functional data from the BOLD (Blood Oxygen Level Dependent) effect has been used to calculate the individual z-scores of the general linear model for specific contrasts investigating the motor, language and visual networks. A co-localization of neurite density and activation peaks has been observed, which might indicate an increase of the neurite density within functional networks in order to increase its efficiency. This study also corroborates the lateralization of the language functional network and the motor one, in good agreement with the population lateralization, while an increase of the neurite density in the visual cortex has been observed which might be correlated to the results of visuo-spatial attention studies described in the literature on the non-human primate.

Human structural and functional brain architecture is increasingly studied by applying the mathematical framework of complex networks to data from magnetic resonance imaging. Connections (edges) in such brain networks are commonly constructed using correlations of features between pairs of brain regions, such as regional morphology (across participants) or neurophysiological time series (within participants). Subsequent analyses frequently focus on summary network statistics calculated using the strongest correlations, but often neglect potential underlying shifts within the correlation distribution. This thesis presents methods for the construction and analysis of correlation-derived structural and functional brain networks, focusing on the implications of changes within the correlation distribution. First, schizophrenia is considered as an example disease which is known to present a reduction in mean correlation between regional neurophysiological time series. Previous studies reported increased network randomisation in schizophrenia, but these results may have been driven by inclusion of a greater number of noisy edges in patients’ networks, based on retention of a fixed proportion of the strongest edges during network thresholding. Here, a novel probabilistic thresholding procedure is applied, based on the realisation that the strongest edges are not necessarily most likely to be true following adjustment of edge probabilities for effects of participant in-scanner motion. Probabilistically thresholded functional networks show decreased randomness, and increased consistency across participants. Further, applying probabilistic thresholding eliminates increased network randomisation in schizophrenia, supporting the hypothesis that previously reported group differences originated in the application of standard thresholding approaches to patient networks with decreased functional correlations. Subsequently, healthy adolescent development is studied, to help understand the frequent emergence of psychiatric disorders in this period. Importantly, both structural and functional brain networks undergo maturational shifts in correlation distribution over adolescence. Due to reliance of structural correlation networks on a group of subjects, previous studies of adolescent structural network development divided groups into discrete age-bins. Here, a novel sliding-window method is used to describe adolescent development of structural correlation networks in a continuous manner. Moreover, networks are probabilistically thresholded by retaining edges that are most consistent across bootstrapped samples of participants, leading to clearer maturational trajectories. These structural networks show non-linear trajectories of adolescent development driven by changes in association cortical areas, compatible with a developmental process of pruning combined with consolidation of surviving connections. Robustness of the results is demonstrated using extensive sensitivity analyses. Finally, adolescent developmental changes in functional network architecture are described, focusing on the characterisation of unthresholded (fully weighted) networks. The distribution of functional correlations presents a non-uniform shift over adolescence. Initially strong cortical connections to primary sensorimotor areas further strengthen into adulthood, whereas association cortical and subcortical edges undergo a subtler reorganisation of functional connectivity. Furthermore, individual subcortical regions show distinct maturational profiles. Patterning of maturation according to known functional systems is affirmed by partitioning regions developing at similar rates into maturational modules. Taken together, this thesis comprises novel methods for the characterisation of disease-related and normative developmental changes in structural and functional correlation brain networks. These methods are generalizable to a wide range of scenarios, beyond the specific disease and developmental age-ranges presented herein.

