Do we understand orientation selectivity? A simulation study
Cette étude de simulation démontre que les explications mécanistes actuelles de la sélectivité d'orientation ne parviennent pas à reproduire des niveaux réalistes de sélectivité dans un modèle biologiquement détaillé du cortex visuel de la souris, suggérant que la plasticité homéostatique est nécessaire pour concilier la sélectivité d'orientation avec une connectivité de réseau réaliste.
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
Imaginez que votre cerveau soit une ville immense et bouillonnante où des milliards de petits messagers (des neurones) s'envoient constamment des messages en criant les uns aux autres. L'un des métiers les plus fascinants dans cette ville se déroule dans le « District Visuel », un quartier dédié au traitement de ce que vous voyez. Depuis des décennies, les scientifiques tentent de comprendre comment ces messagers décident quelles formes attirer leur attention. Plus précisément, ils voulaient savoir pourquoi certains neurones ne s'excitent que lorsqu'ils voient une ligne verticale, tandis que d'autres ne se soucient que des lignes horizontales. Cette capacité spéciale est appelée sélectivité d'orientation. C'est comme avoir un videur à l'entrée d'un club qui ne laisse passer que les personnes portant un chapeau rouge ; dans le cerveau, ces gardes ne laissent passer que les signaux de « ligne verticale ».
Pendant longtemps, les scientifiques ont pensé qu'ils possédaient le plan de fonctionnement de ce club. Ils croyaient que si vous disposiez simplement les messagers correctement — en veillant à ce que ceux qui aiment les lignes verticales soient voisins et qu'ils reçoivent tous leurs instructions de la même source — le cerveau commencerait naturellement à trier les lignes. Cela semblait être une simple question de câblage : si vous construisez la bonne carte routière, le trafic circulera parfaitement. Mais comme nous le verrons, le cerveau est bien plus complexe qu'une simple carte, et parfois, même les meilleurs plans ont besoin d'un petit coup de pouce pour fonctionner dans le monde réel.
La grande simulation cérébrale : Pourquoi le plan était insuffisant
Dans cette étude, une équipe de chercheurs du projet Blue Brain a décidé de tester l'ancien plan en construissant la simulation la plus réaliste et la plus haute définition jamais créée du cortex visuel d'une souris. Considérez cela comme la création d'un jumeau numérique d'une petite tranche de cerveau de souris, mais au lieu d'utiliser des blocs simples et cartoonesques, ils ont utilisé des modèles 3D incroyablement détaillés de neurones avec des formes, des tailles et des connexions réalistes. Ils voulaient voir si les anciennes règles de tri des lignes fonctionneraient toujours lorsque le cerveau est construit avec ce niveau de complexité réelle.
Avant même de commencer à tester les règles de tri des lignes, l'équipe a tenté de cartographier les « routes » apportant les instructions des yeux vers le cerveau. Ils supposaient que la forme physique des neurones et la façon dont leurs fils (axones) passaient par-dessus eux détermineraient naturellement quels types spécifiques de neurones seraient connectés. C'était comme supposer que si vous connaissez l'agencement d'une ville et l'itinéraire des camions de poste, vous pouvez prédire parfaitement quelles maisons recevront le courrier.
La première surprise : La carte était fausse
Les chercheurs ont découvert que leur carte anatomique 3D détaillée du cerveau ne parvenait pas à prédire les connexions réelles. Même avec une connaissance parfaite de la forme et de la position des neurones, la disposition physique ne pouvait expliquer pourquoi certains types spécifiques de neurones recevaient des signaux forts des yeux alors que d'autres n'en recevaient presque aucun. La « carte routière » du cerveau était trop désordonnée et complexe pour être expliquée par la seule géométrie. Cela signifiait que d'autres facteurs invisibles — peut-être des signaux chimiques ou une compétition entre les fils — décidaient de qui se connectait, et non simplement la disposition physique.
L'équipe a ensuite tenté de recréer deux idées célèbres censées expliquer comment les neurones choisissent leurs angles de ligne préférés, espérant ainsi résoudre le problème du tri :
- La théorie de la « Livraison Spéciale » : L'idée que le cerveau reçoit des instructions des yeux d'une manière qui sépare naturellement les signaux « clairs » et « sombres » en motifs spécifiques, comme un service postal triant le courrier dans différents bacs.
- La théorie du « Qui se ressemble s'assemble » : L'idée que les neurones qui aiment les mêmes angles de ligne se connectent naturellement entre eux, formant un club très fermé qui renforce leurs préférences respectives.
L'équipe a construit son modèle ultra-réaliste, l'a programmé avec ces deux théories (et les données de connexion corrigées), puis a appuyé sur « lecture » pour voir ce qui se passait. Ils ont simulé le cerveau observant des rayures de lumière en mouvement, tout comme une souris le ferait dans la vie réelle.
