ED Sciences de la Vie et de la Santé
Etude des mécanismes moléculaires responsable de l'organisation à la surface des récepteurs NMDA au cours du développement
par Nathan BENAC (Institut Interdisciplinaire de Neurosciences)
Cette soutenance a lieu à 14h00 - Amphi Centre Broca Amphithéatre -Centre Broca Nouvelle Aquitaine 146 rue léo saignat 33700 Bordeaux
devant le jury composé de
- Laurent GROC - Directeur de recherche - Université de Bordeaux - Directeur de these
- Alexander DITYATEV - Professor - Université de Magdeburg - Examinateur
- Cyril HERRY - Directeur de recherche - Université de Bordeaux - Examinateur
- Cécile CHARRIER - Directrice de recherche - ENS Paris - Rapporteur
- Sabine LEVI - Directrice de recherche - ESPCI Paris - Rapporteur
Comprendre comment les neurones se développent pour former le schéma organisé des connexions synaptiques reste une question centrale en neurosciences. La grande majorité des synapses excitatrices se forment tôt au cours du développement pendant une fenêtre de synaptogenèse. Les récepteurs N-méthyl-D-aspartate (NMDAR) sont depuis longtemps considérés comme un candidat important pour stimuler la synaptogenèse, car les données in vivo et in vitro montrent un rôle clé des NMDARs pendant cette phase. De plus, le fait que les NMDARs se trouvent dans les synapses « silencieuses », immatures sur le plan développemental, et parmi les premiers récepteurs à s'accumuler et s'agréger au site des synapses naissantes conduit à l'hypothèse que l'agrégation des NMDARs est un point de départ dans la formation des synapses. Cependant, les mécanismes moléculaires précoces sous-tendant l'agrégation des NMDARs en assemblages pro-synaptogéniques restent peu connus. De précédents travaux montrant que les NMDARs peuvent interagir directement avec d'autres protéines de surface, y compris des récepteurs, ont favorisé la possibilité que les interactions protéine-protéine (PPI) à la surface des neurones représentent un moyen puissant pour agréger les récepteurs. En utilisant une combinaison d'imagerie en direct et de microscopie super-résolution, nous avons observé que l'interaction entre les D1R-GluN1-NMDARs était favorisée dans les neurones immatures, pendant la phase de synaptogenèse. Nous avons montré que l'interaction D1R-GluN1-NMDAR façonne directement l'organisation des NMDARs, permettant leur agrégation fonctionnelle et la synaptogenèse. En effet, empêcher l'interaction dans les neurones immatures, et non dans les neurones matures, a altéré la formation des synapses excitatrices. Nous nous sommes ensuite concentrés sur les mécanismes de régulation intracellulaire et extracellulaire de l'interaction. Nous avons démontré un rôle des récepteurs métabotropes du glutamate (mGluR) et de la caséine kinase 1 (CK1) dans la promotion de l'interaction entre les D1Rs et les GluN1-NMDARs. D'autre part, le fait que l'acide hyaluronique (HA), l'un des principaux composants de la matrice extracellulaire (ECM), soit enrichi tôt dans le cerveau immature et régule la diffusion de surface des macromolécules ouvre l'hypothèse que l'ECM régule la capacité des NMDARs à interagir avec d'autres macromolécules de surface, y compris le D1R. Pourtant, les approches classiques se sont principalement concentrées sur la dégradation de l'ECM. Ici, nous avons visé à augmenter le contenu de l'ECM en HA en surexprimant à la fois la forme sauvage de la hyaluronane synthase de type synthase 2 de rat (HAS2) ou une forme portant les deux mutations ponctuelles présentes chez le rat-taupe nu (NMR; N178S et N301S) qui est connu pour produire de l'HA de très haut poids moléculaire (vHMW-HA). Nous avons observé que l'augmentation de la matrice entravait le développement des neurones et modifiait à la fois l'organisation et le trafic de surface des NMDARs. Ces résultats valident notre stratégie et ouvrent de nouvelles voies pour enquêter sur le rôle de l'ECM dans le développement neuronal.
