Thèse Circuits Cérébelleux et Flexibilité Comportementale Apports d'Une Base de Données d'Irmf de Grande Ampleur N 1200 H/F - 33

Établissement : Université de Bordeaux
École doctorale : Sciences de la Vie et de la Santé
Laboratoire de recherche : Institut de neurosciences cognitives et intégratives d'Aquitaine
Direction de la thèse : Sandra CHANRAUD ORCID 0000000242993050
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-20T23:59:59

Le cervelet n'est plus défini comme étant seulement impliqué dans les processus moteurs : il joue un rôle clé dans la cognition, la régulation émotionnelle et, en particulier, dans la flexibilité comportementale, une dimension transdiagnostique impliquée dans de nombreux troubles psychiatriques. Ce projet de thèse vise à explorer dans quelle mesure les circuits cérébelleux (et leurs interactions avec les réseaux fronto-striés et limbiques) peuvent expliquer les différences inter-individuelles de flexibilité chez le sujet humain sain et pathologique.
Le/la doctorant·e exploitera une banque de données IRMf de grande envergure ( 1 200 sujets), comprenant des mesures de connectivité fonctionnelle et des indices comportementaux de flexibilité.
L'objectif sera de :
-définir des marqueurs de connectivité cérébelleuse associés au niveau de flexibilité,
-caractériser les réseaux cortico-cérébelleux impliqués dans l'adaptation du comportement,
-explorer le caractère transdiagnostique de ces marqueurs (en lien avec la théorie du « two-hits » Ohtsuki et al., 2022).
La thèse s'inscrit dans une approche de neurosciences intégratives et computationnelles, combinant analyses avancées de données IRMf (connectivité fonctionnelle, analyses multivariées, éventuellement modélisation computationnelle) et mesures comportementales. Le/la candidat·e travaillera au sein d'une équipe impliquée dans des collaborations internationales (notamment avec un groupe japonais disposant de grandes cohortes IRMf), avec la possibilité de séjours à l'étranger.

Longtemps considéré comme une structure essentiellement motrice, le cervelet est aujourd'hui reconnu comme un acteur majeur des fonctions cognitives et affectives. Le « cerebellar cognitive affective syndrome » (CCAS) décrit un ensemble de troubles des fonctions exécutives (planification, flexibilité, abstraction), du langage, des fonctions visuo-spatiales et de la régulation émotionnelle, consécutifs à des lésions cérébelleuses, en particulier du lobe postérieur (Crus I/II, lobule VI/VII). Ces données ont profondément modifié la vision du cervelet, désormais intégré à des boucles cérébro-cérébelleuses impliquées dans la cognition et le comportement.
Sur le plan fonctionnel, le cervelet est de plus en plus décrit comme un modulateur du contrôle cognitif, au-delà du seul contrôle moteur. Des travaux récents suggèrent que le «cervelet cognitif» participe au codage de prédictions et à la détection des erreurs de prédiction, contribuant iainsi à la mise à jour dynamique des représentations mentales, un mécanisme central pour la flexibilité comportementale. Parallèlement, un nombre croissant de travaux relie le cervelet à divers troubles neuropsychiatriques (TDAH, troubles du spectre de l'autisme, schizophrénie, troubles de l'humeur, troubles anxieux, addictions), en soulignant le rôle de ses connexions avec le cortex préfrontal, les structures limbiques et les ganglions de la base. Dans le champ des addictions, de récents travaux suggèrent que le cervelet agirait comme un régulateur entre systèmes moteur, de récompense, de motivation et de contrôle cognitif, contribuant à la persistance de comportements rigides et difficilement modulables malgré les conséquences négatives.

Comprendre dans quelle mesure les circuits cérébelleux, et leurs interactions avec les réseaux fronto-striataux et limbiques, contribuent aux différences inter-individuelles de flexibilité comportementale chez l'être humain (sain et pathologique), à partir de données IRMf de grande ampleur (N 1200).

Préparation des jeux de données ; Prétraitement IRMf et extraction des signaux cérébelleux et analyses de connectivité fonctionnelle ; Modélisation des relations entre flexibilité et connectivité ; Approches prédictives et apprentissage automatique ; Analyses transdiagnostiques.