computational neuroscience

Neurosciences computationnelles des systèmes sensoriels

Domaine de recherche principal: 

Computational neurosciences / neural theory

Mots clefs: 

computational neuroscience
sensory systems
spike initiation
neural simulation
spike timing

Labelisation ENP: 

2015

Centre de recherche / Institut: 

Institut de la Vision

Code unité de recherche: 

UMRS968 UMR7210 UM80

Nous tentons de comprendre les mécanismes neuronaux de la perception à l'aide de modèles théoriques et informatiques des systèmes sensoriels. Ces modèles permettent de relier le niveau physiologique (les propriétés des neurones) et le niveau comportemental. Les théories sont ainsi testées à la fois par des expériences physiologiques (en particulier électrophysiologie) et comportementales (psychophysique). Elles sont également testées sous l'angle computationnel, en évaluant la performance fonctionnelle des modèles dans des tâches perceptives complexes.

Leader

Leader: 

Personnel

Etudiants ENP: 

Établissements

Établissement de rattachement: 

Inserm

Établissements affiliés: 

CNRS

Université: 

Université Pierre et Marie Curie

École doctorale: 

ED3C
Laboratory

Initiatives d'Excellence: 

Labex LIFESENSES, Label "Institut Carnot", Label CTRS / RTRS "Fondation Voir & Entendre", Qualification de « Projet Structurant » par Medicen Paris Région, Labellisation par la Foundation Fighting blindness
Publications

publications: 

Fontaine B, Peña JL, Brette R (2014). Spike-threshold adaptation predicted by membrane potential dynamics in vivo. PLoS Comp Biol, 10(4): e1003560.

Hamada M, Goethals S, de Vries S, Brette R, Kole M (2016). Covariation of axon initial segment location and dendritic tree normalizes the somatic action potential. PNAS 113(51): 14841–14846.

Yger P, Stimberg M, Brette R (2015). Fast learning with weak synaptic plasticity. J Neurosci 35(39): 13351-13362.

Bénichoux V, Fontaine B, Karino S, Franken TP, Joris PX*, Brette R* (2015). Neural tuning matches frequency-dependent time differences between the ears. eLife 10.7554/eLife.06072.

Brette R (2015). What Is the Most Realistic Single-Compartment Model of Spike Initiation? PLoS Comput Biol. 2015 Apr 9;11(4):e1004114.

 

Dynamique cérébrale, Mémoire et Apprentissage

Domaine de recherche principal: 

Neurophysiology / systems neuroscience

Mots clefs: 

computational neuroscience
Cortex
Cerebellum
basal ganglia
Network mechanism

Labelisation ENP: 

2009

Centre de recherche / Institut: 

INCC - UMR 8002 - Paris Descartes University

Code unité de recherche: 

UMR 8002

Nos recherches portent sur la dynamique du cortex cérébral, du cervelet et des ganglions de la base. Les axes de recherche sont: 1- Etude de la Perception, de la Cognition & du Comportement, 2- Le Dévelopment & la Plasticité, 3- La Neurophysiologie & les Pathologies neuronales.

Leader

Leader: 

Établissements

Établissement de rattachement: 

CNRS

Établissements affiliés: 

Université Paris Descartes

Université: 

Université Pierre et Marie Curie

École doctorale: 

ED158
Laboratory

Nom: 

Centre de Neurophysique, Physiologie et Pathologie
Publications

publications: 

Arakaki T, Mahon S, Charpier S, Leblois A, Hansel D. The Role of Striatal Feedforward Inhibition in the Maintenance of Absence Seizures. J Neurosci. 2016 Sep 14;36(37):9618-32. doi: 10.1523/JNEUROSCI.0208-16.2016.

Arakaki T, Mahon S, Charpier S, Leblois A, Hansel D. The Role of Striatal Feedforward Inhibition in the Maintenance of Absence Seizures. J Neurosci. 2016 Sep 14;36(37):9618-32. doi: 10.1523/JNEUROSCI.0208-16.2016.

