One Circuit, Many Flow Fields: Mechanistic Models of Single-Trial Neural Dynamics
Cet article propose un modèle de réseau récurrent à faible rang qui reformule la variabilité neurale d'un essai unique comme des déformations continues du champ de flux d'un circuit partagé, pilotées par des paramètres de contrôle spécifiques à l'essai, récupérant avec succès la dynamique de vérité terrain et révélant l'engagement comportemental et la structure de la tâche de manière interprétable dans les données du cortex moteur.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Le cerveau est souvent imaginé comme une vaste machine statique, où les mêmes circuits électriques s'activent selon des schémas prévisibles pour produire les mêmes mouvements. Pendant des décennies, les scientifiques ont décrit l'activité neuronale en utilisant le langage des systèmes dynamiques, considérant le cerveau comme un paysage de collines et de vallées qui guide les pensations et les actions le long de chemins spécifiques. Dans cette vision traditionnelle, la forme du paysage est fixe ; si une personne tend la main vers une tasse, son activité cérébrale suit un itinéraire établi, et toute différence d'un essai à l'autre n'est que du bruit aléatoire, comme des parasites sur une ligne radio. Cependant, des observations récentes ont remis en question cette image. Lorsque des animaux accomplissent la même tâche de manière répétée, leur activité cérébrale ne se contente pas de tressaillir autour d'un chemin unique ; elle se déplace de manière organisée et significative. Ces changements sont souvent corrélés à l'état interne de l'animal, tel que son niveau d'alerte ou d'engagement, suggérant que les règles mêmes par lesquelles le cerveau traite l'information pourraient être flexibles, changeant d'un moment à l'autre pour s'adapter à la situation.
Une nouvelle étude menée par des chercheurs de l'Université de Tel Aviv et de l'Allen Institute propose un changement radical dans notre compréhension de ces fluctuations. Au lieu de traiter les différences d'un essai à l'autre comme de simples erreurs à moyenner, l'équipe suggère qu'un seul circuit neural peut générer une famille continue de différents modes de fonctionnement. Ils soutiennent que le cerveau ne déambule pas simplement autour d'une carte fixe ; il redessine en réalité la carte elle-même. Pour tester cela, les chercheurs ont développé un modèle mathématique qui traite chaque instant d'activité cérébrale comme une configuration unique d'un circuit partagé. Ils ont découvert qu'en déduisant quelques paramètres de contrôle cachés pour chaque tentative, ils pouvaient expliquer comment le paysage interne du cerveau se déforme, passant d'un état stable à un autre sans modifier le câblage sous-jacent.
Les chercheurs ont testé cette idée d'abord dans une simulation contrôlée, créant un circuit cérébral synthétique aux règles connues, puis demandant à leur modèle de découvrir ces règles en observant simplement l'activité. Le modèle a réussi à récupérer la structure cachée, identifiant précisément comment de faibles changements dans un signal de contrôle pouvaient transformer un système possédant deux états stables en un système n'en possédant qu'un seul. Cela a prouvé que la méthode pouvait distinguer le bruit aléatoire des changements structurés et authentiques dans le fonctionnement du circuit. L'équipe a ensuite appliqué la même approche à des données réelles enregistrées dans le cerveau de souris effectuant une tâche de mouvement différé. Dans ces expériences, les souris devaient attendre un signal avant de lécher une pipette pour obtenir une récompense. Les chercheurs ont remarqué que, lors de certains essais, les souris ignoraient simplement le signal et ne bougeaient pas. En analysant l'activité cérébrale, le modèle a identifié une direction spécifique dans l'espace de contrôle qui correspondait à ce désengagement. Lorsque les chercheurs ont mathématiquement déplacé l'activité d'une souris engagée le long de cette direction, l'activité cérébrale simulée par le modèle s'est transformée pour ressembler exactement à l'état de désengagement, changeant ainsi efficacement le circuit du mode « travail » au mode « ignorance », sans altérer les connexions physiques.
L'étude a également examiné des enregistrements du cortex moteur de singes effectuant des tâches d'atteinte. Ici, l'objectif était de voir si le modèle pouvait trouver des directions de contrôle liées à la tâche spécifique en cours, plutôt qu'à des états internes comme l'attention. Les chercheurs ont constaté que le modèle organisait les différentes directions vers lesquelles le singe pouvait tendre la main en un plan lisse et bidimensionnel au sein de son espace de contrôle. Déplacer l'activité d'un essai le long de ce plan dans la simulation faisait pivoter le mouvement décodé de manière prévisible, correspondant à la nouvelle direction de la cible. Cela a démontré que le modèle avait découvert un mécanisme de contrôle continu où le cerveau ajuste ses dynamiques de manière fluide pour diriger le mouvement, plutôt que de basculer entre quelques options discrètes. De plus, les chercheurs ont montré que les schémas statistiques de ces paramètres de contrôle appris d'un singe pouvaient être transférés à un autre singe effectuant la même tâche. Cela suggère que la manière dont le cerveau remodèle sa dynamique n'est pas une excentricité aléatoire d'un animal donné, mais une propriété partagée et fondamentale du fonctionnement de ces circuits.
La portée de ce travail réside dans sa capacité à transformer un problème méthodologique en une découverte scientifique. En recadrant la variabilité d'un essai à l'autre comme un mouvement à travers un espace de contrôle de faible dimension, les chercheurs offrent un moyen de lire directement les réglages internes du cerveau à partir de son activité. Le modèle n'est pas seulement un outil descriptif ; il est mécaniste, ce qui signifie qu'il identifie des schémas d'entrée spécifiques qui pourraient être testés sur un animal vivant. Les chercheurs suggèrent qu'en utilisant une stimulation lumineuse ciblée pour imiter ces signaux de contrôle inférés, les scientifiques pourraient expérimentalement pousser un circuit cérébral d'un régime dynamique à un autre, par exemple en forçant un animal désengagé à se réengager ou en changeant la direction d'une portée. Cette approche va au-delà de la simple description de ce que fait le cerveau pour expliquer comment il réutilise de manière flexible le même matériel pour produire une large gamme de comportements, offrant un nouveau prisme pour appréhender la nature dynamique et adaptable de l'esprit.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.