Une étude permet de mieux comprendre la complexité du cerveau humain.

 

 

 

Une étude récente du Complexity Science Hub (CSH) de Vienne ouvre la voie à une meilleure compréhension de la complexité du cerveau humain, l’un des organes les plus grands et les plus sophistiqués du corps humain. L’étude – qui développe un cadre mathématique et computationnel pour l’analyse de l’activité neuronale dans le cerveau humain – a été réalisée par le CSH de Vienne. C. elegansun minuscule ver qui a été utilisé comme organisme modèle pour étudier l’activité neuronale – a été publié vendredi.dans le journal PLoS Computational Biology.

 

 

L’organisme microscopique, composé de seulement 1 000 cellules – dont 300 neurones -, a été cartographié avec précision, mais le rôle des neurones dans le contrôle du comportement reste controversé, déclare Edward Lee, post-doctorant au CSH et auteur de l’article.

 

 

Basée sur les récentes avancées dans la mesure des neurones chez les vers vivants, la nouvelle étude propose un moyen de démasquer les rôles des neurones en utilisant des perturbations plus naturelles.

 

 

DANS NOTRE TRAVAIL, NOUS ESSAYONS D’ÊTRE PLUS HOLISTIQUES, DANS LE SENS OÙ NOUS PRENONS TOUTES LES DONNÉES ET ESSAYONS DE COMPRENDRE QUELS ENSEMBLES DE NEURONES APPARTIENNENT ENSEMBLE ET SONT ASSOCIÉS À UN COMPORTEMENT PARTICULIER. EN D’AUTRES TERMES, SI JE VEUX QUE LE VER TOURNE À GAUCHE, JE NE ME SOUCIE PAS D’UN NEURONE PARTICULIER, MAIS PROBABLEMENT DE PLUSIEURS NEURONES DIFFÉRENTS. »

 

 

EDWARD LEE, POST-DOCTORANT AU CSH ET AUTEUR DE L’ARTICLE.

 

Expérimentation d’un système neuronal simple

 

 

Lee et son équipe étudient le ver comme exemple car son système neuronal simple fournit une base solide pour comprendre les mécanismes du cerveau des animaux supérieurs, comme l’homme. Les chercheurs ont développé un modèle mathématique pour l’activité neuronale collective. Ils ont ensuite réalisé une in silico expérimenter de petites perturbations neuronales susceptibles de déclencher des réponses comportementales et pouvant être reproduites dans un essai scientifique.

 

 

« L’idée est que si vous pouvez, dans un modèle, pousser chacun des neurones de différentes manières, vous pouvez mesurer comment le comportement change. Et si le comportement change, par exemple, plus fortement lorsque deux neurones sont poussés ensemble, alors ces deux neurones forment en quelque sorte un ensemble et ne sont pas indépendants l’un de l’autre », explique Lee.

Les recherches futures en neurosciences

 

 

Selon Lee, les résultats indiquent des neurones intéressants qui peuvent être utilisés comme point de départ pour la recherche neuroscientifique. L’étude, qui a permis d’analyser une cinquantaine de neurones dans le C. elegans système nerveux, suggère qu’il existe une poignée de neurones « pivots » qui sont associés à une réponse importante dans les statistiques. « Cela pourrait être une bonne idée d’examiner ces neurones », souligne le scientifique du CSH.

Lire aussi :  Des chercheurs identifient des biomarqueurs prédictifs pour lutter contre le cancer du poumon non à petites cellules

 

 

« Savoir qu’un neurone est impliqué dans un comportement spécifique ne vous dit pas ce qu’il fait. Certains des résultats expérimentaux n’indiquent pas qu’un neurone est nécessairement impliqué dans un comportement de manière importante, par exemple », explique Lee. Lorsque plusieurs neurones sont impliqués dans un comportement particulier, il peut être intéressant d’étudier comment ils fonctionnent ensemble ou les uns contre les autres.

 

 

L’article pose plusieurs nouvelles hypothèses sur la manière dont le contrôle du comportement peut être centralisé dans des cellules neuronales particulières. « Nous proposons un cadre théorique permettant de poser ces questions et de faire des prédictions », conclut M. Lee, ajoutant qu’il espère que des expériences y répondront dans les années à venir.

 

 

Source :

 

 

Complexity Science Hub Vienna

 

 

Référence de la revue :

 

 

Lee, E.D., et al. (2022) Découverte de stratégies de contrôle éparses dans l’activité neuronale. PLoS Computational Biology. doi.org/10.1371/journal.pcbi.1010072.