A Large-Scale Anatomically and Electrophysiologically Constrained Model of Hippocampus at Behavioral Time Scales
Cet article présente un cadre de calcul accéléré par GPU qui construit et optimise un modèle hippocampique à grande échelle et contraint anatomiquement comprenant 250 000 neurones, reproduisant avec succès les dynamiques biologiques clés et atteignant des vitesses de simulation suffisantes pour des échelles de temps comportementales grâce à une nouvelle stratégie d'optimisation en deux étapes.
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 humain est un paysage vaste et enchevêtré de milliards de cellules, chacune étant une minuscule unité électrique qui s'active selon des motifs complexes pour créer la pensée, la mémoire et le mouvement. Pour comprendre comment cette machinerie fonctionne, les scientifiques construisent souvent des modèles informatiques qui imitent la structure du cerveau. Cependant, un problème persistant a entravé ces efforts : les modèles sont généralement trop simples pour être réalistes, ou ils sont si détaillés qu'ils prennent des années à s'exécuter sur un ordinateur, rendant impossible la simulation des secondes ou des minutes nécessaires à un animal pour naviguer dans une pièce. Les chercheurs ont lutté pour construire un modèle qui soit à la fois anatomiquement précis — correspondant au câblage réel du cerveau — et suffisamment rapide pour fonctionner en temps réel.
Une équipe de chercheurs a maintenant construit une simulation massive et hautement détaillée de l'hippocampe, la partie du cerveau responsable de la mémoire et de la navigation. Ils ont créé une version numérique de cette région cérébrale contenant environ 250 000 neurones individuels et 20 millions de connexions entre eux. Contrairement aux tentatives précédentes qui reposaient sur des conjectures ou des règles simplifiées, ce modèle a été construit directement à partir de cartes expérimentales de la manière dont les cellules cérébrales sont réellement câblées les unes aux autres. Les chercheurs ont utilisé de puissants processeurs graphiques, le même type de puces que celles que l'on trouve dans les jeux vidéo haut de gamme, pour faire fonctionner la simulation à une vitesse environ 20 fois plus rapide que le temps biologique réel. Cela leur a permis de regarder le réseau évoluer sur de longues périodes, observant comment les cellules interagissaient pour produire un comportement.
Le résultat le plus frappant fut que le modèle a généré des schémas de navigation sans avoir été explicitement enseigné comment le faire. Les chercheurs ont alimenté le cerveau numérique avec des signaux représentant un animal virtuel se déplaçant dans un espace, mais ils n'ont pas programmé les neurones pour reconnaître des lieux spécifiques. Malgré cela, le réseau a développé spontanément des « cellules de lieu » — des neurones qui ne s'activent que lorsque l'animal virtuel se trouve à un endroit précis. Cela s'est produit naturellement en raison de la façon dont les cellules étaient connectées et de la manière dont elles répondaient les unes aux autres. La simulation a montré que la capacité du cerveau à cartographier l'espace émerge de la structure physique de ses circuits et du timing de ses signaux électriques, plutôt que d'un manuel d'instructions préécrit.
Pour y parvenir, l'équipe a dû surmonter deux obstacles majeurs. Premièrement, ils devaient traduire des données anatomiques complexes, qui décrivent généralement des groupes de cellules, en une carte de connexions entre chaque neurone individuel. Ils ont développé une méthode pour transformer ces cartes de population en un diagramme de câblage précis, garantissant que le cerveau numérique ressemble et agisse comme un vrai. Deuxièmement, ils devaient faire en sorte que la simulation s'exécute assez vite pour être utile. En optimisant le logiciel pour qu'il fonctionne sur du matériel graphique, ils ont réduit le temps requis pour simuler une seconde d'activité cérébrale à une fraction de seconde. Cette vitesse est cruciale car elle permet aux scientifiques de faire fonctionner le modèle pendant des heures ou des jours, observant des processus à long terme comme l'apprentissage et la consolidation de la mémoire, qui sont impossibles à étudier dans des modèles plus lents et plus détaillés.
Les chercheurs ont également développé une manière intelligente de régler le modèle. Au lieu d'essayer de rendre chaque chiffre parfait dès le départ, ils ont utilisé un processus en deux étapes. D'abord, ils ont ajusté la force des connexions entre les paires de neurones pour correspondre aux mesures connues en laboratoire. Ensuite, ils ont laissé le réseau entier fonctionner et ont ajusté les connexions à nouveau pendant que la simulation était toujours en cours, affinant le système jusqu'à ce que l'activité globale du groupe de cellules corresponde à ce que l'on observe chez les animaux vivants. Cet ajustement en ligne signifiait qu'ils n'avaient pas besoin d'arrêter et de redémarrer la simulation chaque fois qu'ils effectuaient un changement, ce qui économisait un temps immense et permettait un ajustement beaucoup plus précis.
Lorsque le modèle a été mis à l'épreuve, il a produit une riche tapisserie d'activité cérébrale. Les neurones s'activaient selon des motifs rythmiques qui correspondaient aux ondes cérébrales observées chez les animaux réels, spécifiquement les rythmes thêta et gamma associés à la navigation et à la mémoire. Les cellules se sont organisées en groupes distincts, certaines s'activant rapidement et d'autres lentement, tout comme elles le font dans un cerveau vivant. Plus important encore, les cartes spatiales qui ont émergé étaient stables et réalistes. Les neurones des différentes couches de l'hippocampe transformaient l'entrée brute de l'environnement en codes de localisation de plus en plus précis, passant de motifs généraux de type grille à une activation de lieu unique et spécifique. Cette progression s'est produite automatiquement, pilotée uniquement par les contraintes physiques du réseau et les propriétés électriques des cellules.
Ce travail suggère que la capacité du cerveau à comprendre l'espace est une conséquence directe de son câblage physique et de la manière dont ses cellules communiquent. Les chercheurs n'ont pas eu besoin de programmer le concept de « lieu » dans le modèle ; il est apparu naturellement de la complexité du système. Bien que le modèle actuel ne représente qu'une fraction de l'hippocampe complet, l'équipe a démontré que leurs méthodes peuvent être étendues pour simuler la région entière. Ils estiment qu'avec des systèmes informatiques modernes à haute mémoire, un modèle à pleine échelle pourrait fonctionner à environ 50 fois la vitesse du temps réel. Cela ouvre la porte à la simulation de l'hippocampe entier sur la durée d'un jour ou d'une semaine, permettant aux scientifiques de voir comment les souvenirs se forment et se stabilisent au fil du temps.
L'étude souligne également une nouvelle approche pour comprendre le cerveau, une approche qui comble le fossé entre les détails microscopiques de cellules individuelles et l'échelle globale de l'organe entier. En combinant des données anatomiques précises avec une informatique rapide et flexible, les chercheurs ont créé un outil capable de tester comment les changements dans la structure du cerveau affectent sa fonction. Ce cadre n'est pas seulement une image statique du cerveau ; c'est un système dynamique qui peut être modifié et observé en action. Il offre un moyen d'explorer les mécanismes de la mémoire et de la navigation dans un environnement contrôlé, fournissant un nouveau prisme pour observer la machinerie complexe de l'esprit. Le succès de cette simulation suggère que les règles régissant le cerveau sont écrites dans sa structure physique, attendant d'être décodées par des modèles qui soient à la fois détaillés et assez rapides pour suivre le flux de la pensée.
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.