Electromagnetic signature of human cortical dynamics during wakefulness and sleep
Signature électromagnétique de la dynamique corticale pendant l'éveil et le sommeil chez l'homme
Résumé
Analyzing brain function at multiple scales is a necessary step to understand its complexities. In this thesis work, we tackled this issue at both macro and micro-scales using non-invasive and invasive recordings. We have used a series of computational techniques and correlation analyses to analyze recordings of the human brain activity during wakefulness and sleep. In a first study, we analyzed simultaneous elecroencephalogram (EEG) and magnetoencephalogram (MEG) recordings in awake human subjects. We showed theoretically that if the medium is resistive, the frequency scaling of EEG and MEG signals should be the same at low frequencies (<10 Hz). To test this prediction, we analyzed the spectrum of simultaneous EEG and MEG measurements in four human subjects. In a given region, although the variability of the frequency scaling exponent was higher for MEG compared to EEG, both signals consistently scale with a different exponent. In some cases, the scaling was similar, but only when the signal-to-noise ratio of the MEG was low. Several methods of noise correction for environmental and instrumental noise were tested, and they all increased the difference between EEG and MEG scaling. We conclude that there is a significant difference in frequency scaling between EEG andMEG, which can be explained if the extracellular medium (including other layers such as dura matter and skull) is globally non-resistive. The resistive or non-resistive nature of the extracellular space in the brain is an important determinant for correctly modeling extracellular potentials. In a second study, we analyzed the spatio-temporal dynamics of excitation and inhibition during human sleep from high-density intracranial recordings. We used high-density recordings obtained in epileptic patients and from unit recordings, we successfully separated between RS neurons (regular or bursting cells) from fast-spiking (FS) cells. The high density of the array allowing recording from large number of cells (up to 90) helped us to identify apparent monosynaptic connections, which confirmed the excitatory and inhibitory nature of RS and FS cells, thus categorized as putative pyramidal and interneurons, respectively. Using such a separation, we investigated the dynamics of correlations within each class. A marked exponential decay with distance was observed in the case of excitatory but not for inhibitory cells. Thus, our study provides, for a first time, insight on the interplay of excitation and inhibition in the human neocortex. In a third study, we investigated dynamical signatures of complex dynamics, and self)organized activity, from intracranial recordings in cat, monkey and humans. We compared the collective dynamics of different in vivo preparations during wakefulness, slow-wave sleep and REM sleep, in cat parietal cortex (96 electrodes), monkey motor cortex (64/96 electrodes) and human temporal cortex (96 electrodes) in epileptic patients. In neuronal avalanches defined from units (up to 152 single units), the size of avalanches never clearly scaled as power-law, but rather scaled exponentially or displayed intermediate scaling. Avalanches defined from nLFPs displayed power-law scaling in double logarithmic representations, as reported previously in monkey. However, avalanche defined as positive LFP (pLFP) peaks, which are not related to neuronal firing, also displayed apparent power-law scaling. Closer examination of this scaling using the more severe cumulative distribution function (CDF) representation did not confirm power-law scaling. The same pattern was seen for cats, monkey and human, as well as for different brain states of wakefulness and sleep. We also tested other alternative distributions. While simple exponentials yielded very good fits of the avalanche dynamics, the bi-exponential distribution provided the best fit to the data. Collectively, these results show no clear evidence for power-law scaling or self-organized critical states, at the level of spiking activity or local field potential, in the awake and sleeping brain of mammals, from cat to man. Finally, in an appendix, we provide preliminary results about the relations between excitatory and inhibitory cells with local field potentials in human sleep. The high-density intracranial recordings described above (96-electrode array) were used to analyze the differential firing of RS and FS cells during different sleep stages, devoid of interictal activity. Up to 90 simultaneously recorded units (in Layer III), and 96 local field potential (LFP) recordings, provide a good basis to characterize the dynamics of excitation and inhibition during different brain states. During slow-wave sleep (SWS, Stage III or IV), dominated by delta-wave activity, all neurons fired according to Up and Down states, in relation to slow-waves complexes in the LFP, as described previously. Both RS and FS cells were silent during the Down-states. During REM sleep and wakefulness, both types of units fired according to very irregular patterns of discharge, while the LFP or ECoG were desynchronized. In all states, FS cells fired significantly more than RS cells (about 4 to 5 times on average). These results provide a characterization of the different roles of excitation and inhibition in the different wake and sleep states in humans. In conclusion, we have used different measurementmethods, from microscopic scale (single unit activity), mesoscopic (LFP) and macroscopic (ECoG, EEG, MEG) to characterize wake and sleep states in humans (as well as cat and monkey in one study). We conclude that the brain follows complex dynamics at all scales. There is globally no evidence for self-organized critical dynamics, but the brain activity manifests other signs of self-organization, such as large-scale rhythmical activity and multiple exponential processes. We suggest that all results could be explained by the interplay of excitation and inhibition. We anticipate that coupled oscillator network models of interacting excitation and inhibition should reproduce these findings, which constitutes a challenge for future work.
