Ma thèse porte sur l'intégration développementale de différents systèmes d'apprentissage dans un robot, du babillage moteur à l'émergence de l'utilisation d'outils. L'utilisation d'outils recouvre de nombreuses problématiques, certaines bas niveau (comme l'extension du schéma corporel) et d'autres plus haut niveau (comme la capacité à faire une séquence d'actions).Nous avons pour cela proposé un modèle appelé Dynamic Sensorimotor Model (DSM). DSM apprend des lois sensorimotrices, qui consistent à prédire les variations sensorielles (comme le déplacement d'un objet dans l'espace visuel) en fonction :1) De magnitudes motrices (comme des commandes en vitesse de servomoteurs).2) D'un contexte donné (un vecteur de données sensorielles).Un tel prédicteur peut apprendre et affiner ses lois sensorimotrices dans n'importe quelle situation, que ce soit durant l'exécution d'une tâche ou durant une phase de babillage moteur. L'apprentissage de ces prédictions est donc indépendant de l'exécution de tâches particulières, et pourra être exploité dans de nouveaux contextes, et pour satisfaire de nouvelles tâches.Pour cela, DSM contient un mécanisme de simulation motrice mais aussi un mécanisme de simulation de contextes. Ces simulations portent ainsi sur :1) Les entrées motrices, ce qui permet de déterminer les commandes motrices à effectuer en vue d'une tâche particulière.2) Les entrées sensorielles, ce qui permet de proposer des contextes alternatifs au sein desquels les actions permettant la réalisation d'une tâche pourront être effectuées. Ces contextes alternatifs pourront alors se constituer en sous-buts permettant d'effectuer une séquence d'actions.Grâce à ces simulations, des expériences sur robot réel ont permis de satisfaire une tâche consistant à rejoindre une cible avec l'extrémité du bras, en faisant un détour pour saisir un outil. La saisie a comme propriété d'étendre le schéma corporel (le segment terminal du bras du robot).La capacité à faire des séquences à la volée repose sur les contextes qui auront été appris. Cela met en évidence l'importance d'avoir des contextes ne contenant que les données suffisantes à la prédiction, afin de générer, par le mécanisme de simulation, des sous-buts les plus minimaux possibles pour satisfaire un but donné.Notre modèle catégorise des lois additives afin de ne pas perturber les lois sensorimotrices précédemment apprises et ainsi apprendre des lois de manière incrémentale. Dans DSM, une nouvelle catégorie se caractérise par l'instauration d'une distance entre la configuration sensorielle correspondant au contexte actuel, dans lequel les lois courantes sont en échec, et le dernier contexte dans lequel ces lois s'appliquaient correctement. Cette distance entre contextes est donc multimodale, et indépendante de la topologie propre des senseurs d'entrée. Par contre, étant issue de deux situations à deux moments différents, cette distance dépend de l'exploration sensorimotrice du robot durant cet interval de temps. Pendant cette période, les senseurs qui auront suffisamment changés de valeurs apparaîtront comme discriminant un contexte par rapport à l'autre, bien qu'ils ne soient pas tous pertinents. Ce sera par l'action que les senseurs pertinents seront sélectionnés. / Inspired by concepts found in developmental psychology, my work focuses on robotic learning through motor babbling in order to achieve low-level sensorimotor control and, subsequently, to progress to more high-level behaviours such as the use of tools. Tool-use raises several key issues related to the extension of the body schema and the ability to make sequences of actions. In this presentation I will discuss my research efforts in this area by presenting a model called "Dynamic Sensorimotor Model (DSM)". DSM learns sensorimotor laws by making predictions about sensory input variations, as a result of observing environmental phenomena and interacting with objects in the reaching space.Sensorimotor laws depend on; 1) motor magnitudes (e.g., motor commands in velocity) and 2) a given context (i.e., a sensory input vector). A predictor learns and refines sensorimotor laws either during the execution of a task or during a motor babbling phase. Learning laws is therefore independent of the execution of specific tasks and they can be exploited in both new contexts and/or for new tasks.DSM employs two mechanisms. First, a mechanism for motor simulations that considers the result of simulated motor inputs to determine appropriate motor commands to be performed towards a particular task. Second, a mechanism for context simulations that uses simulated sensory inputs in order to identify contexts that can potentially form sub-goals towards the completion of a task.The performance of the system is evaluated through a series of experiments conducted using both a simulated and a real robotic platform. The results demonstrate the ability of the system to complete reaching tasks and highlight its strength in making use of a nearby tool when the target is not within its reach.The ability to make sequences of actions on the fly is based on the accuracy of the contexts that the system gradually learns. The last part of my work focuses on improving the efficiency of making sequences of actions by offering the ability to categorize contexts based on the variations observed in the sensors with respect to the variation of the sensorimotor laws.