Gould M,# Leblois A, Cesa Bianchi F, Montenegro V. (2014) Convention on the rights of persons with disabilities, assistive technology and information and communication technology requirements: where do we stand on implementation? Disabil Rehabil Assist Technol. Nov 3:1-6.

#Mongillo G, Shteingart H, Loewenstein Y. 2014. The Misbehavior of Reinforcement Learning. Proceedings of the IEEE 102, 528–541.

#Ady V, Perroy J, Tricoire L, Piochon C, Dadak S, Chen X, Dusart I, Fagni L, Lambolez B,# Levenes C. 2014. Type 1 metabotropic glutamate receptors (mGlu1) trigger the gating of GluD2 delta  glutamate receptors. EMBO Reports 15(1), 103–109 

#Darshan R, #Leblois A, #Hansel D. 2014. Interference and Shaping in Sensorimotor Adaptations with rewards.PLOS Comput. Biol. 10:e1003377 

Goldin MA, Alonso LM, #Alliende JA, Goller F, Mindlin GB. 2013. Temperature Induced Syllable Breaking Unveils Nonlinearly Interacting Timescales in Birdsong Motor Pathway. PLOS ONE 8(6):e67814

Mathematics of Neural Circuits

Domaine de recherche principal: 

Computational neurosciences / neural theory

Mots clefs: 

Learning
Synaptic plasticity
computational neuroscience
cognitive decision processes
neuronal architectures
drug addiction
short-term memory
decision-making

Labelisation ENP: 

2007

Centre de recherche / Institut: 

ENS Ecole Normale Supérieure

Code unité de recherche: 

U960

Le but du GNT est de comprendre les bases du traitement de l'information dans le cerveau, en mettant en évidence les liens entre la dynamique collective d'une population neuronale et les fonctions associées à cette population.

Leader

Leader: 

Personnel

Etudiants ENP: 

Établissements

Établissement de rattachement: 

Ecole Normale Supérieure

Établissements affiliés: 

Inserm
Laboratory

Nom: 

Laboratoire de Neurosciences Cognitives

Initiatives d'Excellence: 

IEC, PSLP
Publications

publications: 

Buchin A, Chizhov A, Huberfeld G, Miles R, Gutkin BS. Reduced Efficacy of the KCC2 Cotransporter Promotes Epileptic Oscillations in a Subiculum Network Model. J Neurosci. 2016 Nov 16;36(46):11619-11633.

Keramati M, Gutkin B. Homeostatic reinforcement learning for integrating reward collection and physiological stability. Elife. 2014 Dec 2;3. doi: 10.7554/eLife.04811.

Caze, R.D., Humphries, M., and Gutkin, B.S., Passive Dendrites Enable Single Neurons to Compute Linearly Non-separableFunctions, PLOS Computational Biology, 9(2): e1002867, (2013).


Keramati, M. and Gutkin, B.S., Imbalanced decision hierarchy in addicts emerging from drug-hijacked dopamine spiraling circuit,PLOS One, 8:4, 1-8 (2013).

Lochmann, T., Ernst, U.A., and Denève, S., Perceptual inference predicts contextual modulations of sensory responses, Journal of Neuroscience, 32(12), 4179-95 (2012).

Tolu, S., Eddine, R., Marti, F., David, V., Graupner, M., Baudonnat, S.P.M., Besson, M., Reperant, C., Zemdegs, J., Pages, C., Caboche, J., Gutkin, B., Gardier, A.M., Changeux, J., Faure, P., and Maskos, U., Co-activation of VTA DA and GABA neurons mediates nicotine reinforcement., Molecular Psychiatry, in press, (2012).

DiPoppa, M., Krupa, M., Torcini, A., and Gutkin, B., Marginally Stable States and Quasi-periodic minor attractors in excitable pulse-coupled networks, SIAM Journal of Applied Dynamical Systems, 11, 864 894 (2012).

Deneve, S., Making decisions with unknown sensory reliability, Frontiers in Neuroscience, 6:75, doi: 10.3389/fnins.2012.00075 (2012).

Jardri, R. and Deneve, S., Computational models of hallucinations., The Neuroscience of Hallucinations, (2012).