The corticospinal tract (CST), which carries commands from the cerebral cortex to the spinal cord, is vital to fine motor control. Spinal cord injury (SCI) often damages CST axons, causing loss of motor function, most notably in the hands and legs. Our preliminary work in rats suggests that CST circuitry is complex: neurons whose axons project to the lower cervical spinal cord, which directly controls hand function, also send axon collaterals to other locations in the nervous system and may engage parallel motor systems. To inform research into repair of SCI, we therefore aimed to map the entire projection pattern, or “connectome,” of such cervically-projecting CST axons. In this study, we mapped the corticospinal connectome of the Rhesus macaque - an animal model more similar to humans, and therefore more clinically relevant for examining SCI. Comparison of the Rhesus macaque and rat CST connectome, and extrapolation to the human CST connectome, may improve targeting of treatments and rehabilitation after human SCI. To selectively trace cervically-projecting CST motor axons, a virus encoding a Cre-recombinase-dependent tracer (AAV-DIO-gCOMET) was injected into the hand motor cortex, and a virus encoding Cre-recombinase (AAV-Cre) was injected into the C8 level of the spinal cord. In this intersectional approach, the gCOMET virus infects many neurons in the cortex, but gCOMET expression is not turned on unless the nucleus also contains Cre-recombinase, which must be retrogradely transported from axon terminals in the C8 spinal cord. Thus, gCOMET is only expressed in neurons that project to the C8 spinal cord, and it proceeds to fill the entire neuron, including all axon collaterals. Any gCOMET-labeled axon segments observed in other regions of the nervous system are therefore collaterals of cervically-projecting axons. gCOMET-positive axons were immunohistochemically labeled, and axon density was quantified using a fluorescence microscope and Fiji/ImageJ software. Specific regions of interest were chosen for analysis because of their known relevance in motor function in humans, and for comparison to results of a similar study in rats. Results in the first monkey have revealed both similarities and differences between the monkey and rodent CST connectome. Analyses of additional monkeys are ongoing. The final results will provide detailed information about differences between rodent and primate CST, will serve as a baseline for examining changes in the CST connectome after SCI, and will provide guidance for studies targeting treatment and functional recovery after SCI.

La parcellisation du cerveau humain en aires fonctionnelles est un problème complexe mais majeur pour la compréhension du fonctionnement du cerveau et pourrait avoir des applications médicales importantes en neurochirurgie par exemple pour mieux identifier les zones fonctionnelles à sauvegarder. Cet objectif va de pair avec l'idée de construire le connectome cérébral humain, qui n'est autre que le réseau de ses connexions.Pour définir un tel réseau, il faut en effet définir les éléments de ce réseau de connexions : c'est-à-dire avoir un découpage du cerveau en régions. Il existe de multiples manières et critères pour identifier ces régions et à ce jour il n'y a pas de parcellisation universelle du cortex. Dans cette thèse nous étudierons la possibilité d'effectuer cette parcellisation en fonction des données de connectivité anatomique, issues de l'imagerie par résonance magnétique de diffusion, qui est une technique d'acquisition permettant de reconstruire les faisceaux de neurones cérébraux de manière non invasive. Nous nous placerons dans un cadre surfacique en étudiant seulement la surface corticale et les connexions anatomiques sous-jacentes. Dans ce contexte nous présenterons un ensemble de nouveaux outils pour construire, visualiser et simuler le connectome cérébral humain, dans un cadre surfacique et à partir des données de connectivité anatomique reconstruites par IRM, et ceci pour un groupe de sujets. A partir de ces outils nous présenterons des méthodes de réduction de dimension des données de connectivité, que nous appliquerons pour parcelliser le cortex entier de quelques sujets. Nous proposons aussi une nouvelle manière de décomposer les données de connectivité au niveau d'un groupe de sujets en tenant compte de la variabilité inter-individuelle. Cette méthode sera testée et comparée à d'autres méthodes sur des données simulées et des données réelles. Les enjeux de ce travail sont multiples, tant au niveau méthodologique (comparaison de différents algorithmes de tractographie par exemple) que clinique (étude du lien entre altérations des connexions et pathologie).