La sérotonine (5-HT) joue un rôle majeur dans la modulation de nombreuses fonctions physiologiques et des déficits de la neurotransmission sérotoninergique sont associés à la dépression. Les récepteurs de type 5-HT1A sont impliqués dans la régulation de l’humeur, et le délai d’action thérapeutique d’un traitement par antidépresseur inhibiteur sélectif de la recapture de la 5-HT (ISRS) serait en relation avec leur désensibilisation qui se développe progressivement dans les neurones du raphé au cours du traitement. De fait, il a été rapporté que l’accélération de la désensibilisation des (auto)récepteurs 5-HT1A dans le raphé induit une réduction du délai d’action des antidépresseurs ISRS. Des données indirectes suggèrent que l’internalisation des récepteurs 5-HT1A pourrait être impliquée dans leur désensibilisation. L’objectif de ma thèse a été d’étudier le lien entre l’internalisation des récepteurs 5-HT1A et leur désensibilisation. A cette fin, j’ai développé des outils permettant d’étudier les mécanismes d’internalisation des récepteurs 5-HT1A dans des lignées cellulaires puis dans des neurones de raphé ou d’hippocampe en culture primaire. Nous avons produit un vecteur pour l’expression du récepteur 5-HT1A étiqueté avec un site de liaison de la bungarotoxine (BBS-5-HT1A), et le suivi de son trafic en microscopie confocale et vidéomicroscopie dans les lignées cellulaires et les neurones. Notre construction a permis de montrer que le récepteur BBS-5-HT1A est internalisé constitutivement dans la lignée LLC-PK1 et dans les neurones de raphé et d’hippocampe. Cette internalisation implique la voie clathrine-dépendante, et est suivie du recyclage de la plus grande partie du récepteur internalisé à la membrane plasmique. Enfin, nous avons également montré que, suite à un traitement chronique avec le 8-OH-DPAT, le récepteur 5-HT1A présente aussi une internalisation agoniste-dépendante spécifiquement dans les neurones sérotoninergiques du raphé. De fait, ce phénomène n’intervient ni dans les neurones non-sérotoninergiques du raphé ni dans les neurones de l’hippocampe. Ces résultats suggèrent que l’internalisation du récepteur 5-HT1A, qui est induite par sa stimulation prolongée, dépend du phénotype du neurone qui l’exprime et met en jeu des mécanismes intracellulaires spécifiques. Le parallèle entre les différences régionales (raphé versus hippocampe) de l’internalisation agoniste-dépendante du récepteur 5-HT1A et celles qui concernent sa désensibilisation fonctionnelle sous traitement ISRS au long cours laisse à penser que l’endocytose du récepteur 5-HT1A pourrait jouer un rôle majeur dans sa propre régulation et dans celle de la neurotransmission sérotoninergique centrale. / Pas de résumé en anglais

Les processus moléculaires mis en jeu lors de maladies de surcharge lysosomale (MSL) et qui conduisent à des dysfonctions neuronales sont peu connus. Afin de mieux comprendre comment s’opèrent ces dysfonctions neuronales associées à la mucopolysaccharidose de type VII (MPS VII), une MSL causée par la déficience en l’activité enzymatique de la ß-glucuronidase, nous avons généré des neurones humains MPS VII à partir cellules souches pluripotentes induites (iPSC). Grâce à la reprogrammation des fibroblastes de patients MPS VII, nous avons généré et caractérisé des neuroprécurseurs dérivés d’iPSC (NSC) et des neurones. Les iPSC MPS VII ont été positives pour les tests de pluripotence (activité de la phosphatase alcaline, expression des marqueurs de pluripotence SSEA3, TRA-2-49 et Nanog par immunofluorescence et expression des gènes de pluripotence SOX2, Oct4 et Lin28 par qRT-PCR, formation des corps embryonnaires et génération de cellules dérivées des trois feuillets embryonnaires in vivo par la formation de tératomes) et présentaient un caryotype normal. Les NSC dérivés d’iPSC exprimaient les marqueurs Nestin et SOX2, et ont été utilisés pour générer des neurones. Les neurones MPS VII exprimaient des marqueurs neuronaux comme MAP2, formaient des synapses et présentaient une activité calcium-dépendante.Afin d’identifier les dysfonctions moléculaires présentes dans la MPS VII, nous avons comparé les NSC et les neurones, avec ou