Soutenance de thèse de NERI Matteo
Titre de thèse
L'organisation entre les différents ordres d'interaction dans les systèmes complexes.
The cross-order organization of complex systems
Résumé de la thèse
Les systèmes complexes se caractérisent par l'émergence de propriétés collectives résultant des interactions entre leurs composantes. Les épidémies, les comportements sociaux, la cognition et le fonctionnement cérébral ne peuvent généralement pas être compris à partir d'éléments isolés ou de relations par paires. La science des réseaux fournit un langage puissant pour représenter ces systèmes, mais son approche traditionnelle néglige les interactions impliquant simultanément trois éléments ou plus. Ces interactions d'ordre supérieur peuvent constituer des mécanismes générateurs de la dynamique du système ou apparaître comme des structures statistiques dans les données.
Cette thèse étudie l'architecture des interactions d'ordre supérieur dans les systèmes complexes, avec un intérêt particulier pour le cerveau humain. Elle repose sur l'idée qu'aucun ordre d'interaction ne doit être privilégié universellement : différents phénomènes peuvent dépendre de différents ordres. Les échelles, les ordres d'interaction et les techniques d'analyse sont ainsi considérés comme trois dimensions complémentaires de l'étude des systèmes complexes.
La première contribution est conceptuelle. La thèse propose un spectre des ordres d'interaction permettant de classer les stratégies de recherche en neurosciences, depuis l'étude d'unités individuelles jusqu'à celle des interactions de groupes. Cette cartographie a guidé les travaux de la thèse.
La deuxième contribution est computationnelle. Je présente notamment HOI, une boîte à outils Python permettant d'estimer des mesures d'information et des métriques topologiques d'ordre supérieur à partir de données multivariées. Optimisée à l'aide de JAX, elle documente l'interprétation des métriques.
Une première étude examine les relations entre les ordres 2, 3 et 4 à l'aide de plusieurs techniques. Dans le cerveau humain, les approches étudiées s'alignent sur une organisation allant des régions unimodales aux régions transmodales, tout en apportant des informations complémentaires. L'ordre et la technique les plus informatifs dépendent de la question étudiée : les approches par paires sont plus performantes pour distinguer certains états cognitifs, tandis que les métriques d'ordre supérieur sont avantageuses pour l'identification des individus.
Le chapitre suivant introduit un cadre distinguant les propriétés informationnelles propres à un ordre de celles qui découlent des ordres inférieurs. Combiné à l'O-information et à des métriques apparentées, ce cadre sépare les contributions irréductibles des contributions réductibles, dominées par la synergie ou la redondance. Ces contributions coexistent, se distribuent différemment selon les groupes de variables et sont associées à des propriétés structurelles et fonctionnelles distinctes. Dans des modèles mécanistiques, cette décomposition améliore l'inférence des mécanismes propres à chaque ordre, établissant un lien entre les comportements statistiques observés et les mécanismes qui les produisent.
Enfin, la thèse examine les implications de ces résultats pour une médecine personnalisée et sensible à la diversité. Un cadre intégratif combine les interactions cérébrales d'ordre supérieur, les modèles normatifs de l'âge cérébral et la modélisation du cerveau entier. Ces approches peuvent fournir des biomarqueurs de l'état cérébral individuel, explorer des mécanismes possibles et tester des interventions in silico. La diversité biologique, sociale et environnementale y est considérée comme une composante centrale de la médecine de précision.
Dans son ensemble, cette thèse propose une conception de la complexité organisée à travers les ordres et les échelles et étudiée au moyen de techniques complémentaires. La question n'est pas seulement de savoir si un comportement collectif est d'ordre supérieur, mais aussi dans quelle mesure il est réductible, où se situent les contributions irréductibles et quels mécanismes les génèrent.
Thesis resume
Complex systems are characterised by the emergence of collective properties resulting from interactions among their components. Epidemics, social behaviour, cognition, and brain function generally cannot be understood by examining isolated elements or pairwise relationships alone. Network science provides a powerful language for representing these systems, but its traditional approach overlooks interactions involving three or more elements simultaneously. These higher-order interactions may constitute mechanisms that generate system dynamics or emerge as statistical structures in observed data.
This thesis investigates the architecture of higher-order interactions in complex systems, with a particular focus on the human brain. It is based on the idea that no interaction order should be universally privileged: different phenomena may depend on different orders. Scales, interaction orders, and analytical techniques are therefore considered three complementary dimensions for studying complex systems.
The first contribution is conceptual. The thesis proposes a spectrum of interaction orders for classifying research strategies in neuroscience, from the study of individual units to that of group interactions. These methods can describe different aspects of a system and have distinct explanatory powers. This conceptual map guided the work presented in the thesis.
The second contribution is computational. I present, in particular, HOI, a Python toolbox for estimating higher-order information measures and topological metrics from multivariate data. Optimised using JAX, it also provides documentation on the interpretation of the different metrics.
A first study examines the relationships between interaction orders 2, 3, and 4 using several techniques. In the human brain, the approaches considered align along an organisation ranging from unimodal to transmodal regions, while providing complementary information. The most informative interaction order and technique depend on the question being investigated: pairwise approaches perform better for distinguishing certain cognitive states, whereas higher-order metrics are advantageous for identifying individuals.
The following chapter introduces a framework that distinguishes informational properties specific to a given order from those that derive from lower orders. Combined with O-information and related metrics, this framework separates irreducible from reducible contributions, dominated by synergy or redundancy. These contributions coexist, are distributed differently across groups of variables, and are associated with distinct structural and functional properties. In mechanistic models, this decomposition also improves the inference of order-specific mechanisms, establishing a link between observed statistical behaviours and the mechanisms that generate them.
Finally, the thesis examines the implications of these findings for personalised and diversity-sensitive medicine. An integrative framework combines higher-order brain interactions, normative brain-age models, and whole-brain modelling. These approaches can provide biomarkers of individual brain health, explore possible mechanisms, and test interventions in silico. Biological, social, and environmental diversity is considered a central component of precision medicine.
Overall, this thesis proposes a view of complexity organised across interaction orders and scales and studied through complementary techniques. The question is not only whether a collective behaviour is higher-order, but also to what extent it is reducible, where irreducible contributions are located, and which mechanisms generate them.