Frank MJ. Dynamic dopamine modulation in the basal ganglia: a neurocomputational account of cognitive deficits in medicated and nonmedicated Parkinsonism. J Cogn Neurosci (2005) 17:51-72.
Abstract: DA depletion donne deficits frontaux et app implicit. Modifié lors medication mais autres symptomes apparaissent; difficile controler car modulation de DA (modulateur). Ici model qui precise role DA pdt learning et execution: BG module les actions et WM considérées ds frontal. Phasic change (lors de error feedback) module le seuil de BG p faciliter/supprimer commande corticale.
Intro: Effets de PD ds frontal like (attentional process, WM) mais aussi implicit learning (implicit sequence learning,implicit categorization, probabilistic classif toextract statistical regularities). Moedl repose sur:
- deux ss pop distinctes du striatum sont sensibles à DA et ont effet différent
- DA caractérisé par baseline level et autour range où le niveau peut évoluer selon conditions exterieures. PD = diminution de ce range.
- medic tonically increase DA levels et restreint aussi range (nivo tjs trop elevé)
Tâches où BG semble impliqué: implicit proba estimation; non declarative memory; habit learning: point commun: procedural learning that involve trial by trial error feed-back (cad BG impliqué qd on apprend effet de la performance sur l'execution de la réponse (il faut donc une action) et pas seulement tache purement d'observation (pavlov vs skinner?)).
Nivo de Da phasiq au dessus qd recompense surprise et en dessous qd recompense espérée n'arrive pas. D1 favorise LTP et D2 la restreint.
BG neuroanatomy and biochemistry
Fonction BG = release the break on appropriate actions in the motor/premotor cortex. Voie directe qui va desinhiber le thalamus (lui permettre d'être excité par d'autres projections). Voie indirecte re-inhibe le thalamus. Direct/Indirect = Go/noGo. semblent se projetter ds régions différentes de GPi donc fait en parallèle. Propose que D1 surtout ds direct et D2 surtout ds indirect. [mais comment est la répartition des MSN D2 et D1 ds striatum??? a part??? régions specifiq ou interaction possible?]
Mécanismes de DA ds BG
Dynamiq de BG modulée par phasic changes ds DA [mais oublie la spatialité/topol de SNc???] . DA excitateur p D1 et inhib p D2, avec distrib asymetriq de D1 et D2 sur direct/indirect. Donc augmentation nivo DA active Go/Direct et supress indirect/noGo. DA depletion de PD a effet opposé (indirect hyperactif).
D1 effect: juste excitatory effet ou plutot rehaussement contrast ou augment SNR (augmente cells plus actives et baisse les autres (cf caractere bistable des MSN).
D2 effect: reduit neuronal excitability; activité pas modulatrice comme D1 (absolue?). DA supprime activité ds chemin indirect via D2 receptors.
Neural model of BG and DA
ppe d'un app qui plutot active direct après une reponse correcte et indirect après reponse incorrecte. essai avec des cas de DA enlevé ou trop haut.
cf model fig 3c avec combinatoire: une colonne p D1 (ou D2) p reponse 1 p différentes config possibles de stimulus d'entrée le tout modulé par DA et appris par renforcement). donc p une situation recompensée, bcp de DA, enhance D1 pathway et suprime D2 indirect pathway.
(en fait c'est plutot: une situation qu'on ne sait pas récompensée, on augmente renforcement réponse. Une situation qu'on croyait récompensée, on apprend à pas sélectionner. Puis c'est le cortex (ou le cervelet?) qui apprend cette assoc: transfert d'app qd ça reveitn purement SR (ou plus compliqué, transfert d'app ds PFC???.
Probabilistic classif simul
appli avec app choix de carte p optimiser reward (probabiliste). Simul aussi effet PD.
voie indirecte (NoGo) utile p apprendre contexte où il ne faut pas agir. Nivo de DA fluctuant (pas de DA overdose) utile p desapprendre ou inverser une proba de récompense. C'est le cas des reversal tasks: on apprend dejà une discrimination liée à une proba de récompense élevée et ensuite on inverse cette proba; ??? mais pas clair pourquoi ds limbic et lié à PFC??? voie indirecte suffit pas à expliquer???
p expliquer frontal deficit, il faudrait modeliser tt le BG et pas seulement motor part comme ici. Comme ce model release the break p vraie action, on pourrait imaginer la même chose p mise à jour WM.
Limitations:
Probabilistic classif et reversal tasks supposées arriver ds dorsal/ventral striatum resp (???). vise motor vs reward information?
[??? p stimuli probabilist, on ne sera jamais ds une situation où tt est prédit, donc tjs par moment activité phasiq (neg ou positive) de DA? donc apprend tjs? ou au delà d'un seuil on finit par considérer OK et on peut ne plus apprendre voire transférer ds cortex comme proposé ici???]
Reversal tasks??? ds limbic???