La grande surprise :
La simulation a échoué. Malgré les instructions de « Livraison Spéciale » parfaites et les clubs « Qui se ressemble s'assemble », les neurones du cerveau numérique de la souris n'ont pas réussi à bien distinguer les angles de lignes. Leur capacité à différencier une ligne verticale d'une ligne horizontale était bien plus faible que ce que les scientifiques observent chez les vraies souris. En fait, lorsque les chercheurs ont ajouté les connexions locales entre les neurones (la partie « Qui se ressemble s'assemble »), cela a en réalité rendu le tri pire au lieu de l'améliorer.
C'était un événement majeur car cela signifiait que les anciennes explications simples — qui fonctionnaient très bien dans des modèles informatiques basiques et peu détaillés — n'étaient pas suffisantes pour expliquer comment un cerveau réel et complexe fonctionne. C'est comme essayer de construire un moteur de voiture fonctionnel en utilisant uniquement un croquis ; le croquis semble correct, mais quand vous y insérez toutes les pièces réelles et lourdes, le moteur bafouille et ne démarre pas.
Ce que les chercheurs ont écarté
L'équipe ne s'est pas contentée de dire « ça n'a pas marché ». Ils ont joué aux détectives pour comprendre pourquoi cela n'avait pas fonctionné. Ils ont testé plusieurs possibilités et les ont écartées :
- Ce n'était pas le tri par « Livraison Spéciale » : Ils ont essayé différentes manières de séparer les signaux de lumière et d'obscurité provenant des yeux, mais peu importe la façon dont ils les arrangeaient, le cerveau ne parvenait toujours pas à identifier les lignes. L'arrangement physique de ces signaux seul n'était pas la clé magique.
- Ce n'était pas seulement les connexions « Qui se ressemble s'assemble » : Ils ont vérifié si la façon dont les neurones se connectaient entre eux était le problème. Même en forçant les neurones à se connecter exactement comme la théorie « Qui se ressemble s'assemble » le prédisait, le cerveau ne parvenait toujours pas à trier les lignes correctement.
- Ce n'était pas une erreur de calcul : Ils ont revérifié leur code et les chiffres, s'assurant qu'ils n'avaient pas commis une erreur simple dans le calcul de leurs connexions.
La nouvelle hypothèse : Le cerveau a besoin d'un système « auto-ajustable »
Alors, si le câblage et les instructions ne suffisent pas, qu'est-ce qui manque ? Les chercheurs suggèrent que le véritable cerveau possède une arme secrète dont leur simulation manquait : la plasticité homéostatique.
Voyez cela comme un « thermostat auto-ajustable » pour le cerveau. Dans un vrai cerveau, les neurones surveillent constamment l'intensité de leur activité. Si un neurone reçoit trop d'informations et est sur le point de devenir incontrôlable, il réduit discrètement sa sensibilité. S'il reçoit trop peu, il augmente son volume. Cela se produit en permanence, maintenant l'ensemble du réseau équilibré et prêt à fonctionner.
Dans la simulation, les neurones étaient statiques ; ils ne pouvaient pas s'ajuster. Ils étaient coincés avec les réglages avec lesquels ils sont nés. Les chercheurs soupçonnent que sans cette capacité d'auto-ajustement, les connexions complexes et désordonnées d'un vrai cerveau finissent par être submergées et ne peuvent pas trier les lignes. Ils proposent que le cerveau ait besoin de cet équilibre dynamique pour transformer un tas de fils désordonnés en une machine précise capable de détecter les lignes.
Ce qu'il faut retenir
Ce papier est un rappel à la réalité pour les neuroscientifiques. Il montre que le fait qu'une théorie fonctionne dans un modèle informatique simple, propre et épuré ne signifie pas qu'elle fonctionnera dans la réalité désordonnée et complexe d'un cerveau vivant. Les vieilles idées sur la façon dont les neurones trient les lignes font probablement partie de l'histoire, mais elles ne constituent pas l'histoire complète.
Les auteurs suggèrent que pour comprendre véritablement comment nous voyons le monde, nous devons cesser de considérer le cerveau comme un circuit imprimé statique et commencer à le voir comme un système dynamique et autocorrecteur. Ils n'ont pas prouvé que cette nouvelle idée est définitivement la bonne réponse (puisqu'ils ne peuvent pas encore simuler parfaitement le processus d'auto-ajustement), mais leurs résultats suggèrent fortement que sans elle, le système visuel du cerveau ne fonctionnerait tout simplement pas de la manière dont il le fait. C'est un rappel que le cerveau n'est pas seulement une machine composée de pièces, mais un système vivant qui s'ajuste constamment pour maintenir son équilibre.
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.