sans milieu conditionné contenant l’enzyme recombinante humaine de la ß-glucuronidase (rhGUS), enzyme actuellement utilisée en phase 1/2, de chez Ultragenyx. Cette enzyme est internalisée par les cellules, rejoint leurs lysosomes et corrige les dysfonctions lysosomales de la MPS VII, restaurant ainsi un phénotype cellulaire physiologique (phénomène aussi appelé ‘enzyme replacement therapy’ (ERT)). Ces diverses conditions nous permettent d’éviter la variabilité clonale des iPSC, et de mieux identifier les déficiences neuronales, corrigées par l’ERT, qui sont associées à la MPS VII. / The molecular pathways linking lysosomal storage diseases (LSD) to neuronal dysfunction are poorly understood. To better understand neuronal dysfunction associated with mucopolysaccharidosis type VII (MPS VII), a LSD due to deficiency in ß-glucuronidase activity, we generated human MPS VII neurons from induced pluripotent stem cells (iPSC). Starting from MPS VII patient fibroblasts, iPSC-derived neural stem cells (NSC) and neurons were generated and characterized. MPS VII iPSC were positive for pluripotency tests (alkaline phosphatase activity, expression of pluripotency markers SSEA3, TRA-2-49 and Nanog by immunostaining and pluripotency gene SOX2, Oct4 and Lin28 expression by qRT-PCR, embryonic bodies formation and generation of cells derivated from the three germ layers in vivo by teratoma formation) and had a normal karyotype. IPSC-derived NSC expressed the markers Nestin and SOX2, and were used to generate neurons. MPS VII neurons expressed mature neuronal markers as MAP2, formed synapses and displayed a calcium-dependent activity. To identify molecular defects in MPS VII, we compared NSC and neurons, with or without conditioned medium containing a recombinant human ß-glucuronidase (rhGUS), enzyme currently used in phase 1/2, from Ultragenyx. This enzyme is taken up by cells, reaches their lysosoms and corrects MPS VII lysosoms dysfunctions, restoring cells to healthy phenotype (phenomena also called enzyme replacement therapy (ERT)). Our assays allow us to circumvent clonal variability associated with iPSC, and to better identify neuronal defects, corrected by ERT, which are associated with MPS VII disease.

Les travaux menés durant cette thèse ont pour objectif d’améliorer les performances des systèmes hybrides GNSS/MEMS. Ils se décomposent en deux parties distinctes : d’une part, le développement d’un ensemble de traitement capteurs cherchant à améliorer la mesure elle-même et d’autre part, l’optimisation des algorithmes d’hybridation pour les capteurs MEMS de Thales. Le traitement capteur consiste en l’estimation de l’accélération vraie (resp. la vitesse angulaire vraie) à partir de la sortie du capteur accélérométrique (resp. gyrométrique). Ce traitement a été réalisé en deux sous-étapes : 1) La calibration qui consiste en l’identification du système non-linéaire connaissant ses entrées et ses sorties. Les relations entrant en jeu dans le modèle étant linéaires vis-à-vis des paramètres, on peut alors résoudre cette partie du problème par l’estimateur des moindres carrés (après extension du vecteur comprenant les entrées afin qu’il comporte les non linéarités). 2) L’inversion du modèle qui a pour but d’estimer les entrées du modèle connaissant ses sorties et l’estimation des paramètres effectuée durant l’étape de calibration. Après formalisation de ce problème sous forme d’un modèle dynamique, la résolution se fera à l’aide d’algorithme type filtre de Kalman ou filtre particulaire. Les algorithmes d’hybridation ont pour but de localiser un mobile dans l’espace connaissant l’information issue des MEMS ainsi que celle apportée par le GPS. Cette partie peut également se décomposer en deux sous-problèmes : 1) Lorsque que les signaux GPS sont disponibles (cas nominal), le but est d’améliorer les méthodes de navigation hybride GPS/INS existantes (EKF, UKF, PF, …). Dans notre cas, la réflexion a portée sur une modélisation à l’ordre 2 des biais des capteurs MEMS et sur la fermeture de la boucle de navigation (correction de la centrale inertielle à l’aide des erreurs issues du filtre d’hybridation). 