Une approche basée sur le morphoespace pour dévoiler les mécanismes neuronaux de l'apprentissage procédural. // A morphospace-based approach to unveiling the neural mechanisms of procedural learning.

Ce projet vise à approfondir notre compréhension des mécanismes neuronaux sous-jacents à l'apprentissage procédural chez l'humain en intégrant des techniques méta-analytiques de pointe avec une approche novatrice basée sur le morphoespace. L'apprentissage procédural, qui consiste à acquérir et automatiser des compétences motrices, repose sur l'interaction entre les structures corticales et sous-corticales, en particulier les ganglions de la base (GB). Alors que les théories traditionnelles proposent un modèle hiérarchique dominé par le cortex, les travaux récents de l'équipe de Boraud suggèrent que les GB « enseignent » activement aux circuits corticaux pendant l'acquisition des compétences, remettant en question les paradigmes établis.

L'objectif principal est d'explorer le rôle des GB dans l'apprentissage procédural à travers une méta-analyse systématique des études d'imagerie par résonance magnétique fonctionnelle (IRMf). En comparant l'activité cérébrale lors de tâches motrices nouvelles par rapport à des tâches maîtrisées, le projet testera l'hypothèse selon laquelle les GB sont fortement engagés au cours de l'acquisition des compétences mais deviennent moins impliqués une fois l'apprentissage consolidé. Pour ce faire, le cadre innovant du morphoespace, développé par l'équipe de Thiebaut de Schotten, sera utilisé afin de cartographier en trois dimensions les relations entre les fonctions cérébrales et la cognition.

Les résultats attendus devraient confirmer le rôle clé des régions dorsolatérales des GB lors des premières étapes de l'apprentissage, avec une diminution de leur activité au cours de l'exécution automatisée des tâches. En complément, la tractographie de la matière blanche permettra de caractériser les voies structurelles impliquées dans les phases d'acquisition et d'exécution des compétences procédurales. Ces résultats pourraient avoir des implications significatives pour la compréhension des troubles moteurs, l'optimisation des stratégies d'apprentissage et l'amélioration des protocoles de réhabilitation après des lésions neurologiques.

En réunissant les expertises des équipes de Boraud et de Thiebaut de Schotten, ce projet interdisciplinaire offre une perspective transformative sur les interactions dynamiques entre les GB et les circuits corticaux pendant l'acquisition des compétences. Il pourrait remodeler les approches de traitement des troubles moteurs et enrichir les stratégies de récupération en milieu clinique.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This project aims to advance our understanding of the neural mechanisms underlying procedural learning in humans by integrating cutting-edge meta-analytic techniques with a novel morphospace-based approach. Procedural learning, which involves acquiring and automating motor skills, relies on the interplay between cortical and subcortical structures, particularly the basal ganglia (BG). While traditional theories propose a hierarchical model with cortical dominance, recent findings by Boraud's team suggest that the BG actively 'teach' cortical circuits during skill acquisition, challenging existing paradigms.

The primary objective is to explore the role of the BG in procedural learning through a systematic meta-analysis of functional magnetic resonance imaging (fMRI) studies. By contrasting brain activity during novel versus mastered motor tasks, the project will test the hypothesis that the BG are highly engaged during skill acquisition but become less involved once learning is consolidated. To achieve this, the innovative morphospace framework developed by Thiebaut de Schotten's team will be employed, enabling a three-dimensional mapping of brain function and cognition.

Key findings are expected to confirm the pivotal role of the dorsolateral regions of the BG during early stages of learning, with reduced activity in these regions during automated task execution. Additionally, white matter tractography will be used to characterize the structural pathways underlying both the acquisition and execution phases of procedural learning. The results could have significant implications for understanding motor disorders, optimizing learning strategies, and improving rehabilitation protocols following neurological injuries
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025
WEB : http://www.bcblab.com

Contrat doctoral libre

Université de Bordeaux

154 Sciences de la Vie et de la Santé

Pour mener à bien ce projet de thèse, le candidat idéal devra posséder un solide profil académique et des compétences spécifiques, à la fois techniques et conceptuelles, adaptées aux objectifs du projet. Les critères recherchés incluent : Formation académique Diplôme requis : Master 2 ou équivalent en neurosciences, neuropsychologie, sciences cognitives ou disciplines connexes. Bonus : Une formation complémentaire en statistiques, imagerie cérébrale ou informatique est un atout. Compétences techniques Neuroimagerie : Maîtrise des techniques d'analyse de données IRMf et/ou tractographie (outils comme SPM, FSL, ou équivalents). Méta-analyse : Connaissance des approches méta-analytiques appliquées aux neurosciences. Une expérience avec des bases de données comme NeuroSynth ou BrainMap est un plus. Programmation : Familiarité avec des langages tels que Python, R ou Matlab pour l'analyse de données et le traitement statistique avancé. Compétences scientifiques Bases en neurosciences : Bonne compréhension des structures et mécanismes cérébraux, en particulier des ganglions de la base et des circuits corticaux. Analyse critique : Capacité à synthétiser des données issues de la littérature et à interpréter des résultats expérimentaux. Approche interdisciplinaire : Aptitude à intégrer des concepts issus de différentes disciplines (neurosciences, biologie, cognition, informatique). Qualités personnelles Autonomie et rigueur : Capacité à travailler de manière indépendante tout en respectant des échéances. Esprit d'équipe : Aptitude à collaborer avec des experts multidisciplinaires au sein d'un laboratoire dynamique. Communication : Bonnes compétences en rédaction scientifique et en présentation orale, en anglais comme en français. Engagement attendu Le candidat devra démontrer une curiosité scientifique marquée, une forte motivation pour la recherche fondamentale et appliquée, ainsi qu'une volonté de s'impliquer pleinement dans un projet ambitieux aux multiples implications.
To successfully carry out this PhD project, the ideal candidate should possess a strong academic background and specific technical and conceptual skills aligned with the project objectives. The key criteria include: Academic Background Required Degree: A Master's degree (or equivalent) in neuroscience, neuropsychology, cognitive sciences, or related fields. Additional Advantage: Complementary training in statistics, brain imaging, or computer science is a plus. Technical Skills Neuroimaging: Proficiency in analyzing fMRI data and/or tractography using tools like SPM, FSL, or equivalent software. Meta-analysis: Familiarity with meta-analytic approaches in neuroscience. Experience with databases such as NeuroSynth or BrainMap is a strong asset. Programming: Competence in programming languages such as Python, R, or Matlab for data analysis and advanced statistical processing. Scientific Skills Neuroscience Foundations: Solid understanding of brain structures and mechanisms, particularly the basal ganglia and cortical circuits. Critical Analysis: Ability to synthesize literature findings and interpret experimental results. Interdisciplinary Approach: Aptitude to integrate concepts from various fields (neuroscience, biology, cognition, computer science). Personal Attributes Autonomy and Rigor: Capacity to work independently while meeting deadlines. Team Spirit: Ability to collaborate with multidisciplinary experts in a dynamic lab environment. Communication: Strong scientific writing and oral presentation skills, in both English and French. Expected Commitment The candidate should demonstrate a genuine curiosity for scientific inquiry, strong motivation for fundamental and applied research, and a willingness to fully engage in an ambitious project with wide-ranging implications.