How much of a nervous-system model does behaviour identify?
Cette étude démontre que, bien que les données comportementales puissent contraindre certaines directions dans l'espace des paramètres des modèles de systèmes nerveux de l'organisme entier, la vaste majorité des paramètres à l'échelle du connectome demeure indéterminée, l'étendue de l'identifiabilité dépendant de la diversité et des exigences fonctionnelles des comportements elicited.
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
Les scientifiques cherchent depuis longtemps à construire des jumeaux numériques de créatures vivantes, des programmes informatiques qui imitent la façon dont un ver rampe ou une mouche marche. Ces simulations sont construites à partir de milliers de petites parties : la force des connexions entre les cellules nerveuses, la vitesse à laquelle les signaux électriques voyagent et les réactions chimiques qui maintiennent les cellules en vie. L'espoir était que si un modèle informatique peut reproduire parfaitement le mouvement d'un animal, alors les chiffres à l'intérieur de ce modèle doivent correspondre à la biologie réelle de l'animal. Si le ver virtuel se déplace exactement comme le vrai, suit la logique, le ver virtuel doit être construit avec les mêmes paramètres que le vrai. Mais un ensemble croissant de travaux suggère que cela pourrait ne pas être vrai. Il est possible que de nombreux ensembles différents de nombres produisent exactement le même mouvement, ce qui signifie que regarder un animal se déplacer ne suffit peut-être pas pour comprendre exactement comment son système nerveux est câblé.
Une nouvelle étude de Chenxi He, de l'Université de Cambridge, met cette question à l'épreuve à grande échelle. Au lieu d'examiner une seule cellule nerveuse ou un petit groupe de celles-ci, le chercheur a examiné des simulateurs d'organismes entiers d'un nématode et d'une mouche du vinaigre. Ces modèles contiennent des milliers de paramètres qui définissent le fonctionnement du système nerveux. En modifiant systématiquement chaque nombre dans ces modèles et en observant comment le comportement changeait, l'étude a cartographié précisément quelles parties du modèle sont verrouillées par les actions de l'animal et quelles parties sont libres de varier. Les résultats montrent que le comportement est un très mauvais guide pour les détails complets d'un système nerveux. Bien que les mouvements de l'animal déterminent quelques combinaisons spécifiques de paramètres, ils laissent la vaste majorité des chiffres internes du modèle complètement non contraints.
L'étude s'est d'abord concentrée sur un modèle détaillé du nématode C. elegans, un minuscule ver dont tout le diagramme de câblage du système nerveux est connu. Ce modèle contient 3 076 forces de connexion différentes entre ses cellules nerveuses. Le chercheur a lancé des milliers de simulations, changeant une connexion à la fois pour voir si le mode de reptation du ver changeait. Les conclusions ont été frappantes : sur ces 3 076 connexions, le comportement du ver n'a déterminé que huit directions spécifiques dans l'espace de tous les réglages possibles. Même lorsque le chercheur a regardé une norme de mesure légèrement plus lâche, le nombre est passé à seulement 47. Cela signifie que 99 % des forces de connexion du modèle pourraient être modifiées sans que le ver ne remarque de différence dans sa façon de se déplacer. Le comportement du ver agit comme un projecteur étroit, illuminant une petite tranche spécifique du modèle tout en laissant le reste dans l'obscurité.
Ce schéma s'est avéré vrai même lorsque l'étude a examiné un autre animal et une autre partie du système nerveux. Dans un modèle du système visuel de la mouche, qui traite ce que la mouche voit, le chercheur a découvert que sur 330 réglages ajustables, le comportement n'en contraignait que 14. Dans le cas du ver et de la mouche, les parties du modèle qui étaient étroitement contrôlées par le comportement étaient les connexions qui transportent les signaux principaux pour le mouvement ou la vision. Les parties qui étaient laissées libres de varier étaient souvent les courants chimiques spécifiques à l'intérieur des cellules. Par exemple, dans le modèle du ver, le comportement était largement insensible à deux types spécifiques de canaux calciques, ce qui signifie que leur force pouvait être modifiée de manière significative sans changer la façon dont le ver marchait. Cela suggère que le système nerveux possède une grande dose de flexibilité ; il peut atteindre le même résultat avec de nombreux réglages internes différents.
La recherche a également exploré si observer un animal faire plus de choses aiderait à préciser davantage de détails. L'équipe a testé le modèle du ver avec différents types de mouvements, comme ramper en ligne droite par rapport au déplacement vers la nourriture. Ils ont constaté qu'ajouter des mouvements du même type, comme marcher plus vite ou plus lentement, ne révélait pas beaucoup de nouvelles informations. Les paramètres du modèle qui contrôlaient ces actions similaires étaient déjà verrouillés par le premier mouvement. Cependant, lorsque l'animal effectuait une tâche fonctionnellement différente, comme naviguer vers une odeur plutôt que de simplement marcher, le modèle révélait un nouvel ensemble de paramètres contraints. Le comportement du ver dans un gradient chimique verrouillait des connexions différentes de son comportement lors d'une simple marche. Pourtant, même avec ces tâches différentes, une grande partie du modèle restait libre. L'étude a montré que pour en apprendre davantage sur le système nerveux, il faut observer une grande variété de comportements distincts, et non pas seulement de longs enregistrements de la même action.
Pour s'assurer que ces découvertes n'étaient pas seulement une particularité des modèles informatiques, le chercheur a testé les mêmes méthodes sur des modèles cellulaires plus simples où les bonnes réponses étaient déjà connues. Dans ces cas, la méthode a parfaitement fonctionné : quand le modèle était petit et le comportement simple, les réglages corrects étaient récupérés. Mais quand le modèle était complexe, comme la célèbre voie de signalisation MAPK, la simulation pouvait correspondre exactement au comportement tout en utilisant des chiffres complètement erronés pour les parties internes. Cela a confirmé qu'une correspondance parfaite avec le comportement ne garantit pas que la biologie sous-jacente a été correctement identifiée. L'étude a également comparé ses résultats à des données biologiques réelles provenant d'autres scientifiques, telles que les mesures de la variation des cellules nerveuses entre les individus d'une même espèce. Les motifs de ce qui varie et de ce qui reste constant chez les vrais vers et les vraies mouches correspondaient aux motifs trouvés dans les modèles informatiques, suggérant que ce « relâchement » est une caractéristique réelle de la biologie, et non un défaut des simulations.
La conclusion ultime est que le comportement identifie un espace spécifique de faible dimension au sein d'un modèle de système nerveux, mais qu'il laisse la vaste majorité de l'espace de ce modèle ouvert. Les parties du système qui sont contraintes sont celles essentielles à la tâche spécifique en cours, tandis que les parties libres représentent des directions dans lesquelles la biologie peut varier sans conséquence. Cela signifie que construire un organisme numérique qui se comporte comme un organisme réel ne signifie pas que nous avons découvert les réglages exacts de l'organisme réel. Au lieu de cela, nous avons trouvé une combinaison de réglages qui fonctionne et qui produit le bon mouvement. L'étude recadre cette incertitude non pas comme un échec de la mesure, mais comme une caractéristique de la vie : le système nerveux est assez robuste pour tolérer une large gamme de changements internes tant que le résultat final, le comportement, reste efficace. Le chercheur conclut que pour véritablement comprendre un système nerveux, nous devons regarder au-delà du comportement qu'il produit et reconnaître que le chemin menant à ce comportement est pavé de nombreuses routes possibles.
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.