2) Dans des scénarii défavorables (multitrajet et masquage des signaux GPS), la qualité des capteurs MEMS ne permet pas d’obtenir des résultats de navigation satisfaisants. Un algorithme basé sur un réseau de neurones a donc été développé. Durant les phases où le GPS est disponible, cet algorithme permet d’apprendre l’erreur commise par la centrale inertielle en mode survie par rapport au résultat de navigation hybride. Le réseau de neurones ainsi appris fournira alors cet élément de correction en cas de perte de l’information GPS. Ces différentes méthodes ont permis d’accroître la précision de la navigation GNSS/MEMS aussi bien dans le cas nominal que lors de pertes du signal GPS / The goal of this thesis is to improve accuracy of GNSS/MEMS integrated navigation system. Two main parts can be distinguished in this thesis: first, sensor processing can be achieved to improve measurement accuracy and then, navigation algorithm can be optimized for the specific case of MEMS sensors. Sensor processing is the estimation of real acceleration (resp. real angular rate) from the one measured by accelerometer (resp. gyrometer). This processing have been realized in two steps: 1) Calibration: identification of the non-linear system describing sensors (resolved by Least Square method). 2) Model inversion: estimation of the input of the non-linear system, i.e. acceleration and/or angular rate (resolved by Kalman filtering). Navigation algorithm have then to locate an object in space from both GNSS and MEMS data. This part have been also realized in two steps: 1) If GNSS signals are available, the goal is to improve the existing GNSS/INS navigation schemes (2nd-order bias modeling of MEMS sensors). 2) If GNSS are not available (e.g. multipath or outage), a Neural Network based algorithm have been developped, which learn the error made by the inertial platform during the unavailability of GNSS signals. These different methods have allowed to improve accuracy of GNSS/MEMS inetgrated navigation system both for nominal case and degraded case

The hypothalamic tuberoinfundibular dopaminergic (TIDA) neurones secrete dopamine, which inhibits prolactin secretion. TIDA neurone numbers are deficient in Ames (df/df) and Snell (dw/dw) dwarf mice, which lack prolactin, growth hormone and thyroid-stimulating hormone. Prolactin therapy initiated before 21 days maintains normal-sized TIDA neurone numbers in df/df mice and, when initiated as early as 7 days, maintains the maximum TIDA neurone numbers observed in dw/dw development, which are decreased compared to those in normal mice. The present study investigated the effect of prolactin dose and species on TIDA neurone development. Snell dwarf and normal mice were treated with saline, 5 μg of ovine prolactin (oPRL), 50 μg of oPRL, or 50 μg of recombinant mouse prolactin (rmPRL) beginning at 3days of age. Brains were analysed at 45 days using catecholamine histofluorescence, and immunohistochemistry for tyrosine hydroxylase or bromodeoxyuridine. Normal mice had greater (P ≤ 0.01) TIDA neurones than dw/dw, regardless of treatment. TIDA neurones in 50 μg oPRL-treated dw/dw mice were greater (P ≤ 0.05) than those in 5 μg oPRL- and rmPRL-treated dw/dw mice, which were greater (P ≤ 0.01) than those in saline-treated dw/dw mice. Fifty microgram oPRL-treated dw/dw mice also had greater (P < 0.01) TIDA neurone numbers than the maximum numbers observed in untreated dw/dw mice development. Among saline, 5 μg oPRL and 50 μg oPRL treatments, but not rmPRL, A14 neurone numbers were higher (P ≤ 0.01) in normal compared to in dw/dw mice. The mechanism of TIDA neurone recruitment was investigated using bromodeoxyuridine (BrdU) treatment at intervals after 21 days. Mice treated with rmPRL, but not oPRL, had increased BrdU incorporation in the periventricular area surrounding the third ventricle and median eminence and in the arcuate nucleus. The data obtained in the present study indicate that oPRL, but not rmPRL, when given at a high enough dose, induces TIDA neurone differentiation in dw/dw mice. This supports neurotrophic effects of prolactin on TIDA neurones in early postnatal development that extends beyond maintenance of the cell population.