Complex network models of functional connectivity have emerged as a paradigm shift in brain mapping over the past decade. Despite significant attention within the neuroimaging and cognitive neuroscience communities, these approaches have hitherto not been extensively explored in neurosurgery. The aim of this thesis is to investigate how the field of connectomics can contribute to understanding the effects of focal brain lesions and to functional brain mapping in neurosurgery. This datasets for this thesis include a clinical population with focal brain tumours and a cohort focused on healthy adolescent brain development. Multiple network analyses of increasing complexity are performed based upon resting state functional MRI. In patients with focal brain tumours, the full complement of resting state networks were apparent, while also suggesting putative patterns of network plasticity. Connectome analysis was able to identify potential signatures of node robustness and connections at risk that could be used to individually plan surgery. Focal lesions induced the formation of new hubs while down regulating previously established hubs. Overall these data are consistent with a dynamic rather than a static response to the presence of focal lesions. Adolescent brain development demonstrated discrete dynamics with distinct gender specific and age-gender interactions. Network architecture also became more robust, particularly to random removal of nodes and edges. Overall these data provide evidence for the early vulnerability rather than enhanced plasticity of brain networks. In summary, this thesis presents a combined analysis of pathological and healthy development datasets focused on understanding the functional effects of focal brain lesions at a network level. The coda serves as an introduction to a forthcoming study, known as Connectomics and Electrical Stimulation for Augmenting Resection (CAESAR), which is an evolution of the results and methods herein.

L'épilepsie est une maladie fréquente affectant 0,5 à 1% de la population générale. Elle est caractérisée par des crises récurrentes responsables d'un sévère handicap médical et psychosocial. Les causes de l'épilepsie sont multiples et peuvent être liées notamment à des lésions cérébrales anténatales ou acquises, des causes génétiques ou métaboliques. L'épilepsie du lobe temporal (ELT) est la forme la plus répandue chez l’adulte, le plus souvent associée à une sclérose de l'hippocampe et réfractaire aux traitements antiépileptiques. Si pendant longtemps l'ELT a été perçue comme une pathologie focale centrée sur l'hippocampe sclérosé, de nombreux travaux montrent que les atteintes associées à l'ELT s'étendent bien au-delà de l'hippocampe et du lobe temporal, suggérant une altération plus globale du réseau cérébral structurel impactant le fonctionnement du cerveau. Toutefois, ces atteintes sont encore mal connues. Le développement récent des séquences et du traitement de l’imagerie de diffusion permettent l’acquisition d’images anatomiques du cerveau et la modélisation des fibres de substance blanche. L’architecture du réseau cérébral peut alors être représentée mathématiquement par un graphe, appelé « connectome » structurel, définissant la force des liens structurels (fibres de substance blanche) entre différentes régions du cerveau.L’objectif principal de la thèse est d’identifier les altérations du réseau structurel liées à l’épilepsie, avec un intérêt particulier à l’ELT. L’objectif secondaire est de développer de nouvelles méthodes d’extraction du connectome structurel pour en améliorer la précision anatomique et mieux identifier et localiser les altérations du réseau structurel.Ainsi, dans un premier temps, nous établissons l’état de l’art des méthodes d’extraction et d’analyse du connectome structurel et discutons leurs limites. Nous présentons alors une nouvelle méthode d’extraction du connectome structurel haute-résolution couvrant l’ensemble du cortex et incluant certaines régions sous-corticales, baptisée « high-resolution structural connectome ». L’objectif est de définir un cadre d’analyse du connectome structurel avec une très bonne précision anatomique et de fournir les outils nécessaires pour des études individuelles ou de groupe en tenant compte des contraintes de temps de calcul et d’utilisation de la mémoire et du disque.Dans un deuxième temps, nous analysons le connectome structurel de patients ELT avec sclérose hippocampique latéralisée dans le but de mettre en évidence le réseau structurel pathologique