Réseaux cérébraux et apprentissage moteur Habib Benali Directeur de recherche INSERM UMR-S 678 INSERM, UPMC ‘Laboratoire d’Imagerie Fonctionnelle’, Paris Laboratoire International de Neuroimagerie et Modélisation, INSERM-Université de Montréal courriel : benali@imed.jussieu.fr

Mémoire Définition de la mémoire La mémoire est la capacité biologique, commune à tous les êtres vivants, qui sert à enregistrer, conserver et utiliser de l’information.

Mémoire Les types de mémoire: Mémoire à court terme (MCT). Cette forme de mémoire dure de quelques secondes à quelques minutes. Permet le rappel de l’information immédiatement après leur présentation (par exemple, un numéro de téléphone) Mémoire pour l’information qui n’a pas quitté le niveau de conscience. Sa capacité est limitée (empan mnésique = 7 +/- 2 items, chiffres ou mots). Elle est fragile et facilement perturbée par des informations interférentes.

Mémoire Les types de mémoire Mémoire à long terme (MLT). Ce type de mémoire peut durer toute une vie. Correspond au sens commun du mot mémoire. Sa capacité est énorme. Elle est résistante après consolidation.

Adaptation sensori-motrice 1 2 3 4 5 6 7 8 Cibles apparaissent dans un ordre aléatoire Condition Inversée nécessite

Apprentissage de séquences motrices Tâche de Séquence motrice ou (4-1-3-2-4)

Neuroimagerie

Spécialisation des Systèmes CS et CC dans l’Apprentissage d’habiletés Motrices La représentation à long terme du modèle interne exigé pour : l’adaptation aux changements environnementaux implique un réseau distribué qui comprend le système cortico-cérébelleux. l’apprentissage de séquences motrices implique un réseau distribué qui comprend le système cortico-striatal

Bases neurales de l’apprentissage moteur Motor cortical regions Parietal Cortices Associative striatum Cerebellar cortices Frontal associative regions Sensorimotor striatum Cerebellar cortices and nuclei Medial temporal lobe (hippocampus) Fast Learning Cognitive processes Motor sequence learning Motor adaptation Doyon & Benali (2005), Current Opinion Neurobiology

Bases neurales de l’apprentissage moteur Slow Learning Motor cortical regions Striatum Cerebellum Parietal cortex Consolidation Motor cortical regions Parietal Cortices Associative striatum Cerebellar cortices Frontal associative regions Sensorimotor striatum Cerebellar cortices and nuclei Medial temporal lobe (hippocampus) Fast Learning Cognitive processes Cognitive processes Motor sequence learning Motor adaptation Doyon & Benali (2005), Current Opinion Neurobiology

Bases neurales de l’apprentissage moteur Cerebellum Motor cortical regions Striatum Parietal cortex Slow Learning Automatization Motor cortical regions Striatum Cerebellum Consolidation Motor sequence learning Motor adaptation Cognitive processes Parietal cortex Motor cortical regions Parietal Cortices Associative striatum Cerebellar cortices Frontal associative regions Sensorimotor striatum Cerebellar cortices and nuclei Medial temporal lobe (hippocampus) Fast Learning Doyon & Benali (2005), Current Opinion Neurobiology

Bases neurales de l’apprentissage moteur Cerebellum Motor cortical regions Striatum Parietal cortex Retention . . . Time delay Cerebellum Motor cortical regions Striatum Parietal cortex Automatization Motor cortical regions Consolidation Motor sequence learning Motor adaptation Cognitive processes Motor cortical regions Parietal Cortices Associative striatum Cerebellar cortices Frontal associative regions Sensorimotor striatum Cerebellar cortices and nuclei Medial temporal lobe (hippocampus) Slow Learning Fast Learning Doyon & Benali (2005), Current Opinion Neurobiology

Apprentissage Moteur et Connectivité Fonctionnelle du Cerveau Réseau de neurones à large-échelle Agains we consider that spatial araes involved in the network must be composed of voixels having an homogeneous temporal signal. So we look at all these homogeneous areas in the brain using only the low-frequency component identified by the ICA method. The algorithm we developped built clusters isung the principles of homogeneity of the clusters and the Mutual nearest neirbours The algorithm stops when no more merging of clusters is possible. Varela et al. Nature reviews neuroscience (2001)