Les oxydes d'azote (NOx) sont les indicateurs principaux de la pollution atmosphérique produite par les véhicules. La concentration de NO2, polluant réglementé pour ses effets sur la santé, dépasse en 2006, à Paris et en proche banlieue, les niveaux réglementaires pour l'ensemble des stations qui le mesurent, et en particulier à proximité du trafic. Ainsi, les six stations franciliennes de proximité au trafic automobile, dépassent largement l'objectif de qualité (jusqu'à 2.5 fois) et la valeur limite (jusqu'à deux fois). L'objectif de ma thèse visait à mettre au point un modèle qtatistique de détermination des concentrations &quot;respirables&quot; par la population, pour le NO2 en milieu urbain. Compte tenu de la nécessité d'une base de données statistiquement représentative, le modèle a été développé sur la région parisienne. Nous avons sélectionné les variables nécessaires à la description du système et à la définition de la fonction de régression neuronale sur la base de notre connaissance du phénomène étudié. Les paramètres de la régression ont été optimisés au cours d'une phase d'apprentissage à partir d'observations relevées à 5 stations de &quot;trafic&quot; et 5 stations &quot;urbaines&quot;. Les variables que nous avons retenues sont (i) des concentrations de fond en NO2 estimées par un modèle de chimie transport à l'échelle régionale, (ii) des paramètres d'émissions locales pour les sources urbaines, (iii) des paramètres de la topographie urbaine qui participent à la dispersion en milieu urbain et enfin (iv) des paramètres météorologiques. Le modèle construit (nommé PAP) est un modèle hybride prenant en compte les sorties d'un modèle régional déterministe CHIMERE, pour quantifier le niveau de fonds urbain, et intégre une fonction statistique de réduction d'échelle pour estimer les champs de concentrations au niveau &quot;respirable&quot; de la rue / Résumé anglais manquant

L'objectif principal ce travail de thèse est la reconnaissance visuelle pour un robot mobile dans des conditions difficiles. En particulier nous nous intéressons aux réseaux de neurones qui présentent aujourd'hui les meilleures performances en vision par ordinateur. Nous avons étudié le principe de sélection de méthodes pour la classification d'images 2D en utilisant un réseau de neurones sélecteur pour choisir le meilleur classifieur disponible étant donnée la situation observée. Cette stratégie fonctionne lorsque les données peuvent être facilement partitionnées vis-à-vis des classifieurs disponibles, ce qui est le cas quand des modalités complémentaires sont utilisées. Nous avons donc utilisé des données RGB-D (2.5D) en particulier appliquées à la détection de personnes. Nous proposons une combinaison de réseaux de neurones détecteurs indépendants propres à chaque modalité (couleur & carte de profondeur) basés sur une même architecture (le Faster RCNN). Nous partageons des résultats intermédiaires des détecteurs pour leur permettre de se compléter et d'améliorer la performance globale en situation difficile (perte de luminosité ou bruit d'acquisition de la carte de profondeur). Nous établissons un nouvel état de l'art dans le domaine et proposons un jeu de données plus complexe et plus riche à la communauté (ONERA.ROOM). Enfin, nous avons fait usage de l'information 3D contenue dans les images RGB-D au travers d'une méthode multi-vue. Nous avons défini une stratégie de génération de vues virtuelles 2D cohérentes avec la structure 3D. Pour une tâche de segmentation sémantique, cette approche permet d'augmenter artificiellement les données d'entraînement pour chaque image RGB-D et d'accumuler différentes prédictions lors du test. Nous obtenons de nouveaux résultats de référence sur les jeux de données SUNRGBD et NYUDv2. Ces travaux de thèse nous ont permis d'aborder de façon originale des données robotiques 2D, 2.5D et 3D avec des réseaux de neurones. Que ce soit pour la classification, la détection et la segmentation sémantique, nous avons non seulement validé nos approches sur des jeux de données difficiles, mais également amené l'état de l'art à un nouveau niveau de performance. / The main objective of this thesis is visual recognition for a mobile robot in difficult conditions. We are particularly interested in neural networks which present today the best performances in computer vision. We studied the concept of method selection for the classification of 2D images by using a neural network selector to choose the best available classifier given the observed situation. This strategy works when data can be easily partitioned with respect to available classifiers, which is the case when complementary modalities are used. We have therefore used RGB-D data (2.5D) in particular applied to people detection. We propose a combination of independent neural network detectors specific to each modality (color & depth map) based on the same architecture (Faster RCNN). We share intermediate results of the detectors to allow them to complement and improve overall performance in difficult situations (luminosity loss or acquisition noise of the depth map). We are establishing new state of the art scores in the field and propose a more complex and richer data set to the community (ONERA.ROOM). Finally, we made use of the 3D information contained in the RGB-D images through a multi-view method. We have defined a strategy for generating 2D virtual views that are consistent with the 3D structure. For a semantic segmentation task, this approach artificially increases the training data for each RGB-D image and accumulates different predictions during the test. We obtain new reference results on the SUNRGBD and NYUDv2 datasets. All these works allowed us to handle in an original way 2D, 2.5D and 3D robotic data with neural networks. Whether for classification, detection and semantic segmentation, we not only validated our approaches on difficult data sets, but also brought the state of the art to a new level of performance.

