Une étude menée par des physiciens et des neuroscientifiques de l'Université de Chicago, Harvard et Yale décrit comment la connectivité entre les neurones résulte des principes généraux de mise en réseau et d'auto-organisation, plutôt que des caractéristiques biologiques d'un organisme individuel.
L'étude, intitulée "La connectivité neuronale à queue lourde découle de l'auto-organisation hebbienne", publiée dans Nature Physics , décrit avec précision la connectivité neuronale dans une variété d'organismes modèles et pourrait également s'appliquer à des réseaux non biologiques comme les interactions sociales.
"Lorsque vous créez des modèles simples pour expliquer des données biologiques, vous vous attendez à obtenir une bonne ébauche qui correspond à certains scénarios, mais pas à tous", a déclaré Stephanie Palmer, Ph.D., professeure agrégée de physique, de biologie et d'anatomie des organismes à UChicago. et auteur principal de l'article. "On ne s'attend pas à ce que cela fonctionne aussi bien quand on approfondit les détails, mais quand nous l'avons fait ici, cela a fini par expliquer les choses d'une manière vraiment satisfaisante."
Les neurones forment un réseau complexe de connexions entre les synapses pour communiquer et interagir les unes avec les autres. Même si le grand nombre de connexions peut sembler aléatoire, les réseaux de cellules cérébrales ont tendance à être dominés par un petit nombre de connexions beaucoup plus fortes que la plupart.
Cette distribution de connexions « à queue lourde » (ainsi appelée en raison de son apparence lorsqu'elle est représentée sur un graphique) constitue l'épine dorsale des circuits qui permettent aux organismes de penser, d'apprendre, de communiquer et de se déplacer. Malgré l'importance de ces connexions fortes, les scientifiques ne savaient pas si ce schéma à queue lourde était dû à des processus biologiques spécifiques à différents organismes ou aux principes de base de l'organisation des réseaux.
Pour répondre à ces questions, Palmer et Christopher Lynn, Ph.D., professeur adjoint de physique à l'Université de Yale, et Caroline Holmes, Ph.D., chercheuse postdoctorale à l'Université Harvard, ont analysé les connectomes, ou cartes des connexions des cellules cérébrales. Les données sur le connectome proviennent de plusieurs animaux de laboratoire classiques, notamment des mouches des fruits, des vers ronds, des vers marins et la rétine de souris.
Pour comprendre comment les neurones établissent des connexions les uns avec les autres, ils ont développé un modèle basé sur la dynamique hebbienne, un terme inventé par le psychologue canadien Donald Hebb en 1949 qui dit essentiellement :« les neurones qui s'activent ensemble se connectent ensemble ». Cela signifie que plus deux neurones s'activent ensemble, plus leur connexion devient forte.
Dans l’ensemble, les chercheurs ont découvert que ces dynamiques hebbiennes produisent des forces de connexion « à queue lourde », tout comme elles l’ont observé dans les différents organismes. Les résultats indiquent que ce type d'organisation découle de principes généraux de mise en réseau, plutôt que de quelque chose de spécifique à la biologie des mouches des fruits, des souris ou des vers.
Le modèle a également fourni une explication inattendue à un autre phénomène de réseautage appelé clustering, qui décrit la tendance des cellules à se connecter avec d'autres cellules via des connexions qu'elles partagent. Un bon exemple de regroupement se produit dans les situations sociales. Si une personne présente un ami à une troisième personne, ces deux personnes sont plus susceptibles de devenir amies avec elle que si elles se rencontraient séparément.
"Ce sont des mécanismes dont tout le monde s'accorde à dire qu'ils vont fondamentalement se produire en neurosciences", a déclaré Holmes. "Mais nous voyons ici que si vous traitez les données avec soin et quantitativement, elles peuvent donner lieu à tous ces différents effets de regroupement et de distribution, et vous voyez ensuite ces choses dans tous ces différents organismes."
Comme Palmer l'a souligné, cependant, la biologie ne correspond pas toujours à une explication claire et ordonnée, et il y a encore beaucoup de hasard et de bruit impliqués dans les circuits cérébraux.
Il arrive parfois que les neurones se déconnectent et se recâblent les uns avec les autres :les connexions faibles sont supprimées et des connexions plus fortes peuvent se former ailleurs. Ce caractère aléatoire permet de vérifier le type d'organisation hebbienne que les chercheurs ont trouvé dans ces données, sans laquelle des connexions solides se développeraient pour dominer le réseau.
Les chercheurs ont peaufiné leur modèle pour tenir compte du caractère aléatoire, ce qui a amélioré sa précision.
"Sans cet aspect sonore, le modèle échouerait", a déclaré Lynn. "Cela ne produirait rien qui fonctionnait, ce qui nous a surpris. Il s'avère qu'il faut en fait équilibrer l'effet boule de neige hebbien avec le caractère aléatoire pour que tout ressemble à de vrais cerveaux."
Puisque ces règles découlent de principes généraux de mise en réseau, l'équipe espère pouvoir étendre ce travail au-delà du cerveau.
"C'est un autre aspect intéressant de ce travail :la façon dont la science a été réalisée", a déclaré Palmer. "Les membres de cette équipe possèdent une grande diversité de connaissances, depuis la physique théorique et l'analyse des mégadonnées jusqu'aux réseaux biochimiques et évolutifs. Nous nous sommes concentrés ici sur le cerveau, mais nous pouvons maintenant parler d'autres types de réseaux dans de futurs travaux."
Plus d'informations : La connectivité neuronale à queue lourde découle de l'auto-organisation hebbienne, Nature Physics (2024). DOI : 10.1038/s41567-023-02332-9. www.nature.com/articles/s41567-023-02332-9. Sur bioRxiv :DOI:10.1101/2022.05.30.494086
Informations sur le journal : Physique de la nature , bioRxiv
Fourni par l'Université de Chicago