L'analyse de la fonction cérébrale à de multiples échelles est une étape nécessaire pour comprendre ses complexités. Dans ce travail de thèse, nous avons étudié cet aspect aux niveaux microscopiques et macroscopiques en utilisant des enregistrements invasifs et non-invasifs. Nous avons utilisé une série d'outils d'analyse communicationnels et de corrélation pour étudier l'activité cérébrale pendant l'éveil et le sommeil. Dans une première étude, nous avons analyse les enregistrements simultanés d'electroencephalogramme (EEG) etmagnetoencephalogramme (MEG) dans le cerveau de sujets éveillés. Nous montrons théoriquement, que si le milieu est résistif, le comportement d'échelle en fréquence doit être le même pour les signaux EEG and MEG à basse fréquence (˂10 Hz). Afin de tester cette prédiction, nous avons analyse le spectre d'enregistrements EEG et MEG simultanés de quatre sujets humains. Le comportement d'échelle en fréquence de l'EEG montre des variations cohérentes sur la surface du cerveau, avec des exposants en général compris entre 1/ f et 1/ f 2; ces exposants tendent à être plus faibles dans les régions temporales et pariétales. Dans une région donnée, les exposants de la MEG ont une variabilité plus grande que pour l'EEG, mais les deux signaux ont systématiquement un exposant différent. Dans certains cas, les exposants sont proches, mais ces cas correspondent 'a un mauvais rapport signal/bruit pour la MEG. Plusieurs méthodes de corrections du bruit instrumental et environnemental ont été testées, et dans tous les cas, ces méthodes augmentent la différence de comportement spectral entre l'EEG et la MEG. En conclusion, il y a une différence significative de comportement d'échelle en fréquence entre EEG et MEG, ce qui peut être explique si le milieu extracellulaire (incluant d'autres couches telles que la dure-mère et le crane) est globalement non-résistif. La nature résistive ou non-résistive du milieu extracellulaire est un déterminant important pour la modélisation des potentiels extracellulaires. Au cours d'une seconde étude, nous avons analyse la dynamique spatio-temporelle de l'excitation et de l'inhibition pendant le sommeil 'a partir d'enregistrements intra-crâniens à haute densité. Ces enregistrements à haute densité permettent la séparation efficace entre cellules "regular spiking" (RS) et "fast spiking" (FS). La haute densité des électrodes permet d'obtenir des connections apparemment mono-synaptiques, et de corroborer cette séparation RS-FS avec la nature excitatrice ou inhibitrice de la connexion. Cette procédure confirme que les cellules classifiées comme FS sont toujours inhibitrices, alors que les RS sont toujours excitatrices, et donc peuvent être classifiées respectivement comme cellules pyramidales ou interneurones inhibiteurs. Finalement, nous investiguons la dynamique des corrélations au sein de chaque classe de neurone. Les corrélations entre excitateurs montrent une décroissance exponentielle avec la distance, tandis que les cellules inhibitrices restent corrélées 'a plus grande distance. L'amplitude des corrélations dépend de l'échelle temporelle du calcul de corrélation, mais pas la constante spatiale. Cette constante est compatible avec la taille typique des colonnes corticales chez l'homme. Ces résultats permettent, pour la première fois, de caractériser l'activité neuronale et l'interaction entre excitation et inhibition dans le néocortex humain. Dans une troisième étude, nous avons investigue les signatures de la dynamique complexe et l'activité auto-organisée, à partir d'enregistrements intra-crâniens chez le chat, le singe et l'homme. Nous utilisons des enregistrements à haute densité dans le cortex moteur du chat (96 électrodes), le