La synchronisation neuronale est inhérente au cerveau, ce qui permet aux neurones de se regrouper en réseau et de communiquer. Les oscillations indissociables aux états de vigilance tels le sommeil à ondes lentes, le sommeil paradoxal et l’éveil, mais aussi à l’état pathologique tel l’épilepsie émergent de la synchronisation d’un groupe de neurones. Plusieurs interactions neuronales influencent la synchronisation, soit la transmission chimique ou électrique, les variations ioniques et les interactions éphaptiques. Du point de vue cellulaire, la plasticité synaptique influence également la connectivité fonctionnelle des neurones. Dans cette thèse, le but est d’expliquer les impacts des rythmes du sommeil sur la connectivité fonctionnelle et les effets des changements ioniques sur la synchronisation neuronale et la connectivité fonctionnelle. Les états de vigilance sont impliqués dans la consolidation de la mémoire. Nous avons démontré que la présence des oscillations lentes et du patron de décharge des neurones pendant l’oscillation lente peuvent favoriser la facilitation synaptique à long terme, ce qui peut être un élément clé pour l’intégration de nouvelles connections synaptiques sous-adjacent à la consolidation de la mémoire pendant le sommeil. Au contraire, les activités synaptiques générées pendant l’éveil en présence d’acétylcholine favorise la facilitation à court-terme. Les mécanismes de passage de l’information sensorielle dans le thalamus pendant le sommeil sont inconnus. Nous avons démontré que le taux d’échec à une stimulation lemniscale est augmenté pendant les potentiels calciques et leur génération cause une diminution du calcium extracellulaire qui est suffisante pour influencer la transmission synaptique. Les potentiels calciques se produisent préférentiellement pendant le sommeil à ondes lentes, mais également sous forme de bouffées paroxystiques de potentiels d’action lors de l’épilepsie. Durant les crises épileptiques, l’activité paroxystique des neurones cause une diminution du calcium et une augmentation du potassium extracellulaire. Nous avons démontré que ces changements ioniques affectent la transmission synaptique en augmentant le taux d’échec à des réponses unitaires et en bloquant la transmission axonale d’un potentiel d’action, ce qui a pour effet de rompre la communication entre les neurones, de perturber leur synchronisation pendant les crises paroxystiques et de faciliter leur terminaison. / The neuronal synchronisation is an intrinsic phenomenon in the brain that allows neurons to be connected to the network to communicate. Oscillations inherent of the states of vigilance such as the slow-wave sleep, the REM sleep, and waking state or pathological conditions such as epilepsy emerge from the network synchronisation of a group of neurons. Several interactions influence the synchronization: the chemical or electrical transmission, the ionic variations, and the ephaptic interactions. At cellular level, the synaptic plasticity also influences the functional connectivity of neurons. In this thesis, I aim to explain the impact of sleep rhythms on the functional connectivity and the effects of ionic variations on the neuronal synchrony and the functional connectivity. States of vigilance implicated in the memory consolidation. We demonstrated that the presence of slow oscillations and the spiking pattern during slow-wave sleep favours the long-term synaptic facilitation, which could be a key element for the sleep-dependent reinforcement of synaptic efficacy contributing to memory consolidation. By contrast synaptic activities generated during waking state in a conditions of increased level acetylcholine favour short-term facilitation. Sleep allows also the brain to disrupt partially the communication with the environment. The accepted model is that the thalamus provides gating of sensory information during sleep, but the exact mechanisms of that gating are unknown. We demonstrated that the failure rate to a lemniscal stimulation is increased during the thalamic Ca2+ spike bursts and the generation of those Ca2+ spikes cause a depletion of the extracellular calcium which is sufficient to reduce the synaptic efficacy. Bursts of action potential occur preferentially during slow-wave sleep, but also in the pathological form of paroxysmal depolarization shift during the generation of cortical epileptic seizures. During seizures, the paroxysmal neuronal activity causes a decrease of extracellular Ca2+ and an increase of extracellular potassium. We demonstrated that those ionic variations affect the synaptic transmission by increasing the failure rate of unitary responses at a synapse and by blocking the axonal transmission of action potentials, which disrupts the neuronal communication between neurons, facilitating seizure termination.