Adaptation sensori-motrice Protocole IRMf Sujets : n = 11 Scan : 2 sessions séparées de 24 heures Pratique : 2 sessions additionelles de pratique Schème: Par bloc et évènementiel Endroit : 3.0T à Marseille

Adaptation sensori-motrice et Connectivité Fonctionnelle du Cerveau: Méthode Introduction IRMf 1 Entraînement 1 Entraînement 2 IRMf 2 Jour 1 Jour 2

Adaptation sensori-motrice et Connectivité Fonctionnelle du Cerveau: Méthode Trajet suivi par le sujet Ellipse The adaptation task are those how Julien shows you just before, Our hypotheses are first to verifiy that consolidation of motor adaptation after practice and the simple passage of time is associated with BOLD changes and connectivity in the cortico-cerebellar system.

Adaptation sensori-motrice et Connectivité Fonctionnelle du Cerveau: Performance temps Performance In this part of the study the question is : Does performance improvement as shown in the figure reflect changes in functional connectivity in the large scale network.

Adaptation sensori-motrice et Connectivité Fonctionnelle du Cerveau: Réseau Unités cérébrales So nown come back to our data. 30 regions are identifyied as regions involved in the spatial network. What is very interesting is seems to be that the main correlation at large scale in the network is mainly related to low-frequency component of the signal. This confirm the finding of Biswal and others groups.

Réseau Fonctionnel Block 1 (p<0.01) r 1 R-M1 R-Pre-Cu R-Par Cx L-Pre-Cu SMA r 1 R-PM L-M1 L-PM L-Par Cx R-DLPFC Cing R-Visual A. L-DLPFC R-Thal L-Visual A. L-Thal R-Put R-CaudN Ant-Cereb Here is the network at Block 1 corresponding the le low performance of the subjects. The network involved interaction between Thalamus regions and SMA and anterior cerebellum areas but also inteaction between left cerebellum and SMA. L-CaudN L-Put R-Cereb Cx L-Cereb Cx

Réseau Fonctionnel Block 2 (p<0.01) r 1 L-Cereb Cx R-Cereb Cx Ant-Cereb L-Visual A. R-Visual A. R-Pre-Cu L-Pre-Cu L-Par Cx R-Par Cx R-M1 L-M1 SMA R-PM L-PM R-DLPFC L-DLPFC Cing L-Put R-Put L-Thal R-Thal L-CaudN R-CaudN r 1 At the intermediate learning the network became more complex with a lot of interactions.

Réseau Fonctionnel Block 3 (p<0.01) r 1 R-M1 R-Pre-Cu R-Par Cx L-Pre-Cu SMA r 1 R-PM L-M1 L-PM L-Par Cx R-DLPFC Cing R-Visual A. L-DLPFC R-Thal L-Visual A. L-Thal R-Put R-CaudN Ant-Cereb L-CaudN L-Put In block 3 the network is complex R-Cereb Cx L-Cereb Cx

Réseau Fonctionnel Block 4 (p<0.01) r 1 R-Cereb Cx L-Cereb Cx Ant-Cereb L-Visual A. R-Visual A. R-Pre-Cu L-Pre-Cu L-Par Cx R-Par Cx R-M1 L-M1 SMA R-PM L-PM R-DLPFC L-DLPFC Cing L-Put R-Put L-Thal R-Thal L-CaudN R-CaudN r 1 At the high level of perfermance the network seems to be more simple than the intermediate ones. We can see anterior cerebellum and thalamus, thalamus and SMA and Right cerebelum and SMA.

* Nombre de connections par block Connectivité fonctionnelle : Dynamique # connections * Nombre de connections par block * * Using the empirical distribution we found that the increase and decrease of the number of links is statistically significant. Now we can ask What does it mean ? One hypothesis is that the learning process induced an increase than decrease of connectivity which probably corresponds to ‘optimising’ the network involved to perform the task. * block Jour 1 Jour 2

Connectivité fonctionnelle : Dynamique Graphe de spécialisation : connectivités de block 1 to 2, stables après L-Cereb Cx R-Cereb Cx Ant-Cereb SMA L-Visual A. R-Visual A. R-DLPFC L-DLPFC Cing R-PM L-Pre-Cu R-Pre-Cu L-Par Cx R-Par Cx Consolidation Motor adaptation Motor cortical areas Parietal cortex Striatum Cerebellum Motor cortical areas