et d’en distinguer les caractéristiques en fonction de la latéralité de la lésion. Nous validons la stabilité et la reproductibilité du connectome structurel haute-résolution sur des sujets sains. La démonstration de son intérêt clinique potentiel est apportée en observant des différences structurelles subtiles entre deux groupes de sujets sains et en identifiant les sous-structures du striatum. Enfin, notre méthode est appliquée dans un contexte clinique pour identifier les altérations de connectivité structurelle du complexe hippocampo-amygdalien, impliqué dans l’ELT, en lien avec la pathologie. Nos travaux ont ainsi permis d’identifier les altérations globales et diffuses du réseau structurel liées à l’ELT, et plus particulièrement ont mis en évidence des disparités importantes selon la latéralité de la pathologie. Nous avons également présenté une nouvelle méthode d’extraction du connectome structurel augmentant considérablement sa précision anatomique et défini les outils nécessaires à l’analyse haute-résolution du connectome structurel. L’intérêt de cette méthode a été démontré par le gain de précision anatomique obtenu pour l’étude de l’architecture cérébrale du sujet sain ou pour une meilleure identification de réseaux pathologiques, ouvrant ainsi de nombreuses perspectives sur la caractérisation de l’architecture cérébrale et son lien sur le fonctionnement du cerveau. / Epilepsy is a frequent disease affecting 0.5 to 1% of the general population, characterized by recurrent seizures responsible for severe medical and psychosocial handicaps. The causes of epilepsy may be antenatal or acquired brain lesions, genetic history or metabolic disorders. Temporal lobe epilepsy (TLE) is the most common medically intractable epilepsy in adults, often associated with hippocampal sclerosis. Although TLE has been perceived for a long time as a hippocampal disorder, many studies show that the disease actually affects brain regions beyond the hippocampus and temporal lobe suggesting diffuse alteration of the brain structural network. However, these alterations are still unknown. Recent advances in diffusion weighted imaging and processing allow for the acquisition of brain anatomical images and the modeling of white matter fibers. Brain network architecture can then be represented mathematically by means of a graph, called “structural connectome”, defining the strength of the structural links (white matter fibers) across brain regions.The purpose of this thesis is to identify structural network alterations associated with epilepsy, in particular TLE. The secondary objective is to develop new methods for extracting the structural connectome in order to increase the anatomical accuracy and better localize network alterations.Therefore, we first review the state of the art of the methods used for extracting and analyzing the structural connectome and establish their limitations. We then introduce a new method to extract the structural connectome with increased anatomical accuracy, which we called “high-resolution structural connectome”. The purpose is to provide a framework to analyze brain connectivity at high-resolution and to define the necessary tools for individual and group analysis, keeping in mind processing time and memory and disk usages.Then, we analyze the structural connectome of TLE patients with hippocampal sclerosis to reveal underlying pathological network, we also highlight pathological network discrepancies between left and right sided lesions. Inter- and intra-subject stability and repeatability of the high-resolution structural connectome are assessed with a cohort of healthy subjects. We demonstrate potential clinical interest by observing subtle structural differences between two groups of healthy subjects and by delineating the sub-fields of the striatum. Finally, our method is applied to the pathological case of TLE and aims at uncover structural connectivity alterations of the hippocampo-amygdalian complex, known to be involved in TLE.In conclusion, we extend our current knowledge on TLE by showing that this is a network disease involving widespread brain regions, whose pattern largely depends on lesion laterality. We also introduce a new method for extracting the structural connectome at high-resolution, considerably increasing the anatomical accuracy. The interest of this method is demonstrated on healthy subjects to better characterize the healthy brain and on the diseased brain to localize more precisely the brain regions associated with the pathology.