L'objectif premier de ce projet de maîtrise consiste à développer un nouveau microscope confocal multimodal rapide adapté à l'imagerie fonctionnelle des cellules neuronales. Un microscope a été dessiné, construit et testé au Centre de Recherche Université Laval - Robert-Giffard (CRULRG) à Québec. Ce mémoire présente les différents aspects du développement du microscope (design optique et électronique) ainsi que les résultats des tests d'imagerie effectués sur des neurones en culture. Selon le marqueur chimique ainsi que la modalité de microscopie utilisée, nous avons observé une corrélation entre les variations du signal optique et du potentiel transmembranaire ou de l'activité calciques des neurones. Cet outil ouvre la porte à de nouvelles experiences en permettant l'observation de l'activité neuronale dans un grand volume et de facon non-invasive, contrairement à la technique actuelle appelée 'patch-clamp'. / The main goal of this master's project is to develop a novel video rate multimodal laser scanning microscope specifically designed to perform functional imaging of neuronal cells. A microscope was designed, built and tested at the Centre de Recherche Universite Laval - Robert Giffard (CRULRG) in Quebec City. This thesis summarizes the system implementation choices we made (optical design, electronics) in order to achieve our imaging goals. Results showing the correlation between the optical signal variations and the cell transmembrane potential or calcic activity changes are presented. This tool opens the door to new experiments, allowing for non-invasive observations of cell activity over a large volume thus overcoming important limitations of the established 'patch-clamp' technique.

Les neurones dopaminergiques du mésencéphale (mDA) sont impliqués de manière critique dans diverses fonctions clés du cerveau, y compris les mouvements volontaires, la récompense, l'attention et l'apprentissage. La bonne spécification des neurones dopaminergique, ainsi que l’établissement des circuits dopaminergiques sont nécessaires à un bon fonctionnement du cerveau. Le dysfonctionnement des circuits dopaminergiques est lié au développement de troubles neuropsychiatriques, y compris le trouble déficitaire de l'attention avec hyperactivité (TDAH), le trouble obsessionnel compulsif (TOC) et les troubles liés aux TOCs, comme le syndrome de Gilles de la Tourette. L’obtention d’un circuit dopaminergique fonctionnel dépend du développement des neurones dopaminergiques. Les facteurs de transcription Lmx1a et Lmx1b font partie de la famille des LIM à homeodomain et sont des déterminants précoces de l’avenir des neurones dopaminergique. Lmx1a/b sont essentiels pour chaque étape de la différenciation des progéniteurs de neurone dopaminergique. Il a été démontré précédemment que les souris Lmx1a/b cKO ont une activité locomotrice augmentée par rapport aux contrôles. Ici, une caractérisation approfondie des souris Lmx1a/b a révélé que ces souris avaient un comportement hyperactif, en lien avec le TDAH, et démontraient des symptômes du type TOC. Au niveau cellulaire, la perte de fonction de Lmx1a/b a induit une réduction de l’arborisation dendritique et de la fréquence des courants postsynaptiques excitateurs miniatures spontanés (mEPSCs) dans les neurones dopaminergiques. Le profil d'expression des gènes chez les souris Lmx1a / b cKO a révélé que Lmx1a/b contrôle l'expression de Slitrk2 et Slitrk5, deux membres de la famille des protéines Slit et Trk (Slitrk). Le gain et la perte de fonction de Slitrk2 et Slitrk5 dans des cultures de neurones dopaminergiques ont montré que Slitrk2 régule positivement et Slitrk5 régulent négativement la croissance dendritique. Également, le gain et la perte de fonction de Slitrk2 ont induit une variation de la densité des punctas synaptiques excitateurs (PSD95 et VGLUT). En conséquence, la perte de fonction de Slitrk2 a réduit la fréquence des mEPSCs, tandis que l'augmentation de l'expression de Slitrk2 a augmenté la fréquence des mEPSCs, sans changement d'amplitude ou dans la fréquence ou de l'amplitude des mIPSCs. Ces données suggèrent un rôle pour Slitrk2 dans la formation de synapses excitatrices fonctionnelles. À l'inverse, le gain et la perte de fonction de Slitrk5 ont induit une modification de la densité des punctas synaptiques inhibiteurs (géphyrine et VGAT). La perte d’expression de Slitrk5 a réduit la fréquence des mIPSCs tandis que l'augmentation de l'expression de Slitrk5 a augmenté la fréquence des mIPSCs, sans changement dans l'amplitude ou