Thalamocortical credit routing from the basal ganglia and cerebellum: anatomical constraints and circuit principles

Pour comprendre comment un animal apprend à choisir la bonne action pour obtenir une récompense, les scientifiques se sont longtemps concentrés sur deux structures cérébrales profondes : les ganglions de la base et le cervelet. Ces régions agissent comme des moteurs d'apprentissage. Les ganglions de la base aident à décider quelle action vaut la peine d'être poursuivie en fonction des récompenses passées, tandis que le cervelet affine le timing et la précision des mouvements. Ces deux structures reçoivent des instructions du cortex cérébral, la couche externe du cerveau responsable de la pensée complexe et de la planification. Après avoir traité cette information, elles renvoient des signaux vers le cortex pour mettre à jour le comportement futur. Cela crée une boucle continue où le cerveau vérifie constamment ses propres performances. Cependant, une pièce cruciale de ce puzzle est restée obscure : comment ces signaux d'apprentissage voyagent-ils pour revenir vers les groupes spécifiques de neurones du cortex qui ont réellement généré l'action ? Sans un système de livraison précis, le cerveau ne saurait pas quels neurones renforcer ou affaiblir, rendant l'apprentissage inefficace ou impossible.

Une équipe de chercheurs au Japon a maintenant cartographié cet itinéraire de livraison chez les souris, révélant un système sophistiqué qui garantit que les signaux d'apprentissage atteignent les destinations exactes. Ils ont découvert que, bien que les ganglions de la base et le cervelet envoient leurs messages par des canaux largement distincts au sein du thalamus — une station de relais centrale dans le cerveau — ces canaux fusionnent à nouveau lorsqu'ils atteignent le cortex. Plus précisément, les chercheurs ont découvert que les signaux des deux systèmes convergent sur la couche la plus superficielle du cortex moteur secondaire, une région cruciale pour la planification et l'apprentissage de nouvelles compétences. Cette convergence permet au cerveau de combiner différents types d'informations d'apprentissage et de les diriger vers les neurones spécifiques responsables d'une action. En combinant une imagerie cérébrale détaillée avec des simulations informatiques, l'équipe a montré que cet arrangement anatomique est essentiel pour que le cerveau attribue correctement le « crédit », garantissant que les neurones ayant contribué à une action réussie soient ceux qui soient renforcés.

Les chercheurs ont commencé par tracer les voies physiques dans les cerveaux de souris pour voir où vont ces signaux d'apprentissage. Ils ont injecté de minuscules quantités de traceurs fluorescents dans les ganglions de la base et le cervelet, et ont observé comment les signaux voyageaient à travers le thalamus jusqu'au cortex. Ils ont constaté que les neurones du thalamus recevant des entrées des ganglions de la base étaient principalement situés dans une zone, tandis que ceux recevant des entrées du cervelet se trouvaient dans une zone différente. Cela a confirmé que les deux systèmes restent largement séparés lors de leur passage par le thalamus. Cependant, lorsque les chercheurs ont examiné l'endroit où les axones — les longues fibres qui transportent les signaux du thalamus vers le cortex — finissaient par arriver, le tableau a changé. Malgré des points de départ différents dans le thalamus, les axones des deux systèmes partageaient une destination frappante : la couche supérieure du cortex moteur secondaire. Cette couche contient les extrémités lointaines des cellules nerveuses qui contrôlent le mouvement. Les chercheurs ont également trouvé une petite zone dans le thalamus où les signaux des deux systèmes se mélangeaient, mais la découverte la plus significative était ce point d'arrivée commun dans le cortex.

Pour comprendre pourquoi cette destination commune est importante, l'équipe a construit un modèle informatique détaillé de l'ensemble du circuit cérébral, incluant le cortex, le thalamus, les ganglions de la base et le cervelet. Dans leur simulation, ils ont testé comment le cerveau apprend lorsque les signaux sont acheminés correctement par rapport à lorsqu'ils sont brouillés. Ils ont découvert que l'apprentissage fonctionnait mieux lorsque le feedback des ganglions de la base et du cervelet était renvoyé vers les groupes spécifiques de neurones qui avaient aidé à générer l'action. Si les signaux étaient envoyés aux mauvais neurones, l'apprentissage échouait. Le modèle a également révélé que le cerveau utilise deux manières différentes pour renvoyer ces signaux. Un type de signal agit comme un bouton de volume, rendant l'activité existante d'un neurone plus forte ou plus faible. L'autre type agit comme une poussée directe, ajoutant une nouvelle activité au neurone. Les chercheurs ont découvert que le cerveau a besoin que ces deux mécanismes travaillent ensemble pour apprendre efficacement. L'effet « bouton de volume », qui se produit dans cette couche supérieure du cortex, aide le cerveau à amplifier les bons signaux, tandis que la poussée directe aide à propulser l'action.

L'étude a également exploré comment le cerveau détermine quels neurones doivent recevoir ces signaux d'apprentissage en premier lieu. Dans le modèle informatique, les chercheurs ont montré que le cerveau peut apprendre à aligner son feedback en observant sa propre activité pendant les périodes de repos. En comparant l'activité d'un neurone avec la probabilité qu'il déclenche une action, le cerveau peut ajuster ses connexions afin que les signaux d'apprentissage soient envoyés au bon endroit. Ce processus, qu'ils ont appelé calibration locale, a permis au modèle de récupérer sa capacité d'apprentissage même si les connexions initiales n'étaient pas configurées parfaitement. De plus, les chercheurs ont testé si ce système pouvait gérer des tâches complexes où plusieurs neurones devaient être entraînés simultanément, comme dans les expériences d'interface cerveau-machine où une personne apprend à contrôler un curseur d'ordinateur par la pensée. Ils ont découvert que lorsque le cerveau envoie un signal de récompense unique et global à l'ensemble du réseau, il peine à entraîner plusieurs cibles simultanément si ces cibles doivent se déplacer dans des directions opposées. Cependant, lorsque le feedback est acheminé via des canaux parallèles distincts, le cerveau peut réussir à entraîner plusieurs neurones à la fois. Cela suggère que la capacité du cerveau à apprendre des tâches complexes à plusieurs parties dépend de l'existence de ces voies parallèles et distinctes qui peuvent délivrer le crédit à des groupes spécifiques de neurones sans interférence.

Ces découvertes offrent une nouvelle façon de percevoir l'apprentissage du cerveau. Plutôt que de voir les ganglions de la base et le cervelet comme des systèmes indépendants qui se contentent d'additionner leurs sorties, les chercheurs proposent qu'ils travaillent comme une équipe coordonnée utilisant une autoroute partagée pour livrer les signaux d'apprentissage. Cette autoroute, qui converge sur la couche supérieure du cortex moteur, permet au cerveau d'intégrer différents types d'informations et de les diriger précisément là où elles sont nécessaires. L'étude suggère que la disposition physique de ces connexions n'est pas seulement un diagramme de câblage passif, mais un composant actif du processus d'apprentissage lui-même. En garantissant que les signaux d'apprentissage atteignent les neurones spécifiques responsables d'une action, le cerveau peut affiner efficacement son comportement et s'adapter à de nouveaux défis. Ce travail fournit un cadre anatomique et computationnel concret pour comprendre comment le cerveau résout le problème de l'attribution de crédit, un défi fondamental de l'apprentissage qui s'applique non seulement aux animaux, mais aussi au développement de l'intelligence artificielle. Les résultats des chercheurs, dérivés à la fois de l'observation directe chez la souris et de simulations informatiques rigoureuses, soulignent l'importance de la convergence laminaire et du feedback modulaire pour permettre au cerveau d'apprendre des comportements complexes.