On a longtemps pensé que la communication intercellulaire était essentiellement régie par les signalisations juxta-, endo- et paracrine, les gap junctions et, plus récemment, les exosomes. Cependant, les travaux de plusieurs groupes dont le nôtre ont révélé que les Tunneling Nanotubes (TNT), des protrusions membranaires riches en actine qui relient le cytoplasme de cellules distantes et permettent le transport intercellulaire dynamique de leur contenu biologique, fournissent également l'infrastructure et les machines pour une communication efficace entre cellules. Malgré des progrès significatifs, la caractérisation de ces nouveaux organites a été limitée par le manque d'informations moléculaires et structurelles. Combler ces lacunes à l'aide d'une série d'outils de pointe et d'approches novatrices est devenu l'objectif principal de ma thèse. Plus précisément, j'ai exploré le rôle des complexes régulateurs de l’actine dans la formation des TNT reliant les cellules neuronales. Mes analyses montrent que les voies moléculaires connues pour être impliquées dans la formation d'autres protrusions membranaires régulent différemment la génération des TNT. En utilisant la microscopie par imagerie en direct, la microscopie électronique cryocorrélative et la tomographie, j'ai également étudié la nano-architecture des TNT neuronaux. Mes découvertes ont démontré que les TNT des cellules neuronales sont composés de plusieurs TNT individuels permettant le passage de vésicules et de mitochondries. En raison des difficultés d'identification des TNT in vivo, mes travaux ont également porté sur la mise en œuvre d'une approche « Connectomic » structurelle pour détecter les TNT dans les tissus sans avoir besoin d'un marqueur spécifique de TNT. Mes résultats indiquent que des structures de type TNT relient les cellules granulaires cérébelleuses migratrices des souris nouveau-nées, ce qui suggère que la communication intercellulaire pendant des événements migratoires dans le cerveau pourrait être médiée par des processus mettant en jeu des TNT. La squelettisation des structures identifiées fournit des informations géométriques qui corroborent les observations faites dans des expériences de couplage de colorants. L'ensemble de mes travaux de thèse fait la lumière sur la formation et la structure des TNT neuronaux in vitro et sur de nouvelles approches pour l'identification des TNT in vivo. / Inter-cellular communication has long been thought to be governed by juxta-, endo-, and paracrine signaling, tight junctions, and more recently, exosomes. However, large efforts from our and other groups revealed that Tunneling Nanotubes (TNTs), actin-rich membranous protrusions that connect the cytoplasm of distant cells and allow the dynamic inter-cellular transport of biological cargo, also provide the infrastructure and machinery for effective cell-to-cell communication. Despite significant progress made to unveil TNT-mediated cell communication, the characterization of these novel organelles has been limited by unanswered questions that hail from the lack of both molecular and structural information. Exploring these gaps in the field using a series of state-of-the-art tools and novel approaches became the main focus of my dissertation. Specifically, I explored the specific role of actin-regulator complexes in the formation of TNTs connecting neuronal cells. My analyses show that molecular pathways known to be involved in the formation of other membranous protrusions behave differently in the generation of TNTs. By employing live imaging microscopy, cryo-correlative electron microscopy and tomography approaches, I also studied the nano- architecture of neuronal TNTs. My findings demonstrated that TNTs of neuronal cells are comprised of multiple individual TNTs capable of transporting vesicles and mitochondria. Owing to the difficulties of identifying TNTs in vivo, my work also focused on the implementation of a structural Connectomic approach to detect TNTs in tissue without the need for a TNT-specific marker. My findings indicate that TNT-like structures connect migratory cerebellar granule cells of neonate mice, suggesting that inter-cellular communication during migratory events in the brain could be mediated by TNT-like processes. Skeletonization of the structures identified provide my findings with geometrical information that can be compared with observations made by corroborative dye-coupling experiments. Taken together, my dissertation work sheds light on the formation and structure of neuronal TNTs in vitro, and novel approaches for the identification of TNTs in vivo.

