Une nouvelle étude menée par des physiciens et des neuroscientifiques de l#39Université de Chicago, Harvard et Yale décrit comment la connectivité entre les neurones résulte des principes généraux de mise en réseau et d#39automobile-organisation, plutôt que des caractéristiques biologiques d#39un organisme individuel.
La recherche, publiée le 17 janvier 2024 dans Character Physics, décrit avec précision la connectivité neuronale dans divers organismes modèles et pourrait également s#39appliquer 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, PhD, professeure agrégée de physique, de biologie et d#39anatomie des organismes à UChicago et auteur principal. du papier. « Vous ne vous attendez pas à ce que cela fonctionne aussi bien lorsque vous approfondissez les détails, mais lorsque nous l#39avons fait ici, cela a fini par expliquer les choses d#39une manière vraiment satisfaisante. »
Comprendre comment les neurones se connectent
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 additionally puissantes que la plupart.
Cette distribution de connexions « à queue lourde » (ainsi appelée en raison de son apparence lorsqu#39elle est représentée sur un graphique) constitue l#39épine dorsale des circuits qui permettent aux organismes de penser, d#39apprendre, 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 foundation de l’organisation des réseaux.
Pour répondre à ces queries, Palmer et Christopher Lynn, PhD, professeur adjoint de physique à l#39Université de Yale, et Caroline Holmes, PhD, chercheuse postdoctorale à l#39Université Harvard, ont analysé les connectomes, ou cartes des connexions des cellules cérébrales. Les données sur le connectome provenaient de plusieurs animaux de laboratoire classiques, notamment les mouches des fruits, les vers ronds, les 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#39activent ensemble se connectent ensemble ». Cela signifie que as well as deux neurones s’activent ensemble, moreover 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 kind d#39organisation 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#39autres cellules by using des connexions qu#39elles 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 additionally susceptibles de devenir amies avec elle que si elles se rencontraient séparément.
« Ce sont des mécanismes dont tout le monde s#39accorde à dire qu#39ils 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. »
Prise en compte du hasard
Cependant, comme Palmer l#39a souligné, la biologie ne correspond pas toujours à une explication claire et ordonnée, et il existe 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 as well as fortes peuvent se previous ailleurs. Ce caractère aléatoire permet de vérifier le form d’organisation hebbienne que les chercheurs ont découvert 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#39avère qu#39il faut en fait équilibrer l#39effet 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#39est un autre component 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#39analyse des mégadonnées jusqu#39aux réseaux biochimiques et évolutifs. Nous nous sommes concentrés ici sur le cerveau, mais nous pouvons maintenant parler d#39autres kinds de réseaux dans de futurs travaux. »