ED Sociétés, Politique, Santé Publique
Contrôle biomimétique de prothèse à partir de mouvements naturels : base de données et transformation de référentiel pour une situation réelle
par Bianca LENTO (Institut de neurosciences cognitives et intégratives d'Aquitaine)
Cette soutenance a lieu à h00 - Amphithéâtre 2 Rue Dr Hoffmann Martinot, Bâtiment Bordeaux Biologie Santé, 33000 Bordeaux
devant le jury composé de
- Aymar DE RUGY - Directeur de recherche - INCIA UMR 5287, CNRS, Université de Bordeaux - Directeur de these
- Peter Ford DOMINEY - Directeur de recherche - INSERM UMR 1093, CAPS, Université Bourgogne Franche-Comté - Rapporteur
- Christine AZEVEDO COSTE - Directrice de recherche - INRIA, Université de Montpellier - Rapporteur
- Pauline MAURICE - Chargée de recherche - CNRS - Examinateur
- Jean-Louis VERCHER - Directeur de recherche émérite - ISM UMR 7287, CNRS, Aix-Marseille Université - Examinateur
Les contrôles myoélectriques pour les prothèses transhumérales entraînent souvent un taux élevé d'abandon en raison de leurs performances insatisfaisantes. Inspirés des progrès réalisés dans les contrôles exploitant les mouvements résiduels, nous avons affiné une approche alternative utilisant un réseau de neurones artificiels entrainé sur les mouvements naturels de bras pour prédire la configuration des articulations distales en fonction du mouvement des articulations proximales et de l'objet à saisir. Des études antérieures ont montré que cette stratégie permet aux amputés de contrôler un avatar de prothèse dans un environnement de réalité virtuelle aussi bien qu'avec leur bras valide. Cependant, le déploiement de ce contrôle dans des scénarios réels requiert des développements supplémentaires. Il est nécessaire d'intégrer une caméra montée sur la tête et des algorithmes de vision par ordinateur pour estimer en temps réel la position et l'orientation de l'objet. Dans ce contexte, les informations sur l'objet ne seraient disponibles que dans un référentiel centré sur la tête de l'utilisateur, alors que notre contrôle repose sur l'objet exprimé dans un référentiel centré sur l'épaule. Inspirés de la façon dont le cerveau exécute des transformations de coordonnées, nous avons développé et testé des solutions pour effectuer la transformation tête-épaule à partir des seules données d'orientation, disponibles en situation réelle. Pour développer ces algorithmes, nous avons constitué une base de données incluant la relation entre ces référentiels en demandant à vingt participants valides de saisir des objets dans diverses positions et orientations dans un environnement virtuel. Cette base de données comprenait les mouvements de la tête et du regard, ainsi que ceux du tronc, des épaules et des bras, capturant l'ensemble de la chaîne cinématique entre le but du mouvement et la main déplacée pour l'atteindre. Ensuite, nous avons mis en œuvre deux méthodes pour obtenir la position de la tête dans le référentiel de l'épaule. La première consiste en un réseau de neurones artificiels entraîné hors ligne sur la base de données pour prédire cette position en fonction de la taille du participant et de l'orientation de sa tête et de son épaule. La seconde méthode s'inspire des processus d'intégration multisensorielle du cerveau et déduit la position de la tête dans le référentiel de l'épaule en comparant les données relatives à la main prothétique obtenues dans le référentiel de l'épaule par cinématique directe et simultanément dans le référentiel de la tête par la vision par ordinateur. Inspirés par les mécanismes neuronaux du codage de l'espace péripersonnel, nous avons adapté en ligne les poids d'un réseau de neurones pour coder cette différence dans une carte spatiale. Les résultats expérimentaux sur douze participants valides en réalité virtuelle ont démontré des erreurs persistantes avec la première méthode, qui n'a pas réussi à prendre en compte la spécificité de la morphologie de l'utilisateur, entraînant ainsi un contrôle inefficace de la prothèse. En revanche, la seconde méthode a réussi à coder efficacement la transition de la tête à l'épaule associée à différentes cibles dans l'espace. L'efficacité de la seconde méthode a également été testée sur six amputés en réalité virtuelle, et une preuve de concept a été réalisée pour évaluer la faisabilité de cette méthode dans des conditions réelles. Cette démonstration a été réalisée en contrôlant la plateforme robotique REACHY 2 en vision égocentrée, avec des marqueurs ArUco et un algorithme de vision artificielle pour détecter les objets à saisir et la main robotique. Les résultats suggèrent que, malgré les difficultés rencontrées dans la détection des objets, notre carte spatiale fonctionne efficacement dans des scénarios réels. Cette méthode pourrait également gérer des scénarios complexes, impliquant des déplacements de caméra ou des environnements perturbés.