Gradients of local circuit architecture shape stability and information integration across the cortical hierarchy
En utilisant des simulations biologiquement réalistes du cortex de la souris, cette étude démontre que l'augmentation de la densité de connexion et de la proportion relative de cellules SST le long de la hiérarchie corticale améliore la stabilité du circuit, liant ainsi la composition locale des types cellulaires aux fonctions d'activité de la population et de traitement de l'information.
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 mammalien n'est pas un organe unique et uniforme, mais un vaste paysage de régions spécialisées, chacune étant réglée pour une tâche différente. Au bas de ce paysage se trouvent les zones sensorielles, qui agissent comme la porte d'entrée du cerveau, traitant rapidement les données brutes provenant des yeux, des oreilles et de la peau. À mesure que l'information remonte à travers la structure cérébrale, elle atteint des régions d'ordre supérieur responsables de tâches complexes telles que la planification, la prise de décision et le maintien des pensées en mémoire. Les scientifiques savent depuis longtemps que ces régions sont organisées de manière hiérarchique, mais un mystère clé demeure : comment les minuscules schémas de câblage local à l'intérieur de chaque région changent-ils pour soutenir ces différentes tâches ? C'est une question d'architecture. Tout comme une bibliothèque et une usine peuvent utiliser des configurations différentes pour gérer des livres plutôt que des chaînes de montage, les régions du cerveau reposent probablement sur des arrangements spécifiques de neurones pour gérer la sensation simple par rapport à la pensée complexe. Comprendre ces plans locaux est essentiel pour comprendre comment le cerveau reste stable tout en traitant un flux d'informations.
Pour résoudre cette énigme, une équipe de chercheurs de l'Allen Institute s'est tournée vers la puissance de la simulation informatique. Ils ont construit des modèles détaillés et biologiquement réalistes de cinq régions distinctes du cerveau de la souris, allant du cortex visuel primaire au bas de la hiérarchie jusqu'à des zones d'ordre supérieur comme le cortex cingulaire antérieur et le cortex orbitofrontal. Ces modèles n'étaient pas des croquis abstraits ; ils ont été construits à l'aide de jeux de données massifs de câblage et de physiologie cérébrale réels. Les chercheurs ont peuplé chaque modèle de milliers de neurones virtuels, représentant des types de cellules spécifiques trouvés dans le cerveau réel, y compris des cellules excitatrices qui transmettent les signaux et des cellules inhibitrices qui agissent comme des freins. Crucialement, ils ont ajusté les modèles pour refléter les tendances biologiques connues : à mesure qu'ils montaient dans la hiérarchie, la densité des neurones diminuait, mais le nombre de connexions entre eux augmentait, et le mélange de types de cellules inhibitrices changeait. En simulant la façon dont ces circuits virtuels réagissaient aux entrées, l'équipe a pu observer comment les changements structurels façonnaient la capacité du cerveau à traiter l'information et à maintenir la stabilité.
Les simulations ont révélé un motif clair : à mesure que les modèles montaient dans la hiérarchie corticale, les circuits devenaient plus stables et meilleurs pour équilibrer l'excitation et l'inhibition. Cette stabilité était pilotée par deux facteurs principaux. Premièrement, les connexions entre les neurones sont devenues plus denses dans les modèles d'ordre supérieur. Deuxièmement, et de manière plus surprenante, la proportion d'un type spécifique de neurone inhibiteur appelé cellule somatostatine, ou cellule SST, a augmenté. Dans les modèles sensoriels de bas niveau, les cellules excitatrices recevaient davantage d'entrées d'un autre type de cellule inhibitrice connue sous le nom de cellule parvalbumine, ou cellule PV. Mais dans les modèles d'ordre supérieur, l'équilibre s'est inversé, les cellules excitatrices recevant significativement plus d'entrées des cellules SST. Ce changement dans la composition cellulaire a aidé les circuits d'ordre supérieur à absorber les perturbations sans tomber dans le chaos, suggérant que le cerveau adapte son câblage local pour gérer les demandes complexes et intégratives de la cognition supérieure.
Les chercheurs ont également testé la façon dont ces circuits réagissaient à des stimuli spécifiques, tels que l'activation d'un seul neurone, imitant une expérience où un scientifique utilise la lumière pour déclencher une cellule chez un animal vivant. Lorsqu'ils stimulaient un seul neurone excitateur dans leurs modèles, l'activité se propageait vers l'extérieur, mais la réponse dépendait fortement du type de cellule. Les neurones SST étaient exceptionnellement sensibles ; ils s'activaient fortement en réponse à la stimulation, même lorsqu'ils n'étaient pas directement connectés à la cellule stimulée. L'équipe a découvert que cette haute réactivité n'était pas due au fait que les cellules SST recevaient plus de signaux excitateurs, mais parce qu'elles recevaient moins d'entrées inhibitrices de leurs voisins par rapport aux cellules PV. Dans les modèles d'ordre supérieur, où les cellules SST étaient plus abondantes, ce mécanisme aidait à maintenir un équilibre serré, garantissant que le réseau puisse intégrer de nombreuses entrées différentes sans devenir instable.
Il est intéressant de noter que l'étude a également clarifié ce qui ne change pas à travers la hiérarchie. Depuis des années, les scientifiques observent que l'« échelle de temps » de l'activité neuronale — la vitesse à laquelle une région traite l'information — devient plus lente à mesure que l'on monte dans la hiérarchie. Les zones sensorielles primaires réagissent en millisecondes, tandis que les zones d'ordre supérieur conservent l'information pendant de plus longues périodes. Les chercheurs soupçonnaient que ce ralentissement pourrait être causé par les changements de câblage local qu'ils modélisaient, tels que des connexions plus denses ou plus de cellules SST. Cependant, leurs simulations ont montré le contraire : l'augmentation de la densité de connexion rendait en fait les circuits répondre légèrement plus vite, et non plus lentement. Cette découverte suggère que les échelles de temps plus lentes observées dans les régions cérébrales supérieures ne sont pas un produit de l'architecture du circuit local seul. Au lieu de cela, elles proviennent probablement de facteurs extérieurs au voisinage immédiat des neurones, tels que les connexions à longue distance vers d'autres zones du cerveau ou les signaux chimiques qui modulent l'activité au fil du temps.
En liant la structure physique des circuits locaux à leur production fonctionnelle, ce travail offre une nouvelle façon de comprendre l'organisation du cerveau. Il montre que le cerveau ne se contente pas d'augmenter sa puissance de traitement ; il recâble fondamentalement ses quartiers locaux. L'augmentation des cellules SST et les motifs spécifiques de connexions qu'elles forment créent un environnement robuste capable d'intégrer divers flux d'informations. Si le câblage local explique comment le cerveau maintient la stabilité et gère les entrées complexes, l'étude pointe également le doigt loin des circuits locaux pour expliquer le changement de vitesse de la pensée. Le résultat est une image plus claire du cerveau en tant que système où l'architecture locale et les influences globales travaillent de concert, chacune jouant un rôle distinct dans la symphonie de la cognition.
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.