Reconstruction de trajectoires neuronales de basse dimension à partir des enregistrements de l'activité de population : des limitations statistiques à la conception expérimentale

Les techniques d’enregistrement multi-électrodes ou d’imagerie calcique permettent désormais de mesurer l’activité de centaines, voire de milliers de neurones dans une région du cerveau. Une hypothèse courante est que cette activité de haute dimension est intégrée dans une variété de basse dimension, et décrit une trajectoire qui renseigne, par exemple, sur les calculs sensoriels ou moteurs en cours. L’analyse en composantes principales, parmi d’autres méthodes de reconstruction de variété, est couramment utilisée pour inférer le sous-espace neuronal pertinent et visualiser les trajectoires correspondantes. Un enjeu important est la fiabilité de ce processus de reconstruction de trajectoire. La durée limitée d’enregistrement, la taille de la population enregistrée, la présence de bruit neuronal dynamique, ainsi que les limitations intrinsèques des méthodes d’enregistrement, telles que les erreurs ou les biais dans l’identification des spikes à partir de signaux de tension ou de fluorescence, peuvent considérablement affecter les trajectoires reconstruites et notre compréhension des processus computationnels sous-jacents. Dans notre travail, nous présentons une caractérisation systématique de ces effets sur l’inférence de trajectoire en basse dimension. Nous obtenons des expressions analytiques pour l’erreur de reconstruction en utilisant les outils de la physique statistique des systèmes désordonnés, et établissons des diagrammes de phase localisant les régions où l’erreur est maîtrisée, et celles où la reconstruction est impossible. Nos résultats sont confirmés par des simulations numériques étendues. Nous montrons ensuite, sur divers enregistrements existants dans le cortex visuel, l’hippocampe et le cortex préfrontal, comment nos résultats peuvent être utilisés pour caractériser l’erreur attendue sur les trajectoires obtenues à partir de jeux de données réels.