The brain connectivity of resting-state fMRI (rs-fMRI) represents an intrinsic state of brain architecture, and it has been used as a useful neural marker for detecting psychiatric conditions such as autism spectrum disorder, as well as for predicting psychosocial characteristics such as age. However, most studies using brain connectivity have focused more on the strength of functional connectivity over time (static-FC) than temporal features of connectivity changes (connectome variability). The primary goal of the current study was to investigate the effectiveness of using the connectome variability in classifying an individual’s pathological characteristics from others and predicting psychosocial characteristics. In addition, the current study aimed to prove that benefits of the connectome variability are reliable across various analysis procedures. To this end, three open public large rs-fMRI datasets including ABIDE, COBRE, and NKI were used. The static-FC and the connectome variability metrics were calculated with various brain parcellations and parameters and then utilized for subsequent machine learning (ML) classification and prediction. The results demonstrated that including the connectome variability increased the ML performances significantly in most cases of analytical variations. In addition, including the connectome variability prevented ML performance deterioration when excessive components were used. In conclusion, the current finding proved the usefulness of the connectome variability and its reliability. / M.S. / Functional magnetic resonance imaging (fMRI) with functional connectivity (FC) analysis has been widely used to understand the human brain’s system and cognitive processes. Especially, the resting-state fMRI (rs-fMRI) has been regarded as a comprehensive map of the brain’s large-scale functional architecture. Previous seminal findings demonstrated that brain regions show synchronized patterns even without any external stimulus or task (Biswal et al., 1995; Power et al., 2011), and recent studies also demonstrated that functional network architecture during tasks can be formed based on resting-state network architecture primarily suggesting that the resting-state is an intrinsic and fundamental of brain organization functionally. At the early stage of fMRI FC studies, researchers commonly adopted static measure of connectivity (static-FC) such as Pearson correlation. However, the brain has a dynamic nature, thus the static approach does not capture temporal information of the brain. In this context, time-varying or dynamic-FC has been suggested as a promising substitute. The derived dynamic-FC usually has been used to distinguish several dynamic states by identifying repeated spatial dynamic-FC profiles. Another utilization is quantifying moment-to-moment changes of dynamic-FC (connectome variability) which can represent how much dynamic-FC is stable. Interestingly, although its importance of dynamic-FC temporal features, few studies have utilized connectome variability. In addition, only a few studies compared static-FC and connectome variability (Fong et al., 2019; Wang et al., 2018). Therefore, it is necessary to demonstrate the benefits of connectome variability and its reliability across various cognitive domains and analytic procedures. To this aim, this study used three large open fMRI datasets: ABIDE comprised of autism spectrum disorder and typical development, COBRE comprised of schizophrenia and control group, and NKI which is a developmental dataset across the lifespan. In individuals’ resting-state fMRI, brain signal time series was extracted using various parcellation methods including AAL2 atlas (Rolls et al., 2015), bilateralized AAL2 atlas, and LAIRD network atlas (Laird et al., 2011). To calculate static-FC, pairwise Pearson correlation was used. For the dynamic-FC, sliding-window correlation was used with 60 second window size. Additional 90 second and 120 second sliding window sizes were also used to test the reliability of the current study. The additional sliding window sizes showed almost identical results to that of the main sliding window size (60s). The derived dynamic-FC was used to calculate ‘connectome variability’ using mean square successive difference (MSSD). The calculated static-FC and the connectome variability were inputted to support vector machine (SVM) for group classifications or support vector regression (SVR) for predicting individuals’ characteristics. Before machine learning analysis (SVM, SVR), lasso regression was adopted as a feature selection method. The SVM results showed that including connectome variability increased group classification performances in ABIDE and COBRE datasets. Interestingly, including connectome variability improved the robustness of SVM classification when the number of components was controlled. Similarly, the SVR results also demonstrated that including connectome variability increased prediction performances for autism symptom severity score (ADOS), social responsiveness score (SRS), and individuals’ age. These benefits were consistent across three parcellation schemes. In conclusion, the current study demonstrated that the connectome variability is useful to classify different groups and to predict individuals’ characteristics. Such benefits were reliable across multiple cognitive domains and robust to several analytic procedures. These results emphasized that the connectome variability which has been usually overlooked reflects some aspects of functional brain architecture, and future fMRI studies should more attend connectome variability between brain regions.