Graphe de spécialisation: connectivités de block 1 to 2, et après Connectivité fonctionnelle : Dynamique Graphe de spécialisation: connectivités de block 1 to 2, et après SMA R-PM L-Put R-Put Consolidation Motor adaptation Motor cortical areas Parietal cortex Striatum Cerebellum Motor cortical areas

Apprentissage de séquences motrices Tâche de Séquence motrice Fréquence du mouvement fixe à 2Hz

Apprentissage de séquences motrices : Protocole expérimental Tests de Vitesse Fréquence du mouvement 1 2 3 4 5 6 7 14 21 28 Jours Fréquence (Hz) Etude de la dynamique de l’activation dans les GB au cours d’un apprentissage de 4 semaines +97% Hypothèse : l’activité se déplace d’un territoire associatif à un territoire sensorimoteur du striatum au cours de l’apprentissage Apprise Nouvelle Erreurs 0.0 0.5 1.0 1.5 2.0 1 7 14 21 28 Jours Erreurs (%) -58% Lehéricy , Benali et al. PNAS 2005

Régions dont l’activité baisse au cours de la session1 Apprentissage de séquences motrices : Réseau fonctionnel Régions dont l’activité baisse au cours de la session1 [ (avant) versus (après 50 min de pratique) ] D G Aires corticales motrices Striatum Cervelet Consolidation Aires corticales motrices Apprentissage de séquence motrice Cortex pariétal Lehéricy , Benali et al. PNAS 2005

Apprentissage de séquences motrices : GB L’activation se déplace d’un territoire à un autre au sein du striatum lors de l’apprentissage Début 10 min 50 min J 28 Début 10 min 50 min J 28 gauche / ipsilatéral Droit / controlatéral CN Pu T dorsal ventral Putamen droit 0.0 0.2 0.4 0.6 0.8 1.0 1.2 Signal 1 2 3 4 5 séries Lehéricy , Benali et al. PNAS 2005

Connectivités anatomiques : IRM de diffusion modèle mesures isotrope anisotrope

Connectivités anatomiques : connexions cortico - striatales INRIA λ1, e1 λ3, e3 λ2, e2

Connectivités anatomiques : connexions cortico - striatales

Construction du faisceau cortico – striatal Cartes DTI moyenne normalisée Région activée

Changement de circuit cortico – striatal lors de l’apprentissage Cartes DTI moyennes normalisées Avant apprentissage preSMA Cortex Moteur Après apprentissage Cortex sensoriel primaire Tous les sujets C Lenglet, INRIA

Organisation des circuits cortico – ganglions de la base (sensorimoteur, premoteur, associatif, limbique) PF PM M1 OF CN T Pu VS Alexander Ann Rev Neurosci 1986 Selemon, Goldman-Rakic J Neurosci 1985 Parent, Hazrati Brain Res Rev 1995

Changement de circuit cortico – striatal lors de l’apprentissage Les aires activées dans le putamen avant apprentissage étaient connectées avec le cortex prémoteur antérieur et postérieur Les aires activées dans le putamen après apprentissage étaient connectées avec le cortex moteur primaire et prémoteur postérieur Jour 1 Jour 28 SMA preSMA

Effet du Sommeil sur l’Apprentissage Moteur Schème Expérimental: Groupe Nuit (n=26) 4 3 2 1 4 3 2 1 Retest Entraînement Sommeil (12 h après) Soir Matin 12 12 hours heures ) Groupe Jour (n=25) 4 3 2 1 4 3 2 1 PASSAGE du Retest Entraînement Temps (12 h après) Matin Soir 12 12 heures

Effet du Sommeil sur l’Apprentissage Moteur Apprentissage d’une séquence de mouvements

Effet du Sommeil sur l’Apprentissage Moteur : Interférence Apprentissage d’une séquence de mouvements

Pierre MAQUET, Philippe PEIGNEUX Collaborateurs Guillaume MARRELEC Pierre BELLEC Vincent PERLBARG Saâd JBABDI Stéphane LEHERICY Mélanie PELEGRINI-ISSAC Julien DOYON Jean DAUNIZEAU Odile JOLIVET Avi KARNI, Maria KORMAN, Pierre MAQUET, Philippe PEIGNEUX