de la fréquence et de l'amplitude des mEPSCs. Ces données suggèrent un rôle pour Slitrk5 dans la formation de synapses fonctionnelles inhibitrices. Nous avons également étudié les conséquences sur le comportement de Slitrk2 et Slitrk5 dans les neurones mDA. Les souris, dans lesquelles Slitrk2 a été invalidé dans la VTA, démontrent un changement significatif dans l'activité locomotrice et montrent de l’hyperactivité. À l'inverse, les souris avec une expression réduite de Slitrk5 présentent une activité locomotrice réduite et un comportement analogue à un TOC. Ces changements de comportement peuvent être causés par une modification de l'activité des neurones dopaminergiques. L'inhibition chronique des neurones de la VTA, en utilisant une approche pharmacogénétique, pendant le développement postnatal à induit une activité motrice augmentée, similaire au TDAH, et un comportement analogue à un TOC. Ceci évoque certains aspects du comportement des souris Lmx1a/b cKO. Une inhibition aiguë a entraîné une diminution de l'activité locomotrice, alors que l'inhibition chronique chez des animaux plus âgés n'a eu aucun effet. Ensemble, ces résultats indiquent que Lmx1a/b, Slitrk2, et Slitrk5 sont des acteurs clés du développement des neurones dopaminergique et de la formation des synapses, ce qui peut avoir un impact sur le développement de TDAH et de TOC. / Midbrain dopaminergic (mDA) neurons are critically involved in various key functions of the brain, including voluntary movement, reward, attention, and learning. The proper specification of dopaminergic neurons, as well as the establishment of dopaminergic circuits are necessary to a good functioning of the brain. Dopaminergic circuitry dysfunctions are linked to the development of neuropsychiatric disorders, including attention deficit hyperactivity disorder (ADHD), obsessive-compulsive disorder (OCD) and OCD-like disorders, such as Gilles de la Tourette’s syndrome. The LIM-homeodomain transcriptional factors Lmx1a and Lmx1b are early determinants of the dopaminergic fate and are essential for each step of mDA progenitor differentiation. Previously, it has been demonstrated that Lmx1a/b cKO mice show increased locomotor activity. Further characterization of Lmx1a/b cKO mice revealed that these mice had ADHD- and OCD-like behaviour. The loss of function of Lmx1a/b reduced dendritic morphology and frequency of spontaneous miniature excitatory postsynaptic currents (mEPSCs) in mDA neurons. Gene expression profiling in Lmx1a/b cKO mice revealed that Lmx1a/b controls the expression of Slitrk2 and Slitrk5, two members of the Slit and Trk-like (Slitrk) protein family. Gain and loss of function of Slitrk2 and Slitrk5 in mDA neuron cultures showed that Slitrk2 positively regulates and Slitrk5 negatively regulate dendritic growth. Additionally, gain and loss of function of Slitrk2 induced a change in the density of excitatory synaptic puncta (PSD95 and VGLUT). Accordingly, Slitrk2 knockdown reduced the frequency of mEPSCs while increased Slitrk2 expression increased the frequency of mEPSCs, with no change in amplitude or in mIPSCs frequency or amplitude. These data suggest a role for Slitrk2 in the formation of functional excitatory synapses. Inversely, gain and loss of function of Slitrk5 induced a modification in the density of inhibitory synaptic puncta (gephyrin and VGAT). Slitrk5 knockdown reduced the frequency of mIPSCs while increased Slitrk5 expression increased the frequency of mIPSCs, with no change in amplitude or in mEPSCs frequency or amplitude. These data suggest a role for Slitrk5 in the formation of functional inhibitory synapses. We also investigated the consequences on behaviour of Slitrk2 and Slitrk5 reduced expression in mDA neurons. Mice, in which Slitrk2 was knocked down in the VTA, display significant change in locomotor activity and show ADHD. Inversely, mice with reduced expression of Slitrk5 exhibit lower activity and OCD-like behaviour. These behavioural changes might be caused by a change in mDA neuron firing activity. Chronic inhibition of mDA neurons during postnatal development using a pharmacogenetic approach induced ADHD and OCD-like behaviour and mimic some aspects of the Lmx1a/b cKO mice. Acute inhibition resulted in decreased locomotor activity, while chronic inhibition in older animals had no effect. Altogether, these results indicate that Lmx1a/b and Slitrk2/5 are key players of mDA neuron development and synapse formation, which may have an impact on ADHD and OCD-like disorders. / Résumé en espagnol