Conséquences du « codage prédictif » dans les structures auditives lors d'une tâche de discrimination dans le bruit // Consequences of predictive coding in the mice auditory structures during a discrimination task in noise

Chez l'homme et l'animal, la perception des signaux de communication acoustique (langage ou vocalisations animales) se fait souvent dans des conditions de bruit importantes. Chez l'homme, des travaux indiquent que dans des situations perceptives rendues difficiles par l'ajout de bruit, la présence d'indices acoustiques prédictifs des stimuli à détecter permet la détection de ces stimuli même dans des niveaux de bruit importants. Des signaux top-down, permettant un « codage prédictif », seraient issus entre autres des aires frontales (mais aussi d'autres aires associatives) et atteindraient en priorité les cortex sensoriels. Notre équipe a montré dans plusieurs expériences qu'au sein du système auditif, les neurones auditifs sous-corticaux étaient ceux dont les réponses étaient le plus résistantes au bruit quel que soit le type de bruit, et plus récemment nous avons mis au point une tâche comportementale de discrimination dans le bruit. Ce projet de thèse a pour objectif de mettre en évidence un codage prédictif grâce à des enregistrements électrophysiologiques et bi-photoniques au niveau du cortex auditif et du colliculus inférieur. Pour cela, nous comptons mettre au point une tâche comportementale où des indices acoustiques permettront une meilleure détection des stimuli cibles dans le bruit et nous rechercherons des corrélats neuronaux du codage prédictif dans les 2 structures auditives après la présentation de ces indices. L'inactivation par optogénétique de l'aire orbito-frontale, ou de l'aire postérieure pariétale, permettra de déterminer les structures à l'origine du codage prédictif.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

In humans and animals, the perception of acoustic communication signals (language or animal vocalizations) often occurs in conditions of significant noise. In humans, studies indicate that in perceptual situations made difficult by the addition of noise, the presence of acoustic cues predictive of the stimuli to be detected allows the detection of these stimuli even in high noise levels. Top-down signals, allowing 'predictive coding', would come from, among other things, the frontal areas (but also other associative areas) and would primarily reach the sensory cortex. Our team has shown in several experiments that within the auditory system, subcortical auditory neurons were those whose responses were most resistant to noise regardless of the type of noise, and more recently we have developed a behavioral task of discrimination in noise. This thesis project aims to highlight predictive coding using electrophysiological and bi-photonic recordings at the auditory cortex and inferior colliculus. To do this, we intend to develop a behavioral task where acoustic cues will allow better detection of target stimuli in noise and we will look for neural correlates of predictive coding in the 2 auditory structures after the presentation of these cues. Optogenetic inactivation of the orbitofrontal area, or the posterior parietal area, will make it possible to determine the structures at the origin of predictive coding.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrats ED : Programme blanc GS-LSaH

Université Paris-Saclay GS Life Sciences and Health

568 Signalisations et Réseaux Intégratifs en Biologie

Bonnes compétences en électrophysiologie Compétences en MatLab ou Python Compétences de base en Neurosciences
Skills in electrophysiology Good skills in MatLab or Python Good knowledge in Neurosciences in general