Les dépendances éventuelles entre zones du cerveau ou entre neurones, et en particulier le phénomène de synchronisation, sont communément admises comme faisant partie intégrante du code neuronal. Il est aujourd’hui possible d’enregistrer simultanément les temps de potentiels d’action (trains de spikes) de différents neurones. Une première étape consiste donc à comprendre si deux trains de spikes, modélisés par des processus ponctuels, correspondant à deux neurones, sont indépendants ou non.
Après avoir présenté le contexte et les méthodes les plus utilisées en neurosciences, ainsi que leurs limites, je présenterai un test d’indépendance non-paramétrique entre deux processus ponctuels, basé sur le principe de permutation. Théoriquement, il est prouvé qu’il est de bon niveau (non asymptotique), et ce même lorsque les valeurs critiques sont approchées par des méthodes de Monte Carlo. Des garanties en termes de puissance asymptotique ont également été démontrées. Les performances pratiques ainsi qu’une comparaison avec les méthodes usuelles seront illustrées sur des données simulées.
Ensuite, je présenterai la procédure de tests multiples permettant de détecter les synchronisations entre les trains de spikes. Cette méthode sera comparée également aux méthodes usuelles sur des données simulées avant d’être appliquées à de vraies données.
Ce travail est en collaboration avec Yann Bouret, Magalie Fromont et Patricia Reynaud-Bouret
Enseignant-chercheurs en statistique - Campus bordelais