cortex moteur et prémoteur du singe et dans le cortex temporal humain (96 électrodes) de patients épileptiques. Lors d'avalanches définies à partir d'unités (jusqu''a 160 neurones), les distributions ne se comportent pas en loi de puissance, mais tendent à être exponentielles ou intermédiaires. Nous analysons également les potentiels de champ (LFPs), et en particulier les pics négatifs (nLFPs) au sein de l'ensemble d'électrodes (de 96 a 128 sites, selon la configuration d'enregistrement). Dans ce cas, les avalanches définies à partir des nLFPs peuvent se comporter en loi d'échelle, comme observé précédemment chez le singe. Cependant, les avalanches définies à partir des pics positifs (pLFPs), qui ne sont pas directement reliées aux décharges des neurones, ont le même comportement. Une analyse plus détaillée en utilisant la représentation cumulée (CDF) ne confirme pas la présence de loi de puissance. Les mêmes résultats s'appliquent au chat, au singe et aux enregistrements humains, pendant différents états cérébraux d'éveil et de sommeil. Nous avons également testé des distributions alternatives, et des processus multi-exponentiels semblent expliquer les distributions obtenues, de fac¸on optimale pour des distributions bi-exponentielles. L'ensemble de ces résultats ne montrent pas d'évidence de loi de puissance ou d'états critiques dans le cerveau éveillé ou en sommeil de différents mammifères, du chat 'a l'homme. Finalement, dans un appendice, nous montrons des résultats préliminaires concernant les relations entre cellules excitatrices et inhibitrices, et les potentiels de champ locaux pendant le sommeil humain. Nous avons pu séparer les cellules entre "regular-spiking" (RS) et "fastspiking" (FS), ce qui a été confirmé par connections monosynaptiques (voir Peyrache et al., PNAS, 2012). Nous analysons ici la décharge spécifique des cellules RS et FS pendant différents états d'éveil et de sommeil, sélectionnés sans activité interictale. Jusqu''a 92 unités enregistrées simultanément, procurent une base solide pour la caractérisation de la dynamique de l'excitation et de l'inhibition pendant ces différents états. Pendant le sommeil lent (Stade III ou IV), domine par les ondes lentes de type delta, tous les neurones déchargent selon des états "Up" ou "Down", en relation avec les ondes lentes du LFP, comme décrit précédemment. Les cellules RS et FS sont toutes silencieuses pendant les états "Down". Pendant le sommeil REM et pendant l'éveil, les neurones déchargent de fac¸on irrégulière alors que le LFP ou l'ECoG sont désynchronisées. Dans tous les états les cellules FS déchargent plus que les cellules RS (4 ou 5 fois plus en moyenne). En conclusion, ces résultats procurent une caractérisation des différents rôles de l'excitation et de l'inhibition pendant l'éveil et le sommeil chez l'homme. En conclusion, nous avons utilisé différentes méthodes de mesure, aux échelles microscopiques (activité unitaire), mésoscopique (LFP) etmacroscopiques (ECoG, EEG,MEG), pour caractériser les états de veille et sommeil chez l'homme (ainsi que chez le chat et le singe dans une étude). Nous concluons que le cerveau suit une dynamique complexe à toutes les échelles. Il n'y a pas d'évidence de dynamique auto-organisée critique, mais l'activité du cerveau manifeste d'autres signes d'auto-organisation, comme l'activité synchrone à grande distance et des processus multi-exponentiels. Nous suggérons que ces résultats peuvent être expliques par l'interaction entre excitation et inhibition. Nous anticipons que des réseaux d'oscillateurs couples, avec interaction entre excitation et inhibition, devraient pouvoir expliquer ces résultats. Cette perspective constitue un défi pour des études futures.