Soutenance de thèse de DERNONCOURT François


Titre de thèse

De l'activité des unités motrices au contrôle des motoneurones spinaux: Inférence de mécanismes neuronaux qui sous-tendent l'activité de populations d'unités motrices

From motor unit output to spinal motor neuron control: Inferring neural mechanisms that shape motor unit population activity

Date

21 septembre 2026 à 13h30

Adresse

Campus Staps Plaine du Var, 261 boulevard du Mercantour, 06205 Nice, Amphithéâtre Rémi Radel

Ecole doctorale

Sciences du Mouvement Humain

Specialité

Sciences du Mouvement Humain - NCE

Etablissement

Aix-Marseille Université

Mots clés

Input,Nerveux,Motoneurone,Contrôle,Mouvement,Moteur

Keywords

Input,Neural,Motor neuron,Control,Movement,Motor

Jury

Jury de thèse
Qualité Nom Etablissement
Professeure des universités M. HUG François Université Côte d'Azur
Professor M. NEGRO Francesco Università degli Studi di Brescia
Associate Professor Mme MUCELI Silvia Chalmers University of Technology
Directeur de recherche M. MAFFIULETTI Nicola Schulthess Clinic
Professeur associé M. PLACE Nicolas Université de Lausanne

Résumé de la thèse

Le contrôle nerveux du mouvement passe nécessairement par les motoneurones spinaux, qui constituent la voie finale commune par laquelle l'activité nerveuse est transformée en force musculaire. Chez l'humain, les instants de décharge de multiples unités motrices peuvent être estimés à partir d'enregistrements électromyographiques haute densité, offrant ainsi une fenêtre sur l'activité de populations de motoneurones durant des contractions volontaires. Cependant, interpréter les mécanismes neuronaux qui sous-tendent l'activité des unités motrices nécessite de résoudre un problème inverse difficile, car cette activité reflète l'influence combinée de commandes motrices descendantes, d'entrées sensorielles, de propriétés intrinsèques des motoneurones, et de circuits spinaux. Cette thèse a étudié la manière dont les populations de motoneurones spinaux sont contrôlées durant des contractions volontaires, en combinant enregistrement de trains de décharge d'unités motrices et modèles numériques. La première étude a examiné si la dimensionnalité de l'activité des populations d'unités motrices reflète la dimensionnalité du contrôle volontaire. Bien que l'activité des unités motrices du vaste latéral occupe un manifold linéaire multidimensionnel, cette dimensionnalité ne s'accompagnait pas d'une capacité à dissocier volontairement l'activité des unités motrices. Ces résultats montrent qu'une activité multidimensionnelle des unités motrices n'implique pas nécessairement un contrôle volontaire multidimensionnel. Sur la base de simulations numériques, nous proposons que cette multidimensionnalité pourrait s'expliquer par l'action de circuits spinaux, même lorsqu'une seule commande supraspinale est reçue par les motoneurones. Nous suggérons l'inhibition récurrente comme circuit spinal pouvant jouer ce rôle. La seconde étude a développé une approche basée sur la simulation pour inférer l'inhibition récurrente à partir de trains de décharge d'unités motrices enregistrés lors de contractions volontaires. Grâce aux caractéristiques temporelles des instants de décharge des unités motrices et à un modèle génératif de l'activité de populations de motoneurones, nous avons comparé l'influence de l'inhibition récurrente entre muscles et intensités de contraction. Les résultats ont révélé des profils d'inhibition récurrente qui dépendent du muscle considéré et de l'intensité de contraction, ce qui suggère que l'inhibition récurrente est modulée différemment selon le contexte et les muscles. Ces études montrent qu'il est possible d'obtenir des informations sur le contrôle nerveux du mouvement à partir d'enregistrements d'unités motrices, en associant des modèles génératifs spécifiant des mécanismes candidats à des observations expérimentales qui contraignent ces mécanismes.


Thesis resume

The neural control of movement ultimately passes through spinal motor neurons, which constitute the final common pathway by which neural activity is transformed into muscle force. In humans, the discharge times of multiple motor units can be estimated from high-density electromyographic recordings, providing a window onto motor neuron population activity during voluntary contractions. However, interpreting the neural mechanisms underlying motor unit activity requires solving a complex inverse problem, because motor unit activity arises from the combined influence of many different neural influences, such as descending commands, sensory feedback, intrinsic motor neuron properties, and spinal circuits. This thesis investigates how populations of spinal motor neurons are controlled during voluntary contractions, using motor unit spike train recordings and computational modelling. The first study examined whether the dimensionality of motor unit population activity reflects the dimensionality of volitional control. Although vastus lateralis motor unit activity occupied a multidimensional linear manifold, this higher dimensionality was not accompanied by a greater ability to volitionally dissociate motor unit activity. Our results show that multidimensional motor unit activity does not necessarily imply multidimensional volitional control. Simulations suggested that multidimensional activity could arise downstream of a single supraspinal command through spinal circuitry, with recurrent inhibition as a candidate mechanism. The second study developed a simulation-based inference framework to estimate recurrent inhibition from motor unit spike trains recorded during voluntary contractions. This approach used synchronization cross-histogram features and a generative model of motor neuron population activity to compare recurrent inhibition strength across muscles and contraction intensities. Our results revealed muscle- and intensity-dependent patterns of recurrent inhibition, suggesting that recurrent inhibition is modulated differently across contexts and motor pools. Together, these studies show that information about the neural control of movement can be recovered from motor unit recordings when interpretation is treated as an explicit inverse problem. This requires generative models that specify candidate mechanisms and experimental observables that constrain these mechanisms. More complete experimental datasets and better-informed models may therefore provide a path towards a more mechanistic understanding of the neural control processes underlying motor unit output, with potential applications in both physiological and clinical contexts.