Retour

Des formes inconnues d’activité cérébrale observées chez la souris

Des scientifiques ont détecté des formes d'activité jusqu'ici jamais observées dans le cerveau, une percée qui aide à mieux comprendre le processus de traitement collectif de l'information par les neurones. Explications.

Un texte d'Alain Labelle

On sait que les cerveaux des rats en bonne santé, et d’un âge similaire, se ressemblent en de nombreux points, notamment en ce qui à trait au nombre et au type de neurones, aux cellules nerveuses, que l’on trouve dans les six couches du cortex cérébral.

Mais il existe une zone d’ombre. Les scientifiques ne comprenaient pas très bien comment les neurones échangent l’information, quels neurones sont activés et comment cette activité se déroule dans le temps.

C’est pour élucider cette question que des scientifiques associés au Projet Blue Brain de l’École polytechnique fédérale de Lausanne, en Suisse, ont eu recours au langage mathématique de la topologie algébrique. Leur but : décrire les connexions qui s’établissent entre les neurones et leurs réponses aux stimuli.

Leurs résultats fournissent une première conception géométrique du mode de traitement de l’information dans le cerveau de rongeurs.

Jusqu’à maintenant, les approches mathématiques n’arrivaient pas vraiment à décrire l’activité générée par les neurones. C’était avant de recourir aux géométries multidimensionnelles.

Un modèle expérimental

Les chercheurs ont réalisé des expériences virtuelles sur un modèle numérique d'un microcircuit de cerveau de rat, composé de 31 000 neurones et 8 millions de connexions, généré par le Projet Blue Brain à partir des données physiologiques.

Ce modèle a permis aux scientifiques de découvrir et de décrire de manière quantitative l'organisation géométrique des neurones et ainsi de comprendre la façon dont les neurones se connectent entre eux.

Une organisation abstraite

Les chercheurs ont constaté que les neurones sont très souvent groupés par paires au sein de familles de trois ou quatre, ce qui confirme des observations expérimentales en laboratoire sur de petits échantillons du tissu cérébral de rats. Ils ont également remarqué que des formations de plus grande taille étaient possibles, reliant jusqu'à huit neurones dans le microcircuit virtuel.

La représentation mathématique de ces paires de neurones ressemble au jeu de « relier les points », ou les neurones correspondent aux points et les connexions sont les lignes.

À chaque ligne est attribuée une direction indiquant la façon dont les signaux sont transmis d'un neurone à l'autre. Le nombre de neurones dans une famille détermine la forme du groupe, de sorte que :

  • deux neurones liés forment une ligne droite
  • trois neurones forment un triangle plat et plein
  • quatre neurones forment une pyramide tridimensionnelle solide
  • cinq neurones et plus mènent à des polyèdres à dimension supérieure
  • huit neurones correspondent à un polyèdre de sept dimensions

Classifier les neurones

Une fois cette classification abstraite des neurones établie, les scientifiques ont caractérisé – pour la première fois - des réponses récurrentes provoquées dans le microcircuit virtuel à la suite de stimulations externes.

Par exemple, en chatouillant les moustaches de rongeurs virtuels, les scientifiques ont stimulé l'activité dans le microcircuit et ont observé l’activation des groupes de neurones ainsi que l’évolution de la réponse au cours du temps.

Ainsi, indépendamment du type de stimulus, les groupes activées se rassemblent pour former des cavités de différentes dimensions, que les scientifiques ont suivies dans le temps. Ils ont remarqué que ces cavités apparaissent toujours, d'abord dans des dimensions faibles, puis dans des dimensions de plus en plus élevées au cours du traitement de l’information dans le microcircuit virtuel, et ce jusqu'à la désintégration soudaine de toutes les cavités.

En outre, les observations indiquent une sorte de recâblage constant du cerveau qui, au cours du traitement de l’information, crée un réseau avec le plus possible de structures de dimension élevée, qui finit par se désintégrer une fois la décision prise.

Les scientifiques commencent à présent à examiner si des tâches plus compliquées donnent lieu à des modèles plus complexes de cavités.

Les résultats de l’étude sont publiés dans la revue Frontiers in Computational Neuroscience.

La vidéo qui suit explique en anglais les présents travaux.

Plus d